Opencv（C++）学习系列---Laplacian拉普拉斯边缘检测算法
【1】算法简介 Laplacian（拉普拉斯）算子是一种二阶导数算子，其具有旋转不变性，可以满足不同方向的图像边缘锐化（边缘检测）的要求。通常情况下，其算子的系数之和需要为零。 Laplacian算子具有各方向同性的特点，能够对任意方向的边缘进行提取，具有无方向性的优点，因此使用Laplacian算子提取边缘不需要分别检测X方向的边缘和Y方向的...
Opencv(C++)学习系列---Canny边缘检测算法
【1】边缘检测算法流程 使用高斯滤波器来平滑图像，达到滤除噪声的效果。(降噪) 计算图像中每个像素点的梯度大小和方向（求梯度,与sobel算法求梯度一致） 使用非极大值抑制，消除边缘检测带来的不利影响（非极大抑制） 使用双域值法监测确定真实和潜在的边缘（双域值检测） 通过抑制孤立的弱边缘完成边缘检测（抑制弱边缘） ...
使用图像度量学习算法进行模型训练
如果您的业务场景涉及度量学习，则可以通过图像度量学习训练（raw）组件构建度量学习模型，从而进行模型推理。本文为您介绍图像度量学习训练（raw）组件的配置方法和使用示例。
Python-OpenCV学习（十一）分水岭算法进行图像分割
分水岭算法进行图像分割：分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外....
Python-OpenCV学习（十）用GrabCUt算法进行图片前景的提取
用GrabCUt算法进行图片前景的提取（这个是之前解决词云图片问题的一种方法）:grabCut算法的实现步骤为： 在图片中定义含有（一个或多个）物体的矩形。 矩形外的区域被自动认为是背景 对于用户定义的矩形区域，可用背景中数据来区分是前景还是背景 用高斯混合模型（GMM）来对被禁和前景见面，并将未定义的像素标记为可能的前景或背景 图像中的每一个像素都被看作通过通过虚拟变与周围像素连接，而每条边.....
OpenCV学习(35) OpenCV中的PCA算法
PCA算法的基本原理可以参考：http://www.cnblogs.com/mikewolf2002/p/3429711.html 对一副宽p、高q的二维灰度图，要完整表示该图像，需要m = p*q维的向量空间，比如100*100的灰度图像，它的向量空间为100*100=10000。下图是一个3*3的灰度图和表示它的向量表示： 该向量为行向量，共9维，用变量表...
OpenCV学习(23) 使用kmeans算法实现图像分割
本章我们用kmeans算法实现一个简单图像的分割。如下面的图像，我们知道图像分3个簇，背景、白色的任务，红色的丝带以及帽子。 Mat img = cv::imread("../kmeans.jpg"); namedWindow("image"); ...
OpenCV学习(22) opencv中使用kmeans算法
kmeans算法的原理参考：http://www.cnblogs.com/mikewolf2002/p/3368118.html 下面学习一下opencv中kmeans函数的使用。 首先我们通过OpenCV中的随机数产生器RNG，生成一些均匀分布的随机点，这些点的位置对应一副图像中的像素位置，然后使用kmeans算法对这些随机点进行分类，并计算出分...
OpenCV学习(21) Grabcut算法详解
grab cut算法是graph cut算法的改进。在理解grab cut算之前，应该学习一下graph cut算法的概念及实现方式。 我搜集了一些graph cut资料：http://yunpan.cn/QGDVdBXwkXutH grab cut算法详细描述见资料中的pdf文件：“GrabCut” — Interactive Foregroun...
OpenCV学习(20) grabcut分割算法
在OpenCV中，实现了grabcut分割算法，该算法可以方便的分割出前景图像，操作简单，而且分割的效果很好。算法的原理参见papaer：“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts 比如下面的一副图，我们只要选定一个四边形框，把框中的图像...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
算法更多学习相关
智能搜索推荐
智能推荐（Artificial Intelligence Recommendation，简称AIRec）基于阿里巴巴大数据和人工智能技术，以及在电商、内容、直播、社交等领域的业务沉淀，为企业开发者提供场景化推荐服务、全链路推荐系统开发平台、工程引擎组件库等多种形式服务，助力在线业务增长。
+关注