学习笔记（1):Python+OpenCV计算机视觉-傅里叶变换的理论基础

大学真的很可怕。 抱歉，互联网。 傅立叶描述符和几个分类器的计算 这是我用python编写的“数字图像处理”课程的最后一个项目。 包括错误估计在内的所有内容都包含在代码中，在带有OpenCV和Numpy python 2.x上运行将产生大致相同的结果，如下所示。 该项目仅仅是Gonzalez和Woods的数字图像处理，项目12（），请看一看。 概括 一句话，我正在尝试计算任意形状的傅立叶描述符（形状必须在黑色BTW上为白色），并使用最少数量的描述符来重建图像的轮廓。 基于我选择的这些描述符，我尝试使用被高斯噪声污染的描述符构造SVM分类器，Bayers分类器和最小距离分类器。 我花了很长时间接受了这样一个事实，即分类器的运行效果令人难以置信，在这三种情况下，分类器的成功率均为100％，我设法在进行了解释。 结果 如前所述，对于所有三个分类器，成功率都是100％，您可以发挥作用，这应该有