logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

opencv的模板匹配(Template Matching)学习笔记

BRIEF 的缺陷是像素对随机选取,旋转后相对位置变化;ORB 则预先生成一组 “固定的像素对模板”,并根据特征点的主方向 θ,将所有像素对围绕特征点旋转 θ 角,得到 “旋转后的像素对”。(优化:ORB 通过统计学习筛选出 128 对 “相关性低、区分度高” 的像素对,最终生成 128 位二进制描述子,平衡匹配精度与速度)。

#opencv#计算机视觉#人工智能
anaconda的power shell和prompt有什么区别?

CMD(命令提示符)是微软操作系统中的一个传统命令行界面,允许用户通过输入文本命令来执行各种操作。它在早期的 Windows 操作系统中(如 Windows XP)以及在现代的 Windows 系统中(如 Windows 10 和 11)都可以找到。

文章图片
#conda
anaconda学习笔记:复制anaconda的base环境

所以有时候新建环境需要先用base环境克隆,那么问题来了:在anaconda的图形界面中,base环境的Clone按钮是灰色的。所以无法复制base环境。在anaconda的图形界面中,新建环境,可以看到,默认的包只有几个(这里是10个),像常用的numpy、pandas等等都没有,在使用过程中还需要再次安装。而base环境有几百个(325个)这么多。名称,这样就可以复制base环境。new_en

文章图片
#学习#python#conda
opencv读写路径包含中文的文件

opencv直接读写路径包含中文的文件会出错。这是因为cv2.imread内部处理文件路径时,默认使用的是 C++ 标准库中的字符串处理函数,这些函数对于非 ASCII 字符可能处理不当,导致无法正确读取文件。1、使用读取文件内容,可以绕过文件路径的编码问题。方法直接从文件系统中读取原始的字节流,并将其存储在一个numpy数组中。这样就避免了文件路径编码的问题。2、使用cv2.imdecode 方

文章图片
#opencv#人工智能#计算机视觉
opencv,连续拍摄多张图像求平均值减少噪点

对于照度低或者相机质量差造成的密集的随机小噪点,可以通过拍摄多张图像求平均值的方法来减少噪点,获得较为清晰的画面。与高斯滤波的效果相比,这种方法在降噪的同时不会使画面模糊,甚至更锐利。

文章图片
#opencv#人工智能#计算机视觉
opencv用自适应直方图均衡化函数cv2.createCLAHE()提高对比度

来自WeTab AI Pro是 OpenCV 中的一个函数,用于创建 CLAHE(Contrast Limited Adaptive Histogram Equalization,对比度受限自适应直方图均衡化)对象。CLAHE 是一种增强图像局部对比度的技术,通过限制对比度来避免传统直方图均衡化所引入的噪声和过度增强。以下是。

文章图片
#opencv#计算机视觉#人工智能
opencv的findContours()函数

来自WaTab AI Pro是 OpenCV 中用于检测图像轮廓的函数。轮廓可以看作是将连续的点(沿边界)连接在一起的一条曲线,具有相同的颜色或强度。该函数常用于图像处理和计算机视觉中的对象检测和识别。下面是的详细解释及其用法。

文章图片
#opencv#人工智能#计算机视觉
python的csv库常用操作

csv 模块是 Python 标准库中的一个模块,用于处理 CSV(逗号分隔值)文件。它提供了简单易用的功能来读取和写入 CSV 文件。

文章图片
#python#开发语言
PySide(PyQt),QGraphicsView 类的橡皮筋选择框的 rubberBandChanged 信号与拖动模式QGraphicsView.DragMode

当用户开始拖动鼠标创建橡皮筋选择框、拖动过程中橡皮筋选择框的大小和位置发生变化,或者释放鼠标结束橡皮筋选择框的创建时,从运行结果看得出,当松开鼠标时,发送了一个全0信号,用以复位矩形区域,可以将其作为选择结束的标志,来进行下一步的操作。信号在橡皮筋选择框的状态发生变化时被发射。橡皮筋选择框是用户通过鼠标拖动在视图中创建的一个矩形框,常用于选择。函数用于设定视图的拖动模式,此模式决定了用户在视图里进

文章图片
#python#pyqt#前端
一个有趣的pytorch的简单小实验

通过一个简单的脚本,来学习pytorch的基本应用,比如:前向传播、反向传播、学习率以及预测、模型的基本原理和套路。得到结果。。。保存模型。。。输入参数。。。预测。。。像不像?。。。像多少?。。。一个包含了两个元素的输入张量,经过一个线性模型的运算后输出预测结果,经过前向传播、反向传播、学习调整后,使预测的结果尽量接近目标结果。100。总结来说就是:设计目标:2.0*k0 + 9.0*k1 = 1

文章图片
#pytorch#人工智能#python +3
    共 45 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择