博主最近在做一个基于OpenCV的火焰检测的项目,不仅可以检测图片中的火焰,还可以检测视频中的火焰,最后在视频检测的基础上推广到摄像头实时检测.在做这个项目的时候,博主参考了很多相关的文献,用了很多种不同的火焰判据,并将其进行不同组合,从而达到我们想要的检测效果.接下来的几篇博文将会详细介绍一些效果不错的火焰判据,在这之前,博主想先介绍一下在做项目的时候会常用到的一些图像预处理的方法. 常用的图像预处理是图像平滑和图像锐化.图像平滑一般用到的技术是均值滤波.中值滤波以及形态学处理,而图像锐化一般

本文原创,未经同意,谢绝转载!(转载请告知本人并且经过本人同意--By Pacific-hong) 本人小硕一枚,因为专业方向图像相关,所以用到opencv,然后网上MAC下Xcode配置opencv的教程比较少,要不然就是过时了.所以在一番倒腾之后,成功配置了OpenCV.写下本文供他人参考,少走弯路. 一.版本介绍 首先介绍macOS,Xcode,OpenCV版本: macOS: macOS Sierra 10.12.4 Xcode:  Xcode 8.3(8E162) OpenCV:ope

本文原创,未经同意,谢绝转载!(转载请告知本人并且经过本人同意--By Pacific-hong) 本人小硕一枚,因为专业方向图像相关,所以用到opencv,然后网上MAC下Xcode配置opencv的教程比较少,要不然就是过时了.所以在一番倒腾之后,成功配置了OpenCV.写下本文供他人参考,少走弯路. 一.版本介绍 首先介绍macOS,Xcode,OpenCV版本: macOS: macOS Sierra 10.12.4 Xcode:  Xcode 8.3(8E162) OpenCV:ope

1.原理 Difference of Gaussian(DOG)是高斯函数的差分.将两幅图像在不同参数下的高斯滤波结果相减,得到DoG图.步骤: 处理一幅图像在不同高斯参数下的DoG 用两个不同的5x5高斯核对图像进行卷积,然后再相减的操作.重复三次得到三个差分图A,B,C. 根据DoG求角点 计算出的A,B,C三个DOG图中求图B中是极值的点.图B的点在当前由A,B,C共27个点组成的block中是否为极大值或者极小值.若满足此条件则认为是角点. 2.实现细节 2.1 差分得到DoG图 Mat

开始接触图像处理有一段时间了,经过前期的调研,和相关入门知识的学习,开始接触一些图像处理应用的工具.Opencv是一个图像处理的开源库,由于其开放的协议架构,国内外很多科研机构和团队都在基于opencv做开发. 首先开发opencv要对opencv进行配置,本篇博客就是写出我的配置过程,和遇到的一些问题,供大家参考应用. 开始吧! 第一步  下载和安装Opencv 首先要上opencv网站上下载opencv的包,就是一个.exe文件.网址: http://opencv.org/ 这个文件大概35

鉴于用caffe做实验的时候,里面牵扯到一个问题是必须将训练集和测试集都转成256*256的图像,而官网给出的代码又不会用,所以我用opencv转了.其实opencv只转一幅图会很简单,关键在于“批量”二字,因此本博客应运而生了. 本博客详细讲解了如何使用opencv批量处理图像,使某一个文件夹内全部图像都resize成256*256的.如果理解了本次博客内容,则不光可以对图像进行resize操作,还可以用来对图像做其它批处理操作. 1 先用opencv转一幅图像试试 #include "cv.

