计算机视觉和分类
Back to Home
01. 分类 Sebastian
02. 欢迎来到计算机视觉
03. 介绍 Tarin
04. 计算机视觉和无人驾驶车
05. LiDAR 数据
06. 图像分类流程
07. 测验:分类步骤
08. 学会分类图像
09. 什么是机器学习?
10. 训练一个模型
11. 测验:选择分层
12. 作为网格像素的图像
13. Notebook: 作为数字数据的图像
14. 颜色图像
15. 颜色或灰度?
16. Notebook: 可视化 RGB 通道
17. 预处理
18. Notebook: 裁剪和调整大小
19. 颜色遮罩
20. 安装 OpenCV,操作说明
21. 绿屏汽车
22. Notebook: 绿屏背景
23. 颜色空间和变换
24. HSV 转换
25. Notebook: 颜色转换
26. 白天和夜晚分类
27. Notebook: 加载和可视化数据
28. 标签数据和准确性
29. 显著特征
30. 特征提取
31. 特征
32. 标准化输出
33. Notebook:标准化白天和夜晚图像
34. 平均亮度
35. Notebook: 平均亮度特征提取
36. 特征和分类
37. 选择特征
38. 过滤和查找边缘
39. 高通滤波器
40. 测验:内核
41. Notebook:寻找边缘
42. 无人驾驶车的卷积
43. Notebook: 直方图和特征向量
44. 分类
45. Notebook: 分类
46. 评估指标
47. Notebook: 准确性和错误分类
48. 祝贺你!
49. 结束和起点
Back to Home
17. 预处理
预处理
预处理
预处理图像是
标准化
输入图像,以便你可以沿流程向前移动并以相同的方式分析图像。
真正常见的预处理步骤包括:
通过使用可缩放图像、旋转图像甚至改变物体显示距离的几何变换来改变图像在空间上的外观,以及;
改变颜色方案,如选择在彩色图像上使用灰度图像。
Next Concept