原创 伽馬變換

#分道計算每個通道的直方圖 img0 = cv2.imread('12.jpg') hist_b = cv2.calcHist([img0],[0],None,[256],[0,256]) hist_g = cv2.calcHist([

原创 python下對hsv顏色空間進行量化

https://blog.csdn.net/qq_23926575/article/details/80139071

原创 計算兩幅圖像的相似度總結

1. SSIM(結構相似性度量) 這是一種全參考的圖像質量評價指標,分別從亮度、對比度、結構三個方面度量圖像相似性。 SSIM取值範圍[0, 1],值越大,表示圖像失真越小。 在實際應用中,可以利用滑動窗將圖像分塊,令分塊總數爲N,考慮到

原创 python多進程處理大量圖片

由於項目需要100w張圖片,在網上下載的圖片數據往往是很大尺寸的,此時無論是對照片的存儲,轉移等操作往往需要消耗大量時間,爲了更好的對圖片操作,於是對圖片進行尺寸縮小,由原先的100多G變換到十多G,從而很好的對圖片進行上傳存儲等操作。剛

原创 python2及python3下關於cv2讀取中文路徑下的圖片以及在圖片上顯示中文的問題

1.python2下讀取中文路徑圖片 示例如下: import cv2 img_path = '劉昊然.jpg ' #圖片和py文件放在一個文件夾下,所以不用寫絕對路徑 im = cv2.imread(img_path.decode(‘u

原创 基於深度學習的目標檢測技術演進:R-CNN、Fast R-CNN、Faster R-CNN

object detection我的理解,就是在給定的圖片中精確找到物體所在位置,並標註出物體的類別。object detection要解決的問題就是物體在哪裏,是什麼這整個流程的問題。然而,這個問題可不是那麼容易解決的,物體的尺寸變化範

原创 pyinstaller打包程序時遇到的一系列問題:AttributeError、No module named和PyQt5

  一、背景介紹     公司使用的python環境是Anconda+Python3.6,64位系統。     有一個py程序主要是圖像批量處理相關的,涉及到文件遍歷、字符串拼接,於是“自然而然地”在用pyinstaller打包的時候遇到

原创 OpenCV3.4.1在Python3.5.x上的安裝與使用

pip install opencv -python

原创 caffe 學習

博主對於caffe的理解寫的很仔細,值得學習 https://www.cnblogs.com/denny402/category/759199.html

原创 Anaconda使用總結

Python易用,但用好卻不易,其中比較頭疼的就是包管理和Python不同版本的問題,特別是當你使用Windows的時候。爲了解決這些問題,有不少發行版的Python,比如WinPython、Anaconda等,這些發行版將python和

原创 c++ udp socket學習

////////////////////////////////////////////////////////////////////////// // UDPServer.cpp #include <stdio.h>

原创 caffe的python接口示例

import caffe #導入caffe的python接口 caffe.set_mode_gpu() #設置成gpu模式或者設置成cpu模式 caffe.set_mode_cpu() net = caffe.Cla

原创 qt 字符串 亂碼問題

當界面顯示亂碼時,直接使用QStringLiteral類,用QStringLiteral替換 tr 例如: QMessageBox::about(NULL,(QStringLiteral("提示"),(QStringLiteral("路徑

原创 Python +OpenCV接口 應用caffe預測分類

#import caffe #import lmdb import numpy as np import cv2 #from caffe.proto import caffe_pb2 import os import sys impor

原创 Python 應用caffe模型進行分類(caffe接口)

遍歷一個文件下的所有圖片,進行單張預測,並複製到相應的文件夾 import caffe #import lmdb import numpy as np import cv2 from caffe.proto import caffe_