图像直方图概述 直方图的计算与绘制 计算直方图:calcHist()函数 找寻最值:minMaxLoc()函数 示例程序:绘制H-S直方图 #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" using namespace cv; //-----------------------------------[ShowHelpText( )函数]-----------

研究这个前前后后也有快两三个月了,因为之前也一直在弄模板匹配方面的东西,所以偶尔还是有不少朋友咨询或者问你有没有研究过linemod这个算法啊,那个效率啥的还不错啊,有段时间一直不以为然,觉得我现在用的那个匹配因该很不错的,没必要深究了.后来呢,还是忍不住手痒,把论文打出来看了看,又找了点资料研究了下,结果没想到一弄又是两个月过去了,中间也折腾了很久,浪费了不少时间.总算还是有点收获,稍微整理下做个交流. 至于linemod的具体数学原理,我也不需要详谈,毕竟论文和opencv的代码就摆在那里,

最新的效果见 :http://video.sina.com.cn/v/b/124538950-1254492273.html 可处理视频的示例:视频去雾效果 在图像去雾这个领域,几乎没有人不知道<Single Image Haze Removal Using Dark Channel Prior>这篇文章,该文是2009年CVPR最佳论文.作者何凯明博士,2007年清华大学毕业,2011年香港中文大学博士毕业,可谓是功力深厚,感叹于国内一些所谓博士的水平,何这样的博士才可以真正叫做Doctor

本人目前还不是游戏行业的圈内人士,并不懂得,游戏行业的生态圈,也不懂得,所谓的什么“中国市场环境”.所以不敢发表关于这方面的见解,不过我在这里想要插一句话,就是我认为啊,行业内,人与人之间还是有分层次的,什么层次的人,看到什么层次的东西,不同层次的人对“市场”的理解肯定不一样,我觉得吧,不要一概而论. 我不是一个职业的GameDesigner,但是我是一个GamePlayer,至于专不专业,就呵呵了.哈哈哈.从FC/小霸王,一直到现在的PS4/XBOX/WiiU,玩过的游戏也算是各式各样都走过一

在图像去雾这个领域,几乎没有人不知道<Single Image Haze Removal Using Dark Channel Prior>这篇文章,该文是2009年CVPR最佳论文.作者何凯明博士,2007年清华大学毕业,2011年香港中文大学博士毕业,可谓是功力深厚,感叹于国内一些所谓博士的水平,何这样的博士才可以真正叫做Doctor. 关于何博士的一些资料和论文,大家可以访问这里:http://research.microsoft.com/en-us/um/people/kahe/ 最开

1 引言 1-1 以example_mnist为例,如何加载属于自己的测试集? 首先抛出一个问题:在example_mnist这个例子中,测试集是人家给好了的.那么如果我们想自己试着手写几个数字然后验证识别效果又当如何呢? 观察CAFFE_ROOT/examples/mnist/下的lenet_train_test.prototxt文件,发现里面既给出了训练集的路径,又给出了测试集的路径.因此答案很显然了,我们可以把自己的测试集做成leveldb(或lmdb)格式的,然后在lenet_train

本系列文章由 @yhl_leo 出品,转载请注明出处. 文章链接: http://blog.csdn.net/yhl_leo/article/details/51597496 在深度学习中有一类研究热点,目标检测,从2012年AlexNet到2016年,尤其是2015年开始,深度学习中的深层的卷积神经网络发展迅猛,其中不但衍生出了例如VGG, GoogleNet等越发区域标准化的深层网络,也相继提出一系列检测加速的策略,例如针对快速提取proposal的方法,像selective search,

愿意写代码的人一般都不太愿意去写文章,因为代码方面的艺术和文字中的美学往往很难兼得,两者都兼得的人通常都已经被西方极乐世界所收罗,我也是只喜欢写代码,让那些字母组成美妙的歌曲,然后自我沉浸在其中自得其乐.而今天,在清明之际,在踏青时节,我还是忍不住停下来歇歇脚,稍微共享一下最近一直研究的一个非常基础的算法和应用 - 多目标多角度的模板匹配. 模板匹配,这是一个几十年来一直为业界所重点研究和处理的算法,存在于各种不同的机器视觉库中,如果哪一个没有提供这个功能,那么他将无法获取大家的认可,也就失去了

