研究与应用Python计算机视觉技术

该项目是一个基于Bayesian model的计算机视觉小型实践,旨在帮助大家了解常规计算机视觉项目的运作方式

我会在这里放置一个题目，并邀请有興趣的同学在一個星期内投入一些時間進行深入研究和实践，并使用Python語言完成相關工作。等到一个星期後, 我會公布整个项目的詳細步驟和代碼實現。期待大家能通過這個簡單的項目, 將自己掌握的人工智慧與計算機視覺等技術應用於實践並有所收穫。

基于OpenCV编写一个基于朴素贝叶斯的图片分类分类程序

要求：

在Google图片搜索中搜索"flowers"和"airplanes"，分别收集m（>100）张"flowers"图片和n（>100）张"sKY"s图片作为训练集和验证集的典型样本；注意这些图片也可以选择其他类别,如chair和car

构建视觉词典采用了以下方法：首先从训练集中的每张图片随机选取p个（p大于500）大小为25x25的图像块；接着计算每个图像块的颜色直方图特征（分为6x6x6个区间）；然后将这些图像块总数达到p*(m+n)的数量利用K-means算法聚类成K类（其中K大于1000），并将其作为词典；注释：K-means算法可以直接通过OpenCV库或其他工具包实现聚类过程。

在训练或测试阶段，在处理测试图像时会对它们进行密集采样操作。使用Histogram Intersection距离（其计算公式为）这一指标，并基