- 博客(28)
- 收藏
- 关注
RSS订阅原创 3D目标检测IoU框计算详解
最近在看自动驾驶的面试题，有一题问三维旋转框的IoU计算方式，在csdn博客上看到此代码，但是没有解读，遂记录如下。大致示意图如下，画的不好，博主画工不大行…具体代码如下，请对照阅读。
2023-09-11 10:55:09
752
原创 回溯法：八皇后
#include<iostream>using namespace std;const int n = 8;int x[n] = {-1};int Place(int k){for(int i = 0 ;i<k;i++) if(x[i]==x[k]||abs(i-k)==abs(x[i]-x[k])) return 1; return 0;}void Queen(){ int k = 0; while(k>=0){
2021-12-03 14:20:23
638
原创 算法：分治法寻找众数
注意：快速排序之后相同的数组元素是相邻的。#include<iostream>using namespace std;void Quick_Sort(int *a,int begin,int end){ if(begin>end) return; int tmp = a[begin]; int i = begin; int j = end; while(i!=j){ while(a[j]>=tmp&&
2021-11-30 09:36:32
1339
1
原创 机器学习第二章
文章目录2.单变量线性回归2.1 模型表示2.2 代价函数（Cost Function）2.3 梯度下降法2.4 单变量线性回归习题2.单变量线性回归2.1 模型表示我们来看一个监督学习的例子，其采用的算法是线性回归算法。这是一个俄勒冈波特兰市的房价，横轴是尺寸大小，纵轴是房价，我们通过算法能够预测不同的房子尺寸的房价，例如说房子尺寸是1250feet2feet^2feet2，通过线性回归曲线，大致预测出房价为220,000美元。我们将使用一些标记作为训练集的参数。标记含义
2021-08-23 11:44:01
292
原创 机器学习第一章
文章目录1.吴恩达机器学习第一章课程笔记1.1 机器学习的定义1.2 监督学习1.3 无监督学习1.吴恩达机器学习第一章课程笔记1.1 机器学习的定义根据Samuel的定义，机器学习是使电脑有能力根据数据集学习，而不是根据每个样本的不同而人工编程。根据Mitchell的定义，机器学习是通过在任务T（task）上的表现P（performance）的测定而获得经验E（experience),获得E越多，机器学习的能力会越强。一个小的测试题：若邮箱垃圾过滤器学习了人工是否将邮件分类为垃圾软件，并基于此
2021-08-09 20:50:30
366
原创 python计算机视觉——第八章 图像内容分类
文章目录引言8.1 K邻近分类法8.1.1 一个简单的二维示例引言本章介绍图像分类和图像内容分类算法，首先介绍一些简单有效的方法及性能最好的分类器，运用它们解决两类和多类分类问题，并展示两个用于手势识别和目标识别的运用实例。8.1 K邻近分类法全称为KNN（K-Nearest Neighbor），这种算法把要分类的对象与训练集中已标记的所有对象进行对比，由KNN指派到哪个类别，k值的选择会影响分类的性能，且要求把整个训练集存储起来，存储量会影响搜索的速度。对于大的训练集，采取装箱形式通常会减少对比的
2021-07-22 13:47:08
1423
1
原创 Python计算机视觉——第七章 图像搜索
文章目录引言7.1 基于内容的图像搜索7.2 视觉单词引言本章将展示如何利用文本挖掘技术对基于图像视觉内容进行图像搜索，本章提出视觉单词的基本思想，并解释了完整的安装细节，在一个示例数据集上进行了测试。7.1 基于内容的图像搜索大型图像数据库上，CBIR（Content-Based Image Retrieval）基于内容的图像检索技术用于检索在视觉上具相似性的图像，返回的图像可以是颜色相似、纹理相似、物体或场景相似等等。但对于高层查询，将查询图像与数据库中所有的图像进行完全比较（比如用于特征匹配
2021-07-18 00:46:17
659
1
原创 Python计算机视觉——第六章 图像聚类
