github地址：https://github.com/2209520576/Image-Processing-Algorithm一.写在前面几何空间变换是图像处理中的最基础的算法，主要包括图像的旋转，平移，缩放，偏移，组合变换等等，在冈萨雷斯的数字图像处理第三版的第二章就做了相关介绍，最常用的空间坐标变换之一就是仿射变换。虽然仿射变换很基础，但作用还是很大的，例如在车牌识别的预处理...

1 反向传播算法和BP网络简介误差反向传播算法简称反向传播算法（即BP算法）。使用反向传播算法的多层感知器又称为BP神经网络。BP算法是一个迭代算法，它的基本思想为：（1）先计算每一层的状态和激活值，直到最后一层（即信号是前向传播的）；（2）计算每一层的误差，误差的计算过程是从最后一层向前推进的（这就是反向传播算法名字的由来）；（3）更新参数（目标是误差变小）。迭代前面两个步骤，直...

首先感谢@浅墨_毛星云，本篇博文是小武通过学习@浅墨_毛星云的博客以及书籍《opencv3.0编程入门》整理的笔记及疑问心得，小武水平有限，欢迎交流。@浅墨_毛星云博文：https://blog.csdn.net/poem_qianmo/article/category/1923021一、常用函数1、点的表示：Point 类；2、颜色的表示：Scalar类:Scalar( a, b, c )我们.

github地址：https://github.com/2209520576/Image-Processing-Algorithm一.写在前面几何空间变换是图像处理中的最基础的算法，主要包括图像的旋转，平移，缩放，偏移，组合变换等等，在冈萨雷斯的数字图像处理第三版的第二章就做了相关介绍，最常用的空间坐标变换之一就是仿射变换。虽然仿射变换很基础，但作用还是很大的，例如在车牌识别的预处理...

前言SVM算法在在1995年正式发表，在针对中小型数据规模的分类任务上有着卓越的效果，同时有着完整的理论证明，在20世纪末的几年和21世纪初的10年完胜神经网络，吴恩达在其2003年的《Machien learning》公开课上用两节课的时间对其进行讲解，而神经网络讲解了20min左右。就是这个算法把神经网络按在地上摩擦了大概15年的时间，直到深度学习的兴起。但即便这样，现在SVM算法依旧被广..

算法概述1、kNN算法又称为k近邻分类(k-nearest neighbor classification)算法。最简单平凡的分类器也许是那种死记硬背式的分类器，记住所有的训练数据，对于新的数据则直接和训练数据匹配，如果存在相同属性的训练数据，则直接用它的分类来作为新数据的分类。这种方式有一个明显的缺点，那就是很可能无法找到完全匹配的训练记录。kNN算法则是从训练集中找到和新数据最接近的k...

写在前面前面介绍了OTSU算法，对于阈值分割法，不得不介绍另外一种较为突出的算法——最大熵阈值分割法（KSW熵算法）。最大熵阈值分割法和OTSU算法类似，假设将图像分为背景和前景两个部分。熵代表信息量，图像信息量越大，熵就越大，最大熵算法就是找出一个最佳阈值使得背景与前景两个部分熵之和最大。原理由于和OTSU算法类似，所以原理上就不再赘述和推导，言简意赅。...

1 反向传播算法和BP网络简介误差反向传播算法简称反向传播算法（即BP算法）。使用反向传播算法的多层感知器又称为BP神经网络。BP算法是一个迭代算法，它的基本思想为：（1）先计算每一层的状态和激活值，直到最后一层（即信号是前向传播的）；（2）计算每一层的误差，误差的计算过程是从最后一层向前推进的（这就是反向传播算法名字的由来）；（3）更新参数（目标是误差变小）。迭代前面两个步骤，直...

写在前面再过2个小时，就是2020年了，回顾2019，有得也必有失，只感叹时间过得真的很快，像我这样的贫困人口也要被消灭了，哈哈。2019最后这2个小时就用一篇博客作为结尾吧。昨天CSDN上一位同学说他们要做一个豆子识别的任务，但是豆子之间的粘连比较严重，如下图，不利于豆子的识别，问我有什么方法可以解决，当然深度学习完全可以做到完美分割与识别，但是他的需求只是预处理，传统的图像处理就可以，...

最近用C++/OpenCV调用MATLAB函数，有必要专门把这两个函数拿出来记录一下。需要注意的是，Mat2mwArry函数的输入Mat类型是 CV_64FC1，灰度图。如果要传递多通道图像的话，需要先cv::split()成多个灰度图像分别传给matlab。mwArray2Mat的返回Mat的类型是CV_64FC1，可以通过cv::Mat::convert()转化成所需要的类型...