图像处理

本期文章目录 【集创赛】基于arm处理器的SOC设计【1】 #SOC设计 #arm #FPGA 点击阅读 数字积木 【集创赛】基于arm处理器的SOC设计【2】 #SOC设计 #arm #FPGA 点击阅读 数字积木 肝了2w字长文，教你如何写好状态机 #FPGA #状态机 #FSM #ZYNQ 点击阅读 ZYNQ 免费共享 | AD936x 相关资料吐血整理 #ZYNQ #AD9361 #Verilog 点击阅读 ZYNQ 肝了40张图，搞定千兆以太网，这一篇就够了 #千兆以太网 #TCP/IP #ZYNQ #FPGA 点击阅读 ZYNQ 病毒和半导体 #渺小 #强大 #相对 点击阅读 芯启示 常见的AXI总线仲裁器概述 #总线 #仲裁 点击阅读 数字IC小站 基于FPGA的伪随机序列发生器设计 #FPGA #LFSR 点击阅读 FPGA开源工作室 xilinx FFT IP的介绍与仿真 #FFT 点击阅读 FPGA开源工作室 STA | Advanced Waveform Propagation #STA #Timing 点击阅读 陌上风骑驴看IC 低功耗 | 从综合到PostRoute 功耗的Gap 有多大 #低功耗 点击阅读 陌上风骑驴看IC RISC-V发展现状 #RISC-V发展现状 点击阅读 瓜大三哥 RISC-V资料 #RISC-V资料 点击阅读 瓜大三哥

若该文为原创文章，未经允许不得转载 原博主博客地址： https://blog.csdn.net/qq21497936 原博主博客导航： https://blog.csdn.net/qq21497936/article/details/102478062 本文章博客地址： https://blog.csdn.net/qq21497936/article/details/107357296 各位读者，知识无穷而人力有穷，要么改需求，要么找专业人士，要么自己研究 红胖子(红模仿)的博文大全：开发技术集合（包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等）持续更新中...（点击传送门） OpenCV开发专栏（点击传送门） 上一篇：《 OpenCV开发笔记（六十七）：红胖子8分钟带你深入了解特征点暴力匹配（图文并茂+浅显易懂+程序源码） 》 下一篇：持续补充中… <br> 前言   红胖子，来也！   前面讲解了特征点，那么匹配特征点，就是匹配两者的相似度，相似度达到一定的阈值，则认为识别了。   考虑性能，除开暴力匹配外，还有最近邻匹配。 <br> Demo             <br> 最近邻匹配（FLANN）   FlannBasedMatcher中FLANN的含义是Fast Library forApproximate

谈到磨皮美颜，大家可能认为是一个很高深难懂的事情，网上搜索关于美颜的文章，一般都是搬出许多算法，看得让你头晕目眩的。今天将用大白话来让你快速认识磨皮美颜原理，轻松get到她的点！只要你耐着性子读完本篇文章，你会发现美颜原理其实也是一件很好理解的事情 。图玩智能科技为企业提供更稳定更优质的美颜产品及服务，欢迎随时咨询 www.toivan.com 。 磨皮美颜概念 讲磨皮美颜之前，先讲讲我们的人脸，认清磨皮美颜的目的；通常，我们的人脸上或许有许多痘痘和一些暗色粗糙皮肤，美颜的目的就是尽可能使痘痘消失，暗色皮肤变白，使粗糙变细腻，达到美颜效果，从上诉的分析可以得出我们需要做的事情如下： 1.寻找脸上的特征点，如痘痘、暗色粗糙皮肤 2.对痘痘、粗糙皮肤加以处理，完成美化。 特征点分析 我们通常看到痘痘和暗色皮肤，仔细观察，会发现这些特征点和周围正常皮肤在肤色上有一个差别；如果拍照拍下来，用灰度值查看这个图片，你会发现特征点灰度值较低，而正常白色皮肤灰度值较高，这是一个凸变的过程，正常皮肤到特征点，灰度值从高点陡然下跌；我们可以用这个现象来把特征点提取出来，如何提取请继续往下看； 另一个是局部粗糙皮肤，其局部灰度值，也需要尽可能将其数字磨平，让它和正常皮肤一样，和上面痘痘一样，也会有一个灰度值陡然下降的过程 特征点提取 这里需要一种滤波算法，可以是均值化滤波、高斯滤波

