本文主要是介绍利用opencv/暗通道方法检测图像是否有雾-利用opencv/暗通道方法对深度学习目标检测算法结果进行二次识别提高准确率，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
1 Python版本
2 C++版本
本来利用yolov5检测浓雾的，但是发现yolov5的检测结果会把一些正常天气检测成雾天，这种时候其实可以通过增加正常类，也就是将正常天气被误检成浓雾的图片当成一个正常类别去训练，但是不想标注图片，也不想重新训练算法了，因此想是不是可以用opencv对yolov5检测到的图像进行二次识别，从而提高准确率，结果发现是可以的。
1 Python版本
我先用opencv试下这种方法可不可行，可行之后再用C++集成到工程中，python代码如下
import cv2
import numpy as npdef dark_channel(image, size = 15):r, g, b = cv2.split(image)min_img = cv2.min(cv2.min(r, g), b)kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (size, size))dark = cv2.erode(min_img, kernel)return darkdef这篇关于利用opencv/暗通道方法检测图像是否有雾-利用opencv/暗通道方法对深度学习目标检测算法结果进行二次识别提高准确率的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
