사용하지않는공간
[openCV] 라벨링
라벨링 영상을 이진화 하고 각 흰색 영역을 구분하기 위해 영역마다 정수를 부여하는것 라벨링을 하게 되면 한장의 이미지에 있는 흰색 영역들을 따로 다룰 수 있게 된다. 순서 영상 불러오기 그레이스케일 변환(edge검출에서 그레이스케일 영상을 요구함) 캐니 연산자를 사용해 edge 검출 -> cv2.canny 이미지 반전 (라벨링할 영역이 흰색이여야 하기 때문) -> cv2.bitwise_not 컨투어를 사용해 영역 강화 (다른 방법도 가능) -> cv2.findContours 라벨링 -> cv2.connectedComponentsWithStats
[openCV] Canny Edge Detector
좋은 Edge 낮은 에러율(Low error rate) 정확한 에지 위치(good localization) 응답 최소화(Minimal response) 캐니 에지 디텍션 알고리즘 노이즈 제거 에지 그레디언트 크기와 방향 계산 Non-maximum Supperssion Hysteresis Thresholding 1. 노이즈 제거 노이즈에 영향을 많이 받기 때문에 가우시안 블러를 적용한다. 2. 에지 그레디언트 크기와 방향 계산
[Python] 1차원 리스트를 2차원 리스트로 만들기
1. 기본 for문으로 생성 # 길이와 무게를 합쳐 1차원 리스트를 2차원 배열화 fish_data = [] # zip : for l,w in zip(length,weight): fish_data.append([l,w]) fish_data 2. 리스트 컴프레이션으로 생성 # 리스트 내포(comprehension) fish_data = [[l,w] for l,w in zip(length,weight)] fish_data 3. numpy로 생성 # 넘파이를 사용한 방법 import numpy as np fish_data = np.column_stack((length, weight)) fish_data
[머신러닝] K-최근접 이웃(KNN; K-Nearest Neighbor) 분류
K-최근접 이웃(KNN; K-Nearest Neighbor) 어떤 데이터에 대한 답을 구할떄 주위의 다른 데이터를 보고 다수를 차지하는 것을 정답으로 함 기본 거리수는 5개를 찾음 KNN에서 거리를 측정하는데 가장 기본적인것은 Euclidean distance 를 많이 사용함. 1. 도미 데이터를 가지고온다 # 도미 데이터 bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41..
[JS] 화살표 함수
function name(param1, param2) { body... return; } 함수는 한가지의 일을 하는거로 하는게 좋음 함수의 이름은 동사로 짓는게 좋음 JS에서 function은 object이기 때문에 변수에 할당하거나 param로 전달도 가능 function printHello(){ colsole.log("Hello"); } printHello(); 1. 디폴트 매개변수 2. Rest 매개변수 ...[args] 배열 형태로 저장된다. function printAll(...args){ // 1. 기본 for문 for(let i=0; i console.log(arg)); } printAll("Hello", "Hi", "안녕"); 3. 지역변수 4. 5. Early return, early e..