文章目录引言6.1 K-means聚类6.1.1 SciPy聚类包6.1.2 图像聚类6.1.3 在主成分上可视化图像6.1.4 像素聚类6.2 谱聚类引言本章将介绍聚类方法，用图像进行聚类，寻找相似的图像组。聚类可用于识别、划分图像数据集，组织与导航。此外，会对聚类后的图像进行相似性的可视化。6.1 K-means聚类K-means是一种将输入数据划分为K个簇的简单聚类算法，反复提炼初始评估的类中心，步骤如下：随机方式初始化类中心ui,i∈[1,k]u_i,i\in [1,k]ui,i∈[1
2021-07-12 00:15:36
2623
4
原创 Python计算机视觉——第五章 多视图几何
文章目录引言5.1 外极几何5.1.1 简单的数据集5.1.2 用Matplotlib绘制三维数据5.1.3 计算F：八点法5.1.4 外极点与外极线5.2 照相机和三维结构的计算引言本章将学习如何处理多个视图，以及如何利用多个视图的几何关系来恢复照相机位置信息及三维结构，通过在不同视点拍摄的图像，可以利用特征匹配计算出三维场景点及相机位置，本章将展示三维重建的完整例子。5.1 外极几何多视图几何是利用在不同视点所拍摄图像间的关系，研究照相机之间或特征之间的关系。图像特征通常是兴趣点，本章使用的也是
2021-07-09 21:48:49
1267
原创 Python计算机视觉——第四章 照相机模型与增强现实
文章目录引言4.1 针孔照相机模型4.1.1 投影矩阵4.1.2 三维点的投影4.1.3 照相机矩阵的分解4.1.4 计算照相机中心4.2 照相机标定4.3 以平面和标记物进行姿态估计4.4 增强显示4.4.1 照相机矩阵到OpenGL格式4.4.2 图像中放置虚拟物体4.4.3 综合集成引言为了处理三维图像和平面图像之间的映射，需要在映射中加入照相机产生图像的投影过程，我们将讨论如何确定照相机的参数，以及在增强现实（AR）等方面的具体应用。4.1 针孔照相机模型针孔照相机模型（射影照相机模型），在
2021-07-05 16:42:32
1399
转载 SVD奇异值分解
转载的 写的很赞 奇异值越多与原图像越接近 计算机视觉许多算法与数学息息相关https://www.cnblogs.com/endlesscoding/p/10033527.html
2021-07-01 00:02:19
75
原创 Python计算机视觉——第三章 图像到图像的映射
文章目录3.1 单应性变换3.1.1 直接线性变换算法3.1 单应性变换单应性变换是将一个平面内的点映射到另一个平面内的二维投影变换，平面是指图像或三维中的平面表面，单应性变换在图像配准、图像纠正、纹理扭曲和创建全景图像等具有很强的变换性，单应性变换如下矩阵变换定义。[x′y′w′]=[h1h2h3h4h5h6h7h8H9]=[xyw]\left[\begin{matrix}x'\\\\y'\\\\w' \end{matrix} \right]=\left[\begin{matrix}h_1 &
2021-06-27 19:59:35
470
原创 Python计算机视觉——第二章 局部图像描绘子
文章目录2.1 Harris角点检测器的原理2.2 实验部分2.3 SIFT（尺度不变特征变换）2.1 Harris角点检测器的原理在图像中，如果像素的周围显示存在多于一个方向的边，我们就认为该店为兴趣点，也称为角点。角点具有如下的特点：轮廓之间的交点；对于同一场景，即使视角发生变化，通常具备稳定性质的特征；该点附近区域的像素点无论在梯度方向上还是其梯度幅值上有着较大变化；我们可以由一个函数来判断是否是角点：E(u,v)=∑x,yw(x,y)[I(x+u,y+v)−I(x,y)]2E(u
2021-06-23 22:37:39
369
原创 Python计算机视觉——第一章 基本的图像操作和处理
文章目录1.1 Python图像处理PIL库1.1.1 转换图像格式1.1.2 缩略图1.1.3 复制、粘贴和旋转、调整尺寸1.2 Matoplotlib库基础学习1.2.1 绘制实际图像中的点和线1.2.2 图像轮廓与直方图1.3 Numpy库基本学习1.3.1 直方图均衡化1.3.2 图像缩放1.4 Scipy1.4.1 图像模糊1.4.2 图像导数1.4.3 形态学计数1.1 Python图像处理PIL库1.1.1 转换图像格式# PIL（Python Imaging Library）from
