本文主要讲解了常用于消除噪声的图像平滑方法，常见方法包括三种线性滤波（均值滤波、方框滤波、高斯滤波）和两种非线性滤波（中值滤波、双边滤波）。这篇文章介绍了均值滤波、方框滤波和高斯滤波，通过原理和代码进行对比，分别讲述了各种滤波方法的优缺点，有效地消除了图像的噪声，并保留图像的边缘轮廓。

当你看到这篇文章的时候，说明你在面临着标数据，这个巨烦的工作啦，我表示我懂，很难受。然后labelme又不支持批量转换的，看网上的教程好多说要找到labelme的某个文件呀，然后在复制粘贴上去呀，在用命令行生成json文件夹的，老麻烦了，虽然我以前就是这么干的，但是干着干着就想偷懒了，所以自己翻看了labelme的代码，抽取出来用，自己用程序一步到位。

做项目的时候，发现随着多张图片进行并行计算的时候，占用的显存没有随着程序的结束而自动消除掉申请的显存。

卷积神经网络（CNN）由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT（输入层）-CONV（卷积层）-RELU（激活函数）-POOL（池化层）-FC（全连接层）

但是在使用cv2.imwrite 带上中文，它就保存不了了，改回英文才OK。注“：仅限我这边发生的情况，跟大家分享一下 ，希望有错能指正。oepncv 读取图片的时候，路径可以带上中文。：万万没想到 还能这个样子。

注释掉的部分 是对json文件的修改 如果大家想顺便修改json文件就将注释给删去。网上的包，写着写着，就不耐烦了，还是自己写吧。没时间优化 凑合着用 哈哈哈。

float类型，是由IEEE定义的标准浮点数类型 ，由符号位（sign）、指数位（exponent）和尾数位（fraction）三部分组成，以float32举例，它使用1位做符号位，8位做指数位，23位做尾数位，图片实例如下：整个浮点数可表示为，其中s为符号位-1或1，t为尾数，i为指数。

将labelme多边形标注的json文件转换成yolo使用的txt文件。如果有什么不懂的，可以在评论区底下评论哦，我会努力解答的。

略。

在训练模型时，我们往往需要对图像进行增强以改善其质量或突出某些特征或增加样本的多样性。其中一种常见的图像增强方法是添加噪声。噪声可以模拟真实世界中的干扰因素，例如传感器噪声、传输误差等。通过向图像中添加噪声，我们可以测试和评估图像处理算法的性能，并提高其鲁棒性。例如，在计算机视觉任务中，如果训练数据集中的图像都是干净且完美的，那么模型可能会对一些实际场景中的噪声和干扰因素无法适应。但是，如果我们在