个人技术分享

借助 BackgroundSubtractor 类，可检测阴影，用阈值排除阴影，从而关注实际特征。做 gif 的时候只设置了播放一次，重复播放需要刷新。Opencv 有三种背景分割器。

具体来说这两种方式读取图片没有大的区别，但是建议用的方式来读。

它接受四个参数：输入图像、阈值、最大值（通常设置为255，表示白色）和二值化类型（在这个例子中使用cv2.THRESH_BINARY）。函数返回两个值：第一个是用于二值化的实际阈值（在这个例子中我们不需要，所以使用_来忽略它），第二个是二值化后的图像。在这个脚本中，我们假设去噪后的图像已经是灰度图像。可以使用cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)来实现。最后，使用cv2.imwrite函数将二值化后的图像保存到指定的文件夹中。

介绍了绘制、填充图像的API。也介绍了RNG类用来生成随机数。

在OpenCV中，膨胀和腐蚀是两种基本的图像处理操作，通常用于二值图像中以提取特定的特征。它们是基于图像的形态学操作，使用一个称为结构元素或核的模板来改变图像的形状。cv2.erode函数则用于进行腐蚀操作，同样通过迭代次数参数来指定腐蚀的次数。然后我们定义了一个5x5的结构元素（核），这是一个常用的选择，实际上可以根据需要选择任何大小的核。膨胀后的图像将使图像中的白色区域（前景）扩张，而腐蚀后的图像将使图像中的白色区域缩小。最后，我们将膨胀和腐蚀后的图像保存到文件中。

在这段代码中，我们首先读取了一张灰度图像。然后，我们使用cv2.threshold函数和cv2.THRESH_OTSU阈值方法来对图像进行二值化处理。cv2.THRESH_OTSU会自动计算一个阈值，使得图像中的两个类别（前景和背景）之间的方差最大化。要使用OpenCV读取图片并将图片二值化，您可以使用cv2.imread函数来读取图片，并使用cv2.threshold函数来将图片二值化。二值化后的图像将被显示，并可以通过按下’q’键来关闭图像窗口。最后，我们将二值化后的图像保存到文件中。

本文介绍了双边滤波图像去雾算法，旨在消除雾霾对图像质量的影响，能够保留边缘信息并去除噪声，有效提高图像的清晰度和对比度。双边滤波（Bilateral Filtering）是一种用于图像处理的非线性滤波方法，它能够在平滑图像的同时保留边缘细节，并结合了空间域和强度域的信息，以避免在平滑噪声的同时模糊图像的边缘。首先对图像进行频域变换，将原始图像分解为高频成分和低频成分。然后分别对高频成分和低频成分应用双边滤波算法，以去除噪声和增强边缘信息。最后将处理后的高频成分和低频成分进行逆频域变换，得到去雾后的图像。

录制人脸识别视频、采样准备工作、自定义人脸识别示例代码、人脸识别常见问题

写一段代码，模拟生成accuracy逐步上升、loss逐步下降的训练日志，并将日志信息记录到 training_log.txt中。##读取YOLO数据后画出曲线图。

写一段代码，模拟生成accuracy逐步上升、loss逐步下降的训练日志，并将日志信息记录到 training_log.txt中。##读取YOLO数据后画出曲线图。

这段代码使用Pygame和OpenCV在屏幕上创建一个OpenGL窗口，并记录窗口的内容为视频。这样，就完成了创建OpenGL窗口并记录窗口内容的整个过程。

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，它包含了许多用于图像处理、计算机视觉和机器学习的通用算法。这个库最初由Intel开发，但现在已经成为一个全球性的社区项目，由许多贡献者共同维护和发展。OpenCV（Open Source Computer Vision Library）作为一个强大的计算机视觉库，其应用场景非常广泛。

一张图片中有多个一样的目标物体，分别进行识别定位分割（Python+OpenCV）

cvSplit()函数将复制src的各个通道到图像dst0，dst1，dst2和dst3中。如果源图像少于4个通道的情况下，那么传递给cvSplit()的不必要的目标参数可设置为NULL。

根据处理咱们可以获取得到五个数据，咱们需要利用其中的三个数据 (开始点, 结束点, 远点)通过反余弦定理求出手指岔开角度，进而判断伸出手指的个数。为了使系统稳定运行这里家里arry进行缓存50个前50帧图像处理结果然后综合判断此时此刻的识别结果。视频也是图片构成的，只是在不同帧展示不同的图片而已。这里根据自己电脑的性能选择取图片的频率。这里利用到了 凹凸图处理（腐蚀，另外一个名词想不起来了！最终是给机器看的，在让他处理之前尽量降低影响条件。再根据皮肤识别获取手的大致形状。写进方法start中。

录制人脸识别视频、采样准备工作、自定义人脸识别示例代码、人脸识别常见问题

本文介绍了双边滤波图像去雾算法，旨在消除雾霾对图像质量的影响，能够保留边缘信息并去除噪声，有效提高图像的清晰度和对比度。双边滤波（Bilateral Filtering）是一种用于图像处理的非线性滤波方法，它能够在平滑图像的同时保留边缘细节，并结合了空间域和强度域的信息，以避免在平滑噪声的同时模糊图像的边缘。首先对图像进行频域变换，将原始图像分解为高频成分和低频成分。然后分别对高频成分和低频成分应用双边滤波算法，以去除噪声和增强边缘信息。最后将处理后的高频成分和低频成分进行逆频域变换，得到去雾后的图像。

录制人脸识别视频、采样准备工作、自定义人脸识别示例代码、人脸识别常见问题

方法三：使用ffprobe命令行工具。方法一：使用moviepy库。方法二：使用cv2库。

写一段代码，模拟生成accuracy逐步上升、loss逐步下降的训练日志，并将日志信息记录到 training_log.txt中。##读取YOLO数据后画出曲线图。