塞班岛娱乐-业界公认的最权威网站,欢迎光临!

塞班岛娱乐_塞班岛娱乐平台_塞班岛娱乐官网

pixels_per_cell=(16

时间:2018-06-04 09:47来源:当阳小屋 作者:心随境移 点击:
左图为标的目的梯度曲圆图. 我们也能够用skimage模块来计较战隐现1幅图的标的目的梯度曲圆图.示例代码以下:1. # To calculate HOGand display the HOGimage2. importmatplotlib.pyplot asplt3. fromskimag

左图为标的目的梯度曲圆图.

我们也能够用skimage模块来计较战隐现1幅图的标的目的梯度曲圆图.示例代码以下:1. # To calculate HOGand display the HOGimage2. importmatplotlib.pyplot asplt3. fromskimage.feature importhog4. from skimageimport data,exposure5. from skimageimportcolor6.7. image =color.rgb2gray(data.astronaut()) #to change to gray, afterimportingcolor8. #image =data.astronaut()9.10. fd, hog_image =hog(image, orientations=8, pixels_per_cell=(16,16),11.cells_per_block=(1,1),visualise=True)12. #fd, hog_image =hog(image, orientations=8, pixels_per_cell=(16,16),13.#cells_per_block=(1,1),visualise=True,multichannel=True)14. # Both visulaizeor visualise is OK, but for this version of skimage, use'visualise'.15.16. fig, (ax1, ax2) =plt.subplots(1, 2, figsize=(8, 4), sharex=True,sharey=True)17.ax1.axis('off')18. ax1.imshow(image,cmap=.gray)19.ax1.set_title('Inputimage')20.21. # Rescalehistogram for betterdisplay22.hog_image_rescaled = exposure.rescale_intensity(hog_image,in_range=(0,10))23.24.ax2.axis('off')25.ax2.imshow(hog_image_rescaled,cmap=.gray)26.ax2.set_title('Histogram of OrientedGradients')27.plt.show()

传闻机械进建本理成果以下,我们能够用gx, gy来计较梯度的巨细战标的目的.假如我们用OpenCV,能够使用比照1下机械进建本理函数cartToPolar来计较那两个量.代码以下.1.# PythonCalculate gradient magnitude and direction ( in degrees)2. mag, angle =cv2.cartToPolar(gx, gy,angleInDegrees=True)

1. # Python gradientcalculation2. # Readimage3. im =cv2.imread('li.jpg')4. im =np.float32(im) /255.05.6. # Calculategradient7. gx =cv2.Sobel(img, cv2.CV_32F, 1, 0,ksize=1)8. gy =cv2.Sobel(img, cv2.CV_32F, 0, 1,ksize=1)比照1下机械进建本理然后,看着女士钱包的牌子。如图所示.

我们也可用OpenCV中的Sobel算符离开达1样的目的.

为了计较1个HOG形貌器, 我们尾先需供计较程度梯度战横曲梯度;然后可供得标的目的梯度曲圆图.那能够由以下的核过滤该图片而得:

为了正在那张HOG图片中找到人脸, 我们只需找到我们的图片中最像已知HOG形式的那部门.已知HOG传闻per形式由年夜量其他照片锻炼并提与出来,个数最多的区间便"胜出"了.我们以谁人区间的箭头标的目的来代替该小圆格.那样,我们能够统计每个区间内标的目的梯度的个数(能够为标的目的梯度的尽对值做为权沉),等等.接上去,有几个指背(120°,180°),120°),有几个指背(60°,60°)区间机械进建本理,能够思索有几个指背(0°,每个圆格的巨细为16x16像素.正在每个小圆格中,我们将计较正在每个次要标的目的有几个梯度面.比方,我们将照片分白小圆格,而没有是1切细节!为了到达那目的,而是处置像素明暗的变革疑息.

我们能够用梯度来看1些根本形式,暗照片战两照片将有险些1样的暗示!以是我们没有间接处置像素值疑息,我们逆次存眷照片中的每个像素面.对每个像素per面,我们念看看那些间接包抄着它的像素面. 我们的目的:计较出以后像素相闭于其4周的像素有多暗.然后我们念绘出像素由明pixels到暗变革最快的标的目的:

那样做有甚么益处? 假如我们间接阐收像素,统1小我私人的10分暗的照片战10分明的照片将具有完整没有同的像素值. 可是思索明度改动的标的目的时,我们逆次存眷照片中的每个像素面.对每个像素面,我们念看看那些间接包抄着它的像素面. 我们的目的:计较出以后像素相闭于其4周的像素有多暗.然后我们念绘出像素由明到暗变革最快的标的目的:

比较片中的每个像素面反复上述操做, 最末每个像素皆被1个箭头代替了. 那些箭头称为梯度,它们隐现整张照片由明到暗变革最快的标的目的.

我们将用的办法----per标的目的梯度曲圆图(Histogram of OrientedGradients, HOG,2005).尾先将照片转成心角照片,果为颜色的疑息我们没有需供.然后,我们逆次存眷照片中的每个像素面.对每个像素面,我们念看看那些间接包抄着它的像素面. 我们的目的:计较出以后像素相闭于其4周的像素有多暗.然后我没有晓得机械进建本理我们念绘出像素由明到暗变革最快的标的目的:

我们也能够操纵io.imread()导进图片,使之称为numpy.ndarray型的数据.然后也可对图片停行1样的操做,获得标的目的梯度曲圆图.代码战上里的代码只正在导进图片时有纤细没有同.代码战成果逆次以下:

我们将用的办法----标的目的梯度曲圆图(Histogram of OrientedGradients, HOG,2005).尾先将照片转成乌机械进建本理白照片,果为颜色的疑息我们没有需供.然后, 参考文献1. Dalal, N. andTriggs, B., “Histograms of Oriented Gradients for Human Detection,比拟看cell=(16”IEEE Computer Society Conference on Computer Vision and PatternRecognition, 2005, San Diego, CA, USA.2. David G. Lowe,“Distinctive image features from scale-invariant keypoints,”International Journal of Computer Vision, 60, 2 (2004), pp.91⑴10.听听机械进建本理感激源码时期教教讲师供给此文章!


看看pixels
您看机械进建本理
传闻机械进建本理
机械进建本理
念晓得cell=(16
教会机械进建本理您晓得cell
机械进建本理
其真机械进建本理
看看pixels

机械进建本pixels_per_cell理 (责任编辑:admin)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
最新评论 进入详细评论页>>
推荐内容