- 图像旋转 图像的旋转其实矩阵的旋转，而整个矩阵的旋转，则可以看出单个坐标的旋转。也就是说，只有我们知道了单个坐标旋转后的坐标，那么就很好得出旋转之后的图像了。这里我们假定旋转后的图像大小不变哈。 对于看旋转原理，这里可以去看一位大佬写的文章，写的很好，慢慢按着他的方法，就会懂旋转的原理，这里我就不多说了。（写的真的很好！）文章链接 自己写的代码： functio... 图像旋转 图像的旋转其实矩阵的旋转，而整个矩阵的旋转，则可以看出单个坐标的旋转。也就是说，只有我们知道了单个坐标旋转后的坐标，那么就很好得出旋转之后的图像了。这里我们假定旋转后的图像大小不变哈。 对于看旋转原理，这里可以去看一位大佬写的文章，写的很好，慢慢按着他的方法，就会懂旋转的原理，这里我就不多说了。（写的真的很好！）文章链接 自己写的代码： functio...
- 简单人脸识别 思路 找到图像中连通域面积最大的那块连通域。 i=imread('face.jpg'); I=rgb2gray(i); BW=im2bw(I); %利用阈值值变换法将灰度图像转换成二进制图像 figure(1); imshow(BW); %最小化背景 [n1 n2]=size(BW); r=floor(n1/10); %分成10块 行 c=fl... 简单人脸识别 思路 找到图像中连通域面积最大的那块连通域。 i=imread('face.jpg'); I=rgb2gray(i); BW=im2bw(I); %利用阈值值变换法将灰度图像转换成二进制图像 figure(1); imshow(BW); %最小化背景 [n1 n2]=size(BW); r=floor(n1/10); %分成10块 行 c=fl...
- 绘画出图像灰度值的三维图像 方法一： i=imread('a1.jpg'); if(size(i,3)>1) i=rgb2gray(i); end i=double(i); mesh(... 绘画出图像灰度值的三维图像 方法一： i=imread('a1.jpg'); if(size(i,3)>1) i=rgb2gray(i); end i=double(i); mesh(...
- 数字图像处理（MATLAB版）课程设计汇总 题目一、规范证件照 将各种不规范的二寸照，归一化为蓝色背景的标准二寸照。有部分数据。 题目二、三维人脸识别 题目三、表情识别 题目四、学生交头接耳行为检测 实现教室中学生之间交头接耳动作的识别。自制视频，摄像头在黑板上方。 题目五、学生递东西行为检测 实现递纸条、笔、尺子、橡皮等物品的识别 题目六、学生抬头率... 数字图像处理（MATLAB版）课程设计汇总 题目一、规范证件照 将各种不规范的二寸照，归一化为蓝色背景的标准二寸照。有部分数据。 题目二、三维人脸识别 题目三、表情识别 题目四、学生交头接耳行为检测 实现教室中学生之间交头接耳动作的识别。自制视频，摄像头在黑板上方。 题目五、学生递东西行为检测 实现递纸条、笔、尺子、橡皮等物品的识别 题目六、学生抬头率...
- 添加周期噪声 概念 代码 t=imread('a1.jpg'); [m,n]=size(t); t_1=t; for i=1:m for j=1:n t_1(i,j)=t(i,j)+40*sin(40*i)+40*sin(40*j); end end imshow(t),title('原图'); figure,imshow(t_1),title('加入周期噪声后')... 添加周期噪声 概念 代码 t=imread('a1.jpg'); [m,n]=size(t); t_1=t; for i=1:m for j=1:n t_1(i,j)=t(i,j)+40*sin(40*i)+40*sin(40*j); end end imshow(t),title('原图'); figure,imshow(t_1),title('加入周期噪声后')...
- im2col() 矩阵卷积 卷积就是卷积核跟图像矩阵的运算。卷积核是一个小窗口，记录的是权重。卷积核在输入图像上按步长滑动，每次操作卷积核对应区域的输入图像，将卷积核中的权值和对应的输入图像的值相乘再相加，赋给卷积核中心所对应的输出特征图的一个值，如下图所示（这里卷积核要旋转180 °）： 如果还不懂的话，可以类比均值滤波，用一个矩阵算子对于图像上一块图像，对于像素... im2col() 矩阵卷积 卷积就是卷积核跟图像矩阵的运算。卷积核是一个小窗口，记录的是权重。卷积核在输入图像上按步长滑动，每次操作卷积核对应区域的输入图像，将卷积核中的权值和对应的输入图像的值相乘再相加，赋给卷积核中心所对应的输出特征图的一个值，如下图所示（这里卷积核要旋转180 °）： 如果还不懂的话，可以类比均值滤波，用一个矩阵算子对于图像上一块图像，对于像素...