前文传送门： 「Python 图像处理 OpenCV （1）：入门」 「Python 图像处理 OpenCV （2）：像素处理与 Numpy 操作以及 Matplotlib 显示图像」 「Python 图像处理 OpenCV （3）：图像属性、图像感兴趣 ROI 区域及通道处理」 图像加法 图像加法有两种方式，一种是通过 Numpy 直接对两个图像进行相加，另一种是通过 OpenCV 的 add() 函数进行相加。 不管使用哪种方法，相加的两个图像必须具有相同的深度和类型，简单理解就是图像的大小和类型必须一致。 Numpy 加法 Numpy 的运算方法是： img = img1 + img2 ，然后再对最终的运算结果取模。 当最终的像素值 <= 255 时，则运算结果直接为 img1 + img2 。 当最终的像素值 > 255 时，则运算的结果需对 255 进行取模运算。 OpenCV 加法 OpenCV 的运算方式是直接调用 add() 函数进行的，这时的运算方式是饱和运算。 当最终的像素值 <= 255 时，则运算结果直接为 img1 + img2 。 当最终的像素值 > 255 时，这时则是饱和运算，结果固定为 255 。 两种加法方式对应的示例如下： import cv2 as cv # 读取图像 img = cv . imread ( "maliao.jpg" , cv

前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 作者：编程乐趣 平常工作中，有时为了采用网络的一些素材，但这些素材往往被打了水印，如果我们不懂PS就无法去掉水印，或者无法批量去掉水印。这些就很影响我们的工作效率。 今天我们就一起来，用Python + OpenCV三步去除水印,去水印需要使用的库：cv2、numpy。cv2是基于OpenCV的图像处理库，可以对图像进行腐蚀，膨胀等操作；numpy这是一个强大的处理矩阵和维度运算的库。 图片去水印原理 1、标定噪声的特征，使用cv2.inRange二值化标识噪声对图片进行二值化处理，具体代码：cv2.inRange(img, np.array([200, 200, 240]), np.array([255, 255, 255]))，把[200, 200, 200]~[255, 255, 255]以外的颜色处理为0； 2、使用OpenCV的dilate方法，扩展特征的区域，优化图片处理效果； 3、使用inpaint方法，把噪声的mask作为参数，推理并修复图片。 去掉右下角的水印步骤 1、从原图片，截取右下角部分，另存为新图片； 2、识别水印，颜色值为：[200, 200, 200]~[255, 255, 255] 3、去掉水印，还原图片； 4、把原图片

经过几天的学习，opencv基础部分学习完啦。整理出来。 OpenCV opencv学习笔记1：图片读入，显示与保存（有代码） opencv学习笔记2：图像处理基础 opencv学习笔记3：像素处理 opencv学习笔记4：获取图像属性 opencv学习笔记5：感兴趣区域ROI opencv 学习笔记6：通道的拆分与合并 opencv学习笔记7：图像加法与图像融合 opencv学习笔记8：类型转换 opencv 学习笔记9：图像缩放与图像翻转 opencv学习笔记10：阈值分割 opencv学习笔记11：图像滤波（均值，方框，高斯，中值） opencv学习笔记12：图像腐蚀和图像膨胀 opencv学习笔记13：形态学变换（开运算，闭运算，梯度运算） opencv学习笔记14：图像礼帽，图像黑帽 opencv学习笔记15: 梯度运算之sobel算子及其函数使用 opencv学习笔记16：梯度运算之scharr算子及其函数使用 opencv学习笔记17：梯度运算之laplacian算子及其应用 opencv学习笔记18：canny算子边缘检测原理及其函数使用 opencv学习笔记19：图像金字塔和图像拉普拉斯金字塔 (用于图像放大和缩小) opencv学习笔记20：图像轮廓 opencv学习笔记21：直方图和掩膜 原理及其应用 opencv学习笔记22：傅里叶变换,高通滤波，低通滤波