二值图像的细化算法也有很多种,比较有名的比如Hilditch细化.Rosenfeld细化.基于索引表的细化.还有Opencv自带的THINNING_ZHANGSUEN.THINNING_GUOHALL喜欢等等.这些都属于迭代的细化方式,当然还有一种是基于二值图像距离变换的细化方法,二值想比较,我个人认为是基于迭代的效果稳定.可靠,但是速度较慢,且速度和图片的内容有关,基于距离变换的版本,优点是速度稳定,但是效果差强人意.本文这里还是选择基于迭代的方式予以实现. 相关的参考文章有:http://c

序言 在.Net的世界中,一提及SOA,大家想到的应该是Web Service,WCF,还有人或许也会在.NET MVC中的Web API上做上标记,然后泛泛其谈! 的确,微软的这些技术也确实推动着面向服务的世界发展,当然除了微软还有很多面向服务的开源技术,甚至在某些方面比微软做的更加优秀.那么什么是面向服务,面向服务的存在是为了解决什么问题呢? 说说SOA面向服务 SOA是由Garnter在1996年提出的一个概念,旨在让软件变的有弹性,能够迅速响应业务的需求,实现实时企业.基本理念是让所有信

第1章 概  述 (作者小波QQ463431476) (来源http://blog.chinaaet.com/zhaocundang/p/5100017645博客) (来源   http://www.cnblogs.com/xiaobo-Linux/博客) 1.1 设计背景与意义 安卓物联系统的设计主要是解决安卓手机APP与智能硬件的结合,将互联网和生活中使用的家用电器结合.像智能家居那样,未来的发展离不开互联网,更离不开物联体系.手机通过4G网络就可以与家庭网络相连接,个人不在家中,就可以知道

现在这个社会发展的太快,到处都充斥着各种各样的资源,各种开源的平台,如github,codeproject,pudn等等,加上一些大型的官方的开源软件,基本上能找到各个类型的代码.很多初创业的老板可能都曾经说过基本上我的程序员不需要自己写算法,但是他们要学会搜索,强有力的搜索能力基本能解决可能会遇到的一切问题,比如前一段时间流行的prisma滤镜,现在你在github上能找到一大堆了. 可我想表达的并不是这个,上述这个情况确实是正确的.但是,我相信这个世界上90%的开源代码是垃圾代码,还有9%的

一.前言 1.基于OWIN的项目摆脱System.Web束缚脱颖而出,轻量级+跨平台,使得ASP.NET应用程序只需依赖这个抽象接口,不用关心所运行的Web服务器. 2.OWIN.dll介绍 使用反编译工具打开Owin.dll,你会发现类库中就只有一个IAppBuilder接口,所以说OWIN是针对.NET平台的开放Web接口. 3.Microsoft.Owin.dll Microsoft.Owin.dll是微软对Owin的具体实现,其中就包括我们今天的主题"中间件".下文将使用代码描

在我博文的一系列的文章,有不少算法都于去雾有关,比如限制对比度自适应直方图均衡化算法原理.实现及效果.局部自适应自动色阶/对比度算法在图像增强上的应用这两个增强算法都有一定的去雾能力,而最直接的就是<Single Image Haze Removal Using Dark Channel Prior>一文中图像去雾算法的原理.实现.效果及其他 一文,描述了暗通道去雾这一state-of-the-art algorithms的过程和实现,虽几经优化,对于常用的视频1024*768大小的图片,算法

在win7 professional 64上安装了virtualBox4.3.14 r95030 版本,之所以要安装这个vb,是因为刚升级的vm 打开之后很占用cpu, 网上又说vb不是很占用cpu而且是开源的, 于是就安装来试试, 但是以前没玩过, 哪知道安装个xp都装不成功, 网上一搜说是vb对ghost版本的xp支持差,我又花了一个下午的时间下载了三个系统,一个纯净版,两个ghost版本都安装不了都是卡在cdrom =1 cdrom =d这个位置 那怎么办呢? 一番摸索之后,发现安装界面中