- 混乱场景目标图像检测（特征点匹配） 代码（从大佬那copy的） boxImage = imread('car2_1.png'); sceneImage = imread('car2.jpg'); boxImage = rgb2gray(boxImage); sceneImage =rgb2gray(sceneImage); %% Step 2: 提取SURF特征... 混乱场景目标图像检测（特征点匹配） 代码（从大佬那copy的） boxImage = imread('car2_1.png'); sceneImage = imread('car2.jpg'); boxImage = rgb2gray(boxImage); sceneImage =rgb2gray(sceneImage); %% Step 2: 提取SURF特征...
- 源代码 syntheticDir = fullfile(toolboxdir('vision'), 'visiondata','digits','synthetic'); handwrittenDir = fullfile(toolboxdir('vision'), 'visiondata','digits','handwritten'); % |imageDa... 源代码 syntheticDir = fullfile(toolboxdir('vision'), 'visiondata','digits','synthetic'); handwrittenDir = fullfile(toolboxdir('vision'), 'visiondata','digits','handwritten'); % |imageDa...
- 目录 什么是Canny边缘检测获取图像的边缘 什么是Canny边缘检测 Canny边缘检测是一种使用多级边缘检测算法检测边缘的方法。该方法由John F. Canny于1986年发表。 Canny边缘检测主要分为4个步骤： （1）去噪。噪声会影响边缘检测的准确性，因此首先要将噪声过滤掉。 （2）计算梯度的幅度与方向 （3）非极大值抑制，即适当地让... 目录 什么是Canny边缘检测获取图像的边缘 什么是Canny边缘检测 Canny边缘检测是一种使用多级边缘检测算法检测边缘的方法。该方法由John F. Canny于1986年发表。 Canny边缘检测主要分为4个步骤： （1）去噪。噪声会影响边缘检测的准确性，因此首先要将噪声过滤掉。 （2）计算梯度的幅度与方向 （3）非极大值抑制，即适当地让...
- 原图 #!/usr/bin/python # -*- coding:utf-8 -*- import numpy as np import os from PIL import Image def convolve(image, weight): height, width = image.shape h, w = weight.shape height_ne... 原图 #!/usr/bin/python # -*- coding:utf-8 -*- import numpy as np import os from PIL import Image def convolve(image, weight): height, width = image.shape h, w = weight.shape height_ne...
- OpenCV简介 图像处理是指对图像执行一些操作以达到预期效果的过程。可以类比数据分析工作，在数据分析时我们需要做一些数据预处和特征工程。图像处理也是一样的。我们通过图像处理来处理图片从而可以从中提取处一些更加有用的特征。我们可以通过图像处理减少图像噪声，调整图像亮度、颜色或者对比度等等。想要进一步系统了解图像处理基础知识，参看（https://www.youtube... OpenCV简介 图像处理是指对图像执行一些操作以达到预期效果的过程。可以类比数据分析工作，在数据分析时我们需要做一些数据预处和特征工程。图像处理也是一样的。我们通过图像处理来处理图片从而可以从中提取处一些更加有用的特征。我们可以通过图像处理减少图像噪声，调整图像亮度、颜色或者对比度等等。想要进一步系统了解图像处理基础知识，参看（https://www.youtube...
- 读入图像 cv2.imread(filepath,flags)读入图片 filepath：要读入图片的完整路径 flags：读入图片的标志 - cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道 - cv2.IMREAD_GRAYSCALE：读入灰度图片 - cv2.IMREAD_UNCHANGED：顾名思义，读入完整... 读入图像 cv2.imread(filepath,flags)读入图片 filepath：要读入图片的完整路径 flags：读入图片的标志 - cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道 - cv2.IMREAD_GRAYSCALE：读入灰度图片 - cv2.IMREAD_UNCHANGED：顾名思义，读入完整...
- 文章目录 图片操作图像变换视频操作回调函数事件判断时间相关颜色像素操作模糊操作噪声滤波器线性滤波器非线性滤波器 模板匹配 图片操作 img = cv2.imread("filepath") //读入路径内图片并返回一个句柄 cv2.namedWindow('windowName') //给窗口命名为windowName cv2.imshow(... 文章目录 图片操作图像变换视频操作回调函数事件判断时间相关颜色像素操作模糊操作噪声滤波器线性滤波器非线性滤波器 模板匹配 图片操作 img = cv2.imread("filepath") //读入路径内图片并返回一个句柄 cv2.namedWindow('windowName') //给窗口命名为windowName cv2.imshow(...
- 二值化，轮廓检测，去掉小框， import cv2import numpy as np img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED))# threshold 函数对图像进行二化值处理，由于处理后图像对原图像有所变化，因此img.copy()生成新的图像，cv2.THRESH_... 二值化，轮廓检测，去掉小框， import cv2import numpy as np img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED))# threshold 函数对图像进行二化值处理，由于处理后图像对原图像有所变化，因此img.copy()生成新的图像，cv2.THRESH_...
- import timefrom collections import OrderedDict import math import torch.nn as nnimport torch.optim import osimport sys from functools import partialimport json import torch try: fr... import timefrom collections import OrderedDict import math import torch.nn as nnimport torch.optim import osimport sys from functools import partialimport json import torch try: fr...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签