香蕉派BPI-F2S 是 香蕉派团队 and 凌阳科技首次合作开发的一款工业级应用的开发板, 使用SP7021芯片设计.具有高性能，低功耗的特点; 内嵌 Linux Embed 系统,适合于语音图像处理、通信、便携式工业控制设备等应用场合。 自带高性能处理器，特别适合 AI 人工智能，机器视觉等需要强大运算力的应用;外扩 FPGA 模组,可提供硬件加速,芯片 IP 验证及 SOC 科研及教学应用; BPI-F2S开发板集具有集成度高，优良的布线布局，板面积很小，易于现场测试应用 应用方向: 1.IoT物联网/工业互联网控制 2.智能语音 3.智能支付系统 4.FPGA 开发与教育 5.车载网络技术与应用 SunPlus SP7021介绍： SunPlus sp7021是一款革命性的SoC，它具有linux级芯片的强大功能和微控制器集成的简单性。配备ARM Cortex-A7四核，ARM926实时内核，8051低功耗内核 作为一款工业级嵌入式Linux芯片,添加大量的特性针对物联网和工业控制应用程序,并提供最终的设计简单，集成度高，并集成了一些外部组件,简化了原理图,和减少了PCB的复杂性。 SP7021是工业控制的SoC解决方案。以低成本满足客户对产品功能的充分需求，提高客户在市场中的竞争力。SP7021提供丰富的GPIOs、存储和USB接口。为视频输入提供MIPI CSI接口

点击上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 一、全景拍照中的投影变换 在32. 镜头、曝光，以及对焦（下）中，我给你介绍了各种各样的相机镜头，也介绍了视场角（FOV）这个概念。现在咱 图像特征点、投影变换与图像拼接 们手机上的主摄像头一般FOV是七、八十度左右，有的更小一些。但人类的视觉系统FOV可以达到 。 广角镜头、鱼眼镜头能够让你拍摄出非常大FOV的图像。但它们非常昂贵，而且具有强烈的畸变。 全景拼接这个功能也能够让你拍摄出很大FOV的图像，你很可能已经使用过这个功能了，它甚至可以拍摄出水平FOV达到360o的图像。我们可以比较下。这样拍摄出来的图像比起鱼眼镜头的畸变小很多。 人类的视角范围200 x 135° 全景拼接图像视角范围360x180° 全景拼接是通过先拍摄不同视角的多张图像，然后将它们拼接而成的： 那么，像下面这样几个视角拍摄的图像，我们是不是直接拼接平移这些图像然后拼接就可以了呢？ 多个视角拍摄的图像 很显然，不管我们是把左边的图像摆在上面，还是把右边的图像摆在上面，都会观察到“对不齐”的现象（看看中间栏杆的断裂缝）： 仅仅平移图像拼接时会对不齐 那应该怎么办呢？这时候就要用到我在28. 图像扭曲中介绍的图像的Warping技术。适当的Warp图像然后再做拼接，能够使得我们得到完美的全景图像： Warping是一种改变图像像素位置的技术

​ 机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径。 2020年，似乎没有哪一个方向能比机器学习还要火热了，即使我们不打算从事算法方向，了解一点机器学习的基础知识也不是什么坏事，这一份书单，将带你入门基础的机器学习知识。 机器学习系列书单 ​ 图解机器学习 　　《图解机器学习》用丰富的图示，从ZUI小二乘法出发，对基于ZUI小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况；第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法；第Ⅳ部分介绍了各种监督学习算法；第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码，可以用来进行简单的测试。 作者简介 　　杉山将，1974年生于大阪。东京工业大学计算机工程学博士毕业，现为东京大学教授、日本国立信息学研究所客座教授。主要从事机器学习的理论研究和算法开发，以及在信号和图像处理等方面的应用。2011年获日本信息处理学会长尾真纪念特别奖。著有《统计机器学习》、DensityRatioEstimationinMachineLearning等

​ 机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径。 2020年，似乎没有哪一个方向能比机器学习还要火热了，即使我们不打算从事算法方向，了解一点机器学习的基础知识也不是什么坏事，这一份书单，将带你入门基础的机器学习知识。 机器学习系列书单 ​ 图解机器学习 　　《图解机器学习》用丰富的图示，从ZUI小二乘法出发，对基于ZUI小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况；第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法；第Ⅳ部分介绍了各种监督学习算法；第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码，可以用来进行简单的测试。 作者简介 　　杉山将，1974年生于大阪。东京工业大学计算机工程学博士毕业，现为东京大学教授、日本国立信息学研究所客座教授。主要从事机器学习的理论研究和算法开发，以及在信号和图像处理等方面的应用。2011年获日本信息处理学会长尾真纪念特别奖。著有《统计机器学习》、DensityRatioEstimationinMachineLearning等