具体数学原理就很简单了，无非就是坐标变换，从x,y或者r,theta变换一下，cx+r*sin(theta)和cy-r*cos(theta)当然由于采样原因，导致恢复得结果里有采样不到的点。import cv2import numpy as npfrom PIL import Imageimport mathdef get_huan_by_circle(img,circle_center,radi

import cv2import numpy as npfrom PIL import Imageimport mathdef get_huan_by_circle(img,circle_center,radius,radius_width):black_img = np.zeros((radius_width,int(2*radius*math.pi),3),dtype='uint8')for

主要也就是用了个一阶中心矩和二阶中心矩计算了一下质心和方向，主要用在印章上面，算是一个思路吧，毕竟还是需要调参的，鲁棒性比较一般。用这种方式可以来稍微矫正一下图像，方便后期的处理。主要代码如下：#img为二值图像M = cv2.moments(img)cx = int(M['m10']/M['m00'])cy = int(M['m01']/M['m00'])cv2.circle(img, (cx,

广义霍夫变换就是利用霍夫变换的基本原理进行了推广，用来寻找任意闭合几何图形，这里主要是记录一下找到的资源模板图像为以下两个，一个是菱形一个是S形：import osimport numpy as npimport matplotlib.pyplot as pltfrom collections import defaultdictfrom scipy.misc import imreadfrom

最近又看了一遍忍界大战，试着做一个自动添加写轮眼的玩意儿。思路：人脸检测——人眼检测——瞳孔分割——写轮眼添加——融合opencv用的cascade进行人眼和人脸识别import numpy as npimport cv2import os# multiple cascades: https://github.com/Itseez/opencv/tree/master/data/haarcasca

本文所要实现的结果是：通过在摄像头中选择一个追踪点，通过pc控制摄像头的舵机，使这一点始终在图像的中心。要点：使用光流法在舵机旋转的同时进行追踪，若该点运动，则摄像头跟踪联动。#include#include#include#include#include#includeusing namespace std;using namespace cv;#define WI

只需要将labelme等标注工具标注的xml和原始图像文件放在一个文件夹里，把代码里的文件夹位置改了就可以了，很简单，转换完了就可以直接用来训练了。#coding:utf-8# pip install lxmlimport osimport globimport jsonimport shutilimport numpy as npimport xml.etree.ElementTree as E

上一篇讲了超体聚类，也就是把点云按照颜色和空间位置进行有意义的分割，将其分割成小块，分割之后看起来还是很乱，但是基于聚类之后的结果2014年CVPR上有人基于这个聚类结果提出了利用凹凸性进行物体分割的方法，这个方法好的一点是不想我之前提到过的一个点云分割的框架需要进行训练，用SVM分类然后再利用模型进行分割，这个算法可以进行直接分割，且分割效果也很不错。       具体原理可以参考http:

引用auto_gptq时报CUDA extension not installed的提示。2、安装bitsandbytes。3、从源码安装gptq。

引用auto_gptq时报CUDA extension not installed的提示。2、安装bitsandbytes。3、从源码安装gptq。