影象處理——opencv
學習(1.7~1.9)
1） 預處理流程
基於人臉識別的**進行分步解析。
mat gray;
cvtcolor(img, gray, cv_rgb2gray); //
①轉換成灰度圖
equalizehist(gray, gray); //
②直方圖均衡化
ccf.detectmultiscale(gray, faces, 1.1, 3, 0, size(10, 10), size(100, 100)); //
③檢測人臉
①如下為將原影象轉換成灰度圖的效果，因為haar
特徵是從灰度圖中讀取的
②如下為將原影象直方圖均衡化的效果，這一步是通過拉伸各個畫素分布來實現影象增強。
③最後一步，人臉檢測並顯示結果
2）級聯分類器原理
程式中用到了opencv自帶的級聯分類器，cascadeclassifier，來
首先，haar分類器 = harr-like特徵 + 積分圖方法 + adaboost演算法 + 級聯。
① 使用
haar-like
特徵做檢測。
② 使用積分圖（
integral image
）對haar-like
特徵求值進行加速。
③ 使用
adaboost
演算法訓練區分人臉和非人臉的強分類器。
④ 使用篩選式級聯把強分類器級聯到一起，提高準確率。
值得一提的是其中的haar-like特徵檢測，下面做較詳細的分析。
前面所講的adaboost演算法的實現，採用的是輸入影象的矩形特徵，也叫haar特徵。影響adaboost檢測訓練演算法速度很重要的兩方面是特徵的選取和特徵值的計算。人臉的一些特徵可以由矩形特徵簡單地描繪。如下圖，特徵值的定義為白色矩形畫素和減去黑色矩形畫素和，根據特徵值判斷出人臉樣本和非人臉樣本。
為了找出這些特徵和計算出所需的特徵值，首先，我們要在中劃分出滿足特定條件的矩形，即條件矩形，其中的條件稱為（s，t）條件。（s，t）條件有兩個內容
（1）x軸方向邊長必須能被自然數s 整除（能均等分成s 段）；
（2）y 軸方向邊長必須能被自然數t 整除（能均等分成t 段）；
所以矩形的最小尺寸為s×t或者t×s， 最大尺寸為[m/s]·s×[m/t]·t 或[m/t]·t×[m/s]·s；其中[ ]為取整運算子。這在利用該函式時需要用到
找出條件矩形後，計算其特徵值，
對於理想的畫素值隨機分布的影象來說，同乙個矩形特徵對不同影象的特徵值的平均值應該趨於乙個定值k。
在對輸入影象進行檢測的時候，一般輸入影象都是很大的。在adaboost 演算法中採用了擴大檢測視窗的方法，而不是縮小。在檢測的最初，檢測視窗和樣本大小一致，然後按照一定的尺度引數（即每次移動的畫素個數，向左然後向下）進行移動，遍歷整個影象，標出可能的人臉區域。遍歷完以後按照指定的放大的倍數引數放大檢測視窗，然後在進行一次影象遍歷；這樣不停的放大檢測視窗對檢測影象進行遍歷，直到檢測視窗超過原影象的一半以後停止遍歷。在檢測視窗遍歷完一次影象後，處理重疊的檢測到的人臉區域，進行合併等操作。
整個車牌識別過程實際上相當於包含了兩個過程：1，是車牌的識別；
2，車牌字元的識別。由於工程較大及陌生的部分較多，目前只對前乙個過程進行了分析。以下為所得：
1、大致流程及執行截圖如下
1）準備
轉換格式至hsv，取
s通道影象，再轉化為灰度圖。
2）檢測
利用opencv中自帶的
mser
函式，分別進行
mser+
與mser-
檢測，再進行閉操作連線縫隙，尋找外部輪廓。
3）輸出
根據最終儲存區域，設定矩形大小，截出車牌區域並輸出影象。
通過學習人臉識別/車牌識別來提公升自己在影象識別方面的工程經驗是非常好的，因為它非常好的說明了計算機視覺的一般過程：
影象→→預處理→→影象分析→→目標提取→→目標識別。
而學到現在，我們的感覺就是：要學的東西還很多，網上的資源也非常豐富，剩下的就只是一步步地走下去了。相信付出都是有回報的，走過的路都不會白走。
OpenCV 學習與總結
opencv 學習與總結 opencv，計算兩幅影象的單應矩陣 摘要 平面射影變換是關於其次3維向量的一種線性變換，可以使用乙個非奇異的 3 times 3 矩陣h表示，x hx 射影變換也叫做單應 homography 計算出兩幅影象之間的單應矩陣h，那麼應用這個關係可以將乙個檢視中的所有點變換到...
OpenCV學習 階段總結
opencv影象資料型別 s u f s 代表 signed int 有符號整形 u 代表 unsigned int 無符號整形 f 代表 float 浮點型 c 一張的通道數,比如 1 灰度 grayimg 是 單通道影象 2 rgb彩色影象 是 3通道影象 3 帶alph通道的rgb影象 是 4...
opencv學習 3 濾波總結
最大值濾波可以去除影象中的暗斑，同時也會使亮斑增大 最小值濾波可以去除影象中的亮斑，同時也會增大暗斑 濾波處理分為兩大類 線性濾波和非線性濾波。opencv裡有這些濾波的函式，使用起來非常方便，現在簡單介紹其使用方法。線性濾波 方框濾波 均值濾波 高斯濾波 均值濾波 均值濾波就是方框濾波的乙個特殊情...