图像处理与视觉感知---期末复习重点（3）
文章目录 一、空间域和频率域二、傅里叶变换三、频率域图像增强 一、空间域和频率域 1. 空间域：即所说的像素域，在空间域的处理就是在像素级的处理，如在像素级的图像叠加。通过傅立叶变换后，得到的是图像的频谱，表示图像的能量梯度。 2. 频率域：频率域是描述图像特征的另一种方式，以频率（即波数）为自变量。它可以将一幅图像像元值在空间上的变化分解为具有不同振幅、空间频率和相位的简振函数的线性叠加。 二...
机器视觉系统选型-相机选型
分辨率：通过视野大小和精度需求来确定 相机分辨率 eg：视野(工件10mm8mm允许2mm的浮动)：12mm10mm，检测精度需求为0.01mm则理论需求的相机分辨率为：12mm/0.01mm=1200以及10mm/0.01mm=1000此时选择一个分辨率略大于1200*1000的相机就能满足检测需求。 黑白彩色：一般不需要检测图像颜色信息的都用黑白相机 曝光时间：若是飞拍则需一定的最小曝光时间 原...
【CV论文阅读】【计算机视觉中的Transformer应用综述】（1）
0.论文摘要 摘要——自然语言任务的Transformer model模型的惊人结果引起了视觉社区的兴趣，以研究它们在计算机视觉问题中的应用。在它们的显著优点中，与递归网络例如长短期记忆（LSTM）相比，Transformer能够模拟输入序列元素之间的长依赖性，并支持序列的并行处理。与卷积网络不同，Transformer的设计需要最小的偏差，自然适合作为集函数。此外，Transformer的简单设计...
机器视觉学习（三）—— 保存视频流
目录 一、获取视频 二、知识拓展 三、典型代码举例 一、获取视频 要使用OpenCV保存视频,可以按照以下步骤进行操作： """ OpenCV打开摄像头 设置摄像头参数 录制视频""" 1. 导入必要的库: import cv2 2. 创建一个VideoWriter对象: #定义保存视频的文件名、编解码器、帧率和分辨率filename = 'output.avi'co...
YOLOv8独家改进：backbone改进 | TransXNet：聚合全局和局部信息的全新CNN-Transformer视觉主干| CVPR2024
/m0_63774211/category_12511737.html?spm=1001.2014.3001.5482 💡💡💡全网独家首发创新（原创），适合paper ！！！ 💡💡💡 2024年计算机视觉顶会创新点适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步...
Python 基于 OpenCV 视觉图像处理实战 之 背景知识
Python 基于 OpenCV 视觉图像处理实战 之 背景知识 目录 Python 基于 OpenCV 视觉图像处理实战 之 背景知识 一、简单介绍 二、人工智能（Artificial Intelligence，AI） 三、OpenCV 四、计算机视觉任务的主要类型 五、计算机视觉是通过创建人工模型来模拟本该由人类执行的视觉任务。 一、简单介绍 Python是一种跨平台的计算机程序设计语言。...
Visual grounding-视觉定位任务介绍
前言 文章目录 前言视觉定位是什么常用数据集合评价指标常用方法两阶段算法单阶段算法基于Transformer的方法 总结 视觉定位是什么 视觉定位（Visual grounding） 是一种在计算机视觉和自然语言处理领域中的概念，指的是将自然语言描述与图像中的特定视觉内容相匹配的过程。听上去和目标检测非常类似，区别在于输入多了语言信息，在对物体进行定位时，要先对语言模态的输入进行理解，并且和视觉模态...
机器视觉学习（二）—— 显示图像和视频
一、获取图像 要使用OpenCV获取图像，你需要安装OpenCV库并学习基本的OpenCV函数。下面是一些获取图像的基本步骤： 导入必要的库：import cv2 读取图像：image = cv2.imread("image.jpg") 这将从指定路径读取图像，并将其存储在名为image的变量中。 import cv2 # 读取图像image = cv2.imread("image.jpg") 请注...
开源计算机视觉库OpenCV详解
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。OpenCV最初由Intel开发，后来支持由Willow Garage和Itseez（被Intel收购）进行的维护和更新。这个库旨在为实时的计算机视觉应用提供一个高效的、易于使用的环境，并且是用C++编写的，尽管它提供了各种语言的绑定，包括Python、Java和MATLAB...
【深度学习笔记】计算机视觉——R-CNN
区域卷积神经网络（R-CNN）系列 sec_rcnn 除了 sec_ssd中描述的单发多框检测之外， 区域卷积神经网络（region-based CNN或regions with CNN features，R-CNN） Girshick.Donahue.Darrell.ea.2014也是将深度模型应用于目标检测的开创性工作之一。 本节将介绍R-CNN及其一系列改进方法：快速的R-CNN（Fast R...