2021-06-14 16:24:28
874
3
原创 数字图像处理——第十一章 表示和描述
文章目录引言11.1 表示11.1 边界追踪11.2 链码11.3 多边形近似11.4 聚合和分裂技术11.5 标记图11.1.6 边界线段11.2 边界描绘子11.2.1 基础描绘子11.2.2 形状数11.2.3 傅里叶描绘子11.2.4 统计距11.3 区域描绘子11.3.1 简单区域描绘子11.3.2 拓扑描述子11.3.3 纹理11.3.4 不变矩11.4 使用主成分进行描述实验部分总结引言继上一章将图像分割成多个区域后，分割的像素集可以分为外部特征（边界）和内部特征（区域），本章的任务是基于
2021-06-05 23:23:54
4278
3
原创 c语言实现数字金字塔
#include<stdio.h>void main(){ int i,k=1; int j,x,z=0; int rows; scanf("%d",&rows); for(i=1;i<=rows;i++) { for(k=rows-i;k>=0;k--) { printf(" "); } j=x; for(;j<2*i-1;j++) { printf("%d",j+1); } x++; for(j=
2021-06-03 00:44:44
1347
原创 c语言实现字符串反转
#include<stdio.h>#include<string.h>void reversestring(char * b,int count){ char c=0; int i=0; int size; //注意第一个下标从0开始 size=count-1; if (size==0 || size==1) //地址不变 b=b; for(;i<=size;i++) { // 字符串不可以用来等价 用一个字符替代 c=b[i];
2021-06-03 00:27:59
5242
原创 数字图像处理——第十章图像分割
文章目录引言10.1 基础知识10.2 点、线和边缘检测10.2.1 孤立点的检测10.2.2 线检测10.2.3 边缘模型10.2.4 基本边缘检测10.3 边缘连接和边界检测10.3.1 局部处理10.3.2 区域处理10.3.3 霍夫变换全局处理10.4 阈值处理10.5 基于区域的分割10.6 实验部分引言这一章，我们的重点转到了图像提取出来的属性的图像处理方法，分割是该方向的一个主要步骤。分割将图像细化分为构成它的子区域和物体，当感兴趣的物体或区域被检测出来时，就停止分割，分割的精度决定了计
2021-05-30 21:09:52
893
原创 数字图像处理——第九章 形态学处理
文章目录引言9.1 一些基本的形态学集合9.2 腐蚀和膨胀9.3 开操作与闭操作9.4 击中与击不中9.5 形态学处理函数实验部分总结引言本章主要将数学形态学作为工具从图像中提取表达和描绘区域形状的有用图像分量，如边界、骨架和突壳等。我们对预处理或后处理的形态学技术也感兴趣，比如形态学过滤、细化和修剪等。我们主要处理步骤如下：首先对图像进行二值化处理，接着做连接成分的变形，包括图像的测量和结构的分析。9.1 一些基本的形态学集合在二值图像中，所有白色像素或黑色像素的集合是二维整数空间Z2Z^2Z2
2021-05-21 01:06:41
2031
原创 数字图像处理——第八章 图像压缩
文章目录8.1 为何要压缩8.1.1 图像信息的度量8.1.2 编码冗余8.1.3 空间和时间（像素）冗余8.1.4 压缩评价方法8.2 基本的压缩方法8.2.1 霍夫曼编码8.2.2 行程编码8.2.3 JPEG编码8.3 数字图像水印8.4 总结8.1 为何要压缩图象和视频通常在计算机中表示后会占用非常大的空间，而出于节省硬盘空间的考虑，往往要进行压缩。同时，传输过程中，为了节省珍贵的带宽资源和节省时间，也迫切要求压缩。压缩之后，传输过程中的误码率也会相应地减少。且人眼对颜色只有一定的感应能力，当
2021-05-16 14:07:24
2812
2
原创 数字图像处理——第七章小波和多分辨率处理
