OpenCV作业及近阶段学习总结

作业描述

不太理解为啥不让用OpenCV的API，明明可以直接可以一行代码搞定。。。。。

numpy代码如下：

均值滤波

import cv2
import numpy as np# 均值滤波
def mean_filter(img, K_size=3):H, W, C = img.shape# zero paddingpad = K_size // 2out = np.zeros((H + pad * 2, W + pad * 2, C), dtype=np.float)out[pad: pad + H, pad: pad + W] = img.copy().astype(np.float)tmp = out.copy()# 滤波过程for y in range(H):for x in range(W):for c in range(C):out[pad + y, pad + x, c] = np.mean(tmp[y: y + K_size, x: x + K_size, c])out = out[pad: pad + H, pad: pad + W].astype(np.uint8)return out# 读取图像
img = cv2.imread("imori.jpg")
# 均值滤波
out = mean_filter(img, K_size=3)
# 保存结果
cv2.imwrite("out1.jpg", out)

中值滤波

import cv2
import numpy as np# 中值滤波
def median_filter(img, K_size=3):H, W, C = img.shape    pad = K_size // 2out = np.zeros((H + pad*2, W + pad*2, C), dtype=np.float)out[pad:pad+H, pad:pad+W] = img.copy().astype(np.float)tmp = out.copy()# 滤波过程for y in range(H):for x in range(W):for c in range(C):out[pad+y, pad+x, c] = np.median(tmp[y:y+K_size, x:x+K_size, c])out = out[pad:pad+H, pad:pad+W].astype(np.uint8)return out# 读取图像
img = cv2.imread("imori_noise.jpg")
# 中值滤波
out = median_filter(img, K_size=3)
# 结果保存
cv2.imwrite("out2.jpg", out)

近阶段学习总结

一时间不知道该写什么了，先总结OpenCV学习的一些内容吧。

OpenCV更多的是对图像的处理，用起来确实很方便，基本上用几行代码就可以完成看似很难完成的工作。其中的知识点在原理方面感觉很难懂，每次学习原理的时候感觉这都是讲的啥？但是一到代码，看到讲了这么多，一两行代码就搞定了，人懵了。。。。

OpenCV的内容：

首先就是图像的基础操作：读取、显示、保存；绘制几何图形；获取像素点、属性等；还有几何变换、形态学操作、图像平滑、边缘检测、轮廓检测等方面的内容；后面在图像特征提取与描述方面，学习了一系列算法：Harris、shi-tomas实现角点检测；sift、sufr算法实现尺度不变特征转换；fast、orb算法提高了特征检测的效率；LBP和HOG特征算子用来描述图像局部特征；后面学习了opencv中的视频操作，主要利用meanshift和camshift算法；最后的人脸检测案例结束了opencv的学习。

近阶段的感悟：

CSDN博客是我使用最久的博客区域，在之前我尝试过利用git自己搭建属于自己的博客专区，但是打卡太卡了，后面我又尝试了简书、博客园等，但是总感觉用的人很少，每次我用百度搜索我不会的知识点时，CSDN的文章是第一个搜索结果，这样让我更加依赖CSDN了，并将它当做我记录学习过程的一个地方。

起初大一、大二、大三我是学习Java的，感觉刚刚踏入Java的大门，并且都打算以后从事这方面的工作；大三下学期准备考研，备考了9个月的时间，一度感觉考不上了，幸运的是大四上学期我被保送了研究生，然后选择的导师是从事深度学习、计算机视觉、人工智能等领域，我就明白我可能真要与Java说再见了。

从接触Python人工智能方面已经过了小半年了，刚开始一直不清楚学习的方向，甚至不明白人工智能、机器学习、深度学习的关系，还有Numpy、Pandas、SciPy、Scikit-Learn、Matplotlib的关系，一切都是那么的陌生！刚开始真的比较困难，但是一旦坚持走上这条路，就会发现后面的学习方向越来越清晰，一些关系网也更加的了如指掌。最开始学的Python入门，实际有了Java的基础，没必要一点一点的看，都是类似的代码；然后就是跟着唐宇迪的唐宇迪-python数据分析与机器学习实战学习了Numpy、Pandas、SciPy、Scikit-Learn、Matplotlib；之后就是机器学习的一些算法：分类算法：决策树、KNN、Adaboost、随机森林、朴素贝叶斯、XGboost等；聚类算法：KMeans、GMM、DBSCAN；还有PCA降维等一方面的内容。上述学起来确实很枯燥，算法甚至还不太懂，但是稍微了解其中的原理还是有必要的；后面跟着黑马的课程资料学习了深度学习：tensorflow、神经网络、损失函数、优化方法、正则化；进阶有卷积神经网络（CNN）。然后就是图像分类，目标检测、目标分割这些计算机视觉方面的内容及算法。再到最近几天学习的OpenCV及图像处理，让我感觉确实进入了人工智能的大门。

之后的一段时间（也许一两个月）就要暂时更新学习的内容了，因为学习到这已经给我毕业设计的实现提供了方向和技术基础，接下来的一段时间就要专心完成毕业设计及论文写作，学习永无止境，希望大家在学习的道路上一步步变强，早日成为大佬，哈哈哈哈！