OpenCV学习之六: 使用方向梯度直方图估计图像旋转角度

   在备份ltedecoder程序时,需要把此目录拷由到bak目录下,但decoder目录下有个大文件,不需要备份,还有日志问题,也不需要备份,如何实现呢??

方法: 

   cd /source-dir

  find . -name .snapshot
-prune -o -print0 | cpio -pmd0 /dest-dir

解释: This command copies the contents of /source-dir to /dest-dir, but omits files and directories  named  .snapshot (and  anything in them).  The construct
-prune -o -print0  is quite common. The idea here is  that  the  expression  before  -prune  matches  things  which  are  to be pruned.  However, the -prune action itself returns true, so the following -o  ensures
that the right hand side is evaluated only for those directories which didn‘t get pruned (the  contents  of the pruned directories are not even visited, so their contents are irrelevant).  The expression on the right  hand side of the -o is in parentheses
only for clarity.  It emphasises that the -print0 action takes place only for  things  that  didn‘t have -prune applied to them.  Because the default `and‘ condition between tests binds more tightly than -o, this is the default anyway, but the parentheses
help to show what is going on.

此段的意思是:当找到name为.snapshot时,prune就会返回真,-o是或的意思,“或”的使用技巧是当左边的表达式为“真”时,则不会运算右边的表达式,当左边的表达式为假,则运算右边的表达式,即,当左边name不为.snapshot,则进行右边的表达式,右边的表达式意思是print文件名(包括路径的);当找到name为.snapshot时,则不打印文件名,这样就实现了把非.snampshot为命名的文件打印出来并交给cpio进行处理,cpio则把这些文件拷则的dest-dir中,实现忽略.snampshot文件的拷备(注:文件指文件夹或file名)。

         拓展: -prune -o \( ... -print0 \)

“\( ... -print0\)”这里可以使用find的查找文件的参数,如-name,-size等。

find . -name Persistence -prune -o \( \! -name ‘*log*‘ \! -size +100M -print0 \) | cpio -pmd0 /root/do_bak/ltedecoder 

上面则不仅忽略Persistence目录,还会忽略包涵log的文件或文件夹,还会忽略大于100M的文件。

注意: 你一定注意到了find 后面是“.”,代表当前目录,即此命令必须是pwd是你要拷则的目录里面,如你把sour-dir的文件进行拷则,则需要先cd $sour-dir。

OpenCV学习之六: 使用方向梯度直方图估计图像旋转角度,布布扣,bubuko.com

时间: 2024-08-07 17:00:48

OpenCV学习之六: 使用方向梯度直方图估计图像旋转角度的相关文章

方向梯度直方图(HOG)和颜色直方图的一些比较

最近在学习视频检索领域的镜头分割方面的知识,发现常用的方法是直方图的方法,所以才专门有时间来学习下.查看到这两种直方图的时候,感觉有点接近,好像又不同,放在这做个比较.大部分还是百科的内容,不过对基本理解还是够了.OK,开始正文~ 首先,介绍下什么是直方图 在统计学中,直方图(英语:Histogram)是一种对数据分布情况的图形表示,是一种二维统计图表,它的两个坐标分别是统计样本和该样本对应的某个属性的度量.又称质量分布图.是一种统计报告图,由一系列高度不等的纵向条纹或线段表示数据分布的情况.一

方向梯度直方图(HOG)和颜色直方图的一些比較

近期在学习视频检索领域的镜头切割方面的知识,发现经常使用的方法是直方图的方法,所以才专门有时间来学习下.查看到这两种直方图的时候,感觉有点接近,好像又不同,放在这做个比較.大部分还是百科的内容,只是对基本理解还是够了.OK,開始正文~ 首先,介绍下什么是直方图 在统计学中,直方图(英语:Histogram)是一种对数据分布情况的图形表示(数据分布如:如物体的色彩分布.物体边缘梯度模板,以及表示目标位置的概率分布.),是一种二维统计图表,它的两个坐标各自是统计样本和该样本相应的某个属性的度量.又称

(转)matlab练习程序(HOG方向梯度直方图)

matlab练习程序(HOG方向梯度直方图)http://www.cnblogs.com/tiandsp/archive/2013/05/24/3097503.html HOG(Histogram of Oriented Gradient)方向梯度直方图,主要用来提取图像特征,最常用的是结合svm进行行人检测. 算法流程图如下(这篇论文上的): 下面我再结合自己的程序,表述一遍吧: 1.对原图像gamma校正,img=sqrt(img); 2.求图像竖直边缘,水平边缘,边缘强度,边缘斜率. 3.

Histogram of Oriented Gridients(HOG) 方向梯度直方图

Histogram of Oriented Gridients,缩写为HOG,是目前计算机视觉.模式识别领域很常用的一种描述图像局部纹理的特征.这个特征名字起的也很直白,就是说先计算图片某一区域中不同方向上梯度的值,然后进行累积,得到直方图,这个直方图呢,就可以代表这块区域了,也就是作为特征,可以输入到分类器里面了.那么,接下来介绍一下HOG的具体原理和计算方法,以及一些引申. 1.分割图像 因为HOG是一个局部特征,因此如果你对一大幅图片直接提取特征,是得不到好的效果的.原理很简单.从信息论角

HOG(方向梯度直方图)

结合这周看的论文,我对这周研究的Histogram of oriented gradients(HOG)谈谈自己的理解: HOG descriptors 是应用在计算机视觉和图像处理领域,用于目标检測的特征描写叙述器.这项技术是用来计算局部图像梯度的方向信息的统计值.这样的方法跟边缘方向直方图(edge orientation histograms).尺度不变特征变换(scale-invariant feature transform descriptors)以及形状上下文方法( shape c

opencv学习之路(11)、图像几何变换

一.图像缩放 1 #include<opencv2/opencv.hpp> 2 using namespace cv; 3 4 void main(){ 5 Mat src=imread("E://0.jpg"); 6 Mat dst; 7 resize(src,dst,Size(300,300)); 8 imshow("src",src); 9 imshow("dst",dst); 10 waitKey(0); 11 } 二.图像平

opencv学习之路(13)、图像阈值化

一.图像阈值化简介 二.固定阈值 三.自适应阈值 1 #include<opencv2/opencv.hpp> 2 using namespace cv; 3 4 void main(){ 5 Mat src=imread("E://1.jpg",0);//以灰度模式读入 6 Mat dst; 7 //threshold(src,dst,100,255,CV_THRESH_BINARY); 8 //adaptiveThreshold(src,dst,255,CV_ADAPT

opencv学习之路(12)、图像滤波

一.图像滤波简介 二.方框滤波--boxFilter() 1 #include<opencv2/opencv.hpp> 2 using namespace cv; 3 4 void main(){ 5 Mat src=imread("E://1.jpg"); 6 Mat dst; 7 //方框滤波器,-1代表原图像深度,size内核大小,true按权重相加(此时等于均值滤波),false按原像素相加(所以很多像素点都大于了255,如上图所示) 8 boxFilter(src

【opencv学习记录】以迭代器方式访问图像像素,统计像素信息存入文件

opencv2.4.9,练习使用图像迭代器访问像素值+STL中的vector #include <opencv2\core\core.hpp> #include <opencv2\highgui\highgui.hpp> #include <opencv2\imgproc\imgproc.hpp> #include <iostream> #include <fstream> using namespace std; using namespace