文章目录7.1 背景7.1.1 图像金字塔7.1.2 子带编码7.1.3 哈尔变换7.2 多分辨率展开7.3 小波展开7.4 小波包7.4 小波工具箱学习总结7.1 背景我们观察图像时，小的物体我们以较高的分辨率来观察，大的物体以较低的分辨率来观察，当图像中同时存在大和小的物体时，以不同的分辨率来观察将更具优势。计算机处理的图像模型是具有局部变换特性的亮度值的二维阵列，局部直方图在不同的区域下变换可能很明显，这就使得为整幅图像建立统计模型造成困难，那么我们就引入图像金字塔这一统计工具来为图像建立统计特
2021-05-09 17:07:03
1621
1
原创 数字图像处理——第六章彩色图像处理
文章目录6.1 彩色模型简介6.1.1 RGB彩色模型6.1 彩色模型简介彩色模型也称为彩色空间或彩色系统，本质上，彩色模型是坐标系统和子空间的说明，位于系统的每种颜色都由单个点来表示。在数字图像处理中，有四种主流的彩色模型：RGB（Red,Green,Blue）红绿蓝模型，用于彩色监视器和彩色视频摄影机；CMY（青，深红，黄）和CMYK（加黑）模型，用于彩色打印机；HSI（Hue(色调),Saturation(饱和度),Intensity(强度)）模型，更符合人眼接受且符合人描述和解释，同时
2021-05-08 21:25:00
2965
2
原创 数字图像处理——第五章图像复原与重建
文章目录5.1 绪论5.2 图像退化/复原过程的模型5.2.1 常见噪声概率密度函数5.2.2 周期噪声5.3 空间滤波5.3.1 空间域滤波实验5.4 频率域消除周期噪声5.5 图像的逆滤波总结5.1 绪论当图像中具有加性噪声和周期噪声时，图像就会发生退化，我们可以利用噪声的不同特点，选取空间域和频率域的滤波器对图像进行复原，目的使设立一个最佳准则产生期望结果得最佳估计，使复原后得图像尽可能接近原图像。5.2 图像退化/复原过程的模型退化的过程可建模原图像经过退化函数H和加性噪声项η\etaη，通
2021-05-07 17:31:29
981
原创 数字图像处理——第四章频率域滤波
文章目录引言引言在频率域的数字图像处理中，我们可以观察图像的频谱，判断这个图像的平滑和噪声情况，可以通过设置不同的滤波器，低通、高通、带阻、带通、同态等类型滤波器对图像进行处理，空间域和频率域的桥梁是傅里叶级数和傅里叶变换...
2021-04-24 21:37:41
420
原创 数字图像处理——第三章 灰度变换与空间滤波
文章目录3.1 灰度变换3.2 基本灰度变换函数3.3 直方图处理3.1 灰度变换灰度变换是在空间域上执行的，灰度变换对图像的单个像素进行操作，主要以对比度和与之处理为目的。空间域处理可由公式g(x,y)=T[f(x,y)]表示，式中，f(x,y)是输入图像，g(x,y)是处理过的图像，T为定义的关于f的一种算子。在处理过程中，要引入领域的概念，首先算法定位于处理的（x，y）像素的位置，再计算m个领域内的综合，最后summ\frac{sum}{m}msum。灰度变换变换公式可以使过亮的、过暗的地方
2021-04-17 20:14:10
787
原创 数字图像处理——第二章数字图像基础
文章目录2.1人类视觉机理2.1.1人眼主要感光结构2.1.2人眼亮度适应与辨别的特点2.2图像感知和获取2.3图像取样和量化2.3.1基本概念2.3.2数字图像的表示2.3.3存储图像大小与分辨率2.3.4图像收缩与放大的内插方法2.4像素之间的基本关系2.5图像之间的运算2.6集合和逻辑操作2.7图像变换的工具2.1人类视觉机理2.1.1人眼主要感光结构当人眼聚焦于一个物体时，来自外部的光在视网膜上成像，感受器通过不连续光来形成图案。光感受器可分为锥状体和杆状体。1.锥状体位于视网膜中央凹的中间
2021-04-10 21:13:35
513
1
原创 数字图像处理——第一章绪论
文章目录绪论1.数字信号处理基本概念1.1 数字图像的简介1.2 灰度的定义1.3 数字图像的定义2.数字信号处理各电磁波段应用介绍3.数字信号处理基础组成4.数字信号处理基本步骤5.图片读写基本代码的学习绪论1.数字信号处理基本概念1.1 数字图像的简介数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。1.2 灰度的定义灰度指的是从白到黑的过渡色，灰度有256个色度，范围是[0,255]。1.3 数字
2021-04-10 16:10:17
625
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人