-
关于Ascii-Art的一些总结
前言 好久没写博客了，倒不是因为最近没在学习，而是觉得最近学得有点太多，一时无从下笔。知识这种东西真是奇怪，真的是懂得越多才知道自己懂得越少。虽然这个真相经常会给我一种无力感，但是我还是会沉浸在了解一件事情的来龙去脉的过程中。唔，看来学习也是会容易让人上瘾的。。。 不过最近在学习的过程中，我渐渐也明白了一点，那就是碎片化的学习效率那是惊人的低。我曾经十分推崇学习一个技术的时候，先上手，然后遇到一个问题就解决一个问题。但是后来慢慢发现，这样经常会导致我们花很多的时间去解决那些在这个领域里非常基…
-
Julia集的win32+GDI演示
虽然不是第一次win32来写窗口程序，但是最近python和java用惯了，还真用不惯win api繁琐的调用方法，光是一个模版就好难理解。 事实上，那些模版的玩意写上去就好了，我们只要在他的消息循环的处理里添加绘图的函数即可。 至于绘图，我用的是GDI库最简单的用法，不加缓冲直接逐像素点打印。效率很低，而且会出现刷屏的现象。正确的做法应该是在内存中创建一张Image，向这个里面写再一次性输出。（这样弄效率高但是在网上找了半天没找到傻瓜式的代码模版。。。） 代码 #include
#…
-
结合连通块平均分割以及投影矫正的验证码分割算法
在上一节 中记录了基于投影的验证码矫正算法的实现。通过矫正，我们可以比较好的将倾斜的字符归一成较为规整的字符，接下来我们需要对矫正后的字符进行分割。简单的方法大概是投影法了，但是很明显，这样做的可靠性并不够。我们也可以找到整张图的最左端和最右端然后平均分割，但是在字符大小不一样的情况下效果也太好。还有个朴素的方法就是找连通块，但是由于存在字符粘连问题，连通块也不能完全区分字符。那么我这里就结合后两种方法，先进行连通块分割，对于能分割的字符直接进行后续处理，对于不能分割的字符再用平均分割的方法分割…
-
用投影法矫正字符旋转
这是段简单的代码，目的是处理旋转验证码的问题，主要思想就是通过将字符以45°到135°的角度投影下来，得到一系列的投影范围，然后得到这当中投影长度最小的一个角度。这个角度我们就可以简单的把他看成是字符的偏转角。然后用这个角度通过仿射变换得到矫正后的字符。 代码 #coding=utf-8 import cv2,os,sys,Image,math import numpy as np from pylab import * %matplotlib inline def getBinary(…
-
利用Python在图片中添加文字
使用OpenCV 在图片中添加文字看上去很简单，但是如果是利用OpenCV来做却很麻烦。OpenCV中并没有使用自定义字体文件的函数，这不仅意味着我们不能使用自己的字体，而且意味着他无法显示中文字符。这还是非常要命的事情。而且他显示出来的文字位置也不太好控制。比如下面的代码，他想做的仅仅是显示数字3： 代码： #coding=utf-8 import cv2 import numpy as np from pylab import * %matplotlib inline font=cv…
-
图像处理的Gamma矫正
Gamma矫正这个东西听上去挺玄乎，其实特别简单。就是为了调节照相机拍摄的图像的色调，使他更加符合人眼的观测效果（主要用在）。说白了就是一种幂函数型的色调曲线，即对于每个像素的灰度$I$我们把他变成$I^{gamma}$，当然，在这之前，我们得把灰度值$I$归一化到(0,1)的范围内。 这个gamma分为大于一和小于一的情况。当他大于一的时候，很明显这个幂函数在(0,1)的区间内是下凸的，图像会变暗；当他小于一的时候，这个幂函数在(0,1)的区间内是上凸的，图像会变亮。通常认为人眼的gamma…
-
OpenCV计算图像的梯度特征
计算图像的梯度是在进行图像处理时经常用到的方法，但是这玩意自己手写未免效率低而且容易出错。OpenCV里集成了相应的函数，只不过用的人好像并不多导致我找了半天才找到。姑且记一下以备日后使用。 计算像素梯度的绝对值 这个用到了cv2.magnitude方法，具体用法如下： sobelx=cv2.Sobel(im,cv2.CV_64F,1,0,ksize=3)#1,0表示只在x方向求一阶导数 sobely=cv2.Sobel(im,cv2.CV_64F,0,1,ksize=3)#0,1表示只…
-
直方图均衡化处理
直方图均衡化方法属于图像增强的范畴，是一种对图像进行灰度级修正的方法。简而言之，就是对一个灰度图像进行处理，使他的特征更加明显。通常情况下，在对图像进行进一步的处理之前，直方图均衡化是一种对灰度进行归一化处理的好方法，而且也可以增强图像的对比度。 概述 这个方法的思路非常简单，就是我们把一个灰度图像以0-255个灰度值为横坐标，灰度对应的像素点的个数为纵坐标，构成一个灰度直方图。对于那些灰度分布非常不均衡的图像来说，我们要做的就是通过对灰度值进行一个映射，将他灰度直方图尽可能的拉伸。通常情…
-
自适应阈值分割的Bersen算法
最近处理到游侠网的验证码，学习了一点东西，聊作记录。 游侠网的验证码总体来讲比较简单，字符分割比较清楚。稍微有难度的地方就是处理他的阴影。 ** 示例 ** 很明显，如果直接拿这种图去跑机器学习算法的话肯定准确率不高，必然需要进行灰度或者二值化。当然，二值化是比较好的选择。 但是由于灰度分布是不均匀的，如果采用类似OTSU的全局阈值显然会造成分割不准，而局部阈值分割的Bersen算法则非常适合处理这种情况。 OTSU算法得到的图像： import cv2 from pylab imp…
-
图像匹配中Harris角点特征提取
在进行图像检测或者是识别的时候，我们需要提取出一些有特征的点加以识别，最常用的就是基于点的识别。这里所谓的点，其实就是一些重要的点，比如轮廓的拐角，线段的末端等。这些特征比较容易识别，而且不容易受到光照等环境的影响，因此在许多的特征匹配算法中十分常见。 常见的特征点提取算法有Harris算 子（改进后的Shi-Tomasi算法）、Moravec算子、Forstner算子、小波变换算子等。现在就先介绍一下最常用的Harris角点检测算法。 简介 Harris算法的思想很简单，也很容易理解。…