数学之路(三)-机器学习(3)-机器学习算法-差异均值
数学之路(3)-机器学习(3)-机器学习算法-差异均值
以上是代码,对比的方式是首先将图片切片在图片中进行移动,然后将2个图像矩阵相减形成图像差异矩阵,如果在统计上图像矩阵的均值为0,说明这2个图像矩阵指定同一个图像内容,我们测试并显示匹配效果
完成下面的匹配效果
平均数(Mean)、均值是统计中的一个重要概念。为集中趋势的最常用测度值,目的是确定一组数据的均衡点。
平均值。
- 其计算公式为:
在统计中算术平均数常用于表示统计对象的一般水平,它是描述数据集中程度的一个统计量。我们既可以用它来反映一组数据的一般情况
本博客所有内容是原创,如果转载请注明来源
http://blog.****.net/myhaspl/
我们首先来看下面2个图片切片,我们要在最后一张图片中找到这2个切片 的位置
'
,通过像素之间的直接对比,我们可以轻易求出这2个图片切片在图片的位置
def showpiclocation(img,findimg): #定位图片 w=img.shape[1] h=img.shape[0] fw=findimg.shape[1] fh=findimg.shape[0] findpt=None for now_h in xrange(0,h-fh): for now_w in xrange(0,w-fw): comp_tz=img[now_h:now_h+fh,now_w:now_w+fw,:]-findimg ............................................... print ".", if findpt!=None: cv2.rectangle(img, findpt, (findpt[0]+fw,findpt[1]+fh),(255,0,0)) return img
以上是代码,对比的方式是首先将图片切片在图片中进行移动,然后将2个图像矩阵相减形成图像差异矩阵,如果在统计上图像矩阵的均值为0,说明这2个图像矩阵指定同一个图像内容,我们测试并显示匹配效果
fn='pictest.png' fn1='pictestt1.png' fn2='pictestt2.png' myimg=cv2.imread(fn) myimg1=cv2.imread(fn1) myimg2=cv2.imread(fn2) myimg=showpiclocation(myimg,myimg1) myimg=showpiclocation(myimg,myimg2) cv2.namedWindow('img') cv2.imshow('img', myimg) cv2.waitKey() cv2.destroyAllWindows()
如果图片加上了大量噪声,则需要对差异矩阵设定一个可接受的范围,我们加上噪声
def addnoise(img): coutn=30000 for k in xrange(0,coutn): xi = int(np.random.uniform(0,img.shape[1])) xj = int(np.random.uniform(0,img.shape[0])) if img.ndim == 2: img[xj,xi] = 255 elif img.ndim == 3: img[xj,xi,0]= 255 *np.random.rand() img[xj,xi,1]= 255 *np.random.rand() img[xj,xi,2]= 255 *np.random.rand()
然后测试
fn='pictest.png' fn1='pictestt1.png' fn2='pictestt2.png' myimg=cv2.imread(fn) myimg1=cv2.imread(fn1) myimg2=cv2.imread(fn2) addnoise(myimg) myimg=showpiclocation(myimg,myimg1) myimg=showpiclocation(myimg,myimg2) cv2.namedWindow('img') cv2.imshow('img', myimg) cv2.waitKey() cv2.destroyAllWindows()
完成下面的匹配效果