OpenCV3 和 Qt5 计算机视觉 学习笔记 - 颜色和色彩空间 - OpenCV 中的过滤函数

最新推荐文章于 2024-05-21 22:46:24 发布
最新推荐文章于 2024-05-21 22:46:24 发布
阅读量579 收藏 10
点赞数 2
分类专栏： Qt 学习 opencv 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/TM1695648164/article/details/119420522
版权

OpenCV 中的所有过滤函数均会拍摄图像，并产生尺寸和通道完全相同的图像。 如前所述，它们也都带有borderType参数，我们刚刚完成了实验和学习。 除此之外，每个过滤函数都有自己的必需参数来配置其行为。 这是可用的 OpenCV 过滤函数的列表及其说明和使用方法。 在列表的最后，您可以找到一个示例插件（称为filter_plugin）及其源代码的链接，其中包括以下列表中提到的大多数过滤器，并带有 GUI 控件以试验不同的参数和设置。 为每一个：

  • bilateralFilter：可用于获取图像的Bilateral Filtered副本。 根据σ值和直径，您可以获得的图像看上去可能与原始图像没有太大差异，或者获得的图像看起来像卡通图像（如果σ值足够高）。 这是bilateralFilter函数作为我们的应用的插件工作的示例代码：
        bilateralFilter(inpMat,outMat,15,200,200);

在这里插入图片描述

//tag 选项
#define BILATERAL_FILTER_PAGE           0
#define BLUR_FILTER_PAGE                1
#define BOX_FILTER_PAGE                 2
#define GAUSSIAN_FILTER_PAGE            3
#define MEDIAN_FILTER_PAGE              4
#define FILTER2D_PAGE                   5
#define DERIVATIVES_PAGE                6
#define MORPH_PAGE                      7

设置插件的界面
void Filter_Plugin::setupUi(QWidget *parent)
{
    ui = new Ui::PluginGui;
    ui->setupUi(parent);

    ui->mainTabs->setCurrentIndex(0);

    connect(ui->mainTabs, SIGNAL(currentChanged(int)), this, SLOT(on_mainTabs_currentChanged(int)));

    connect(ui->bilateralDiaSpin, SIGNAL(valueChanged(int)), this, SLOT(on_bilateralDiaSpin_valueChanged(int)));
    connect(ui->bilateralSigmaColorSpin, SIGNAL(valueChanged(double)), this, SLOT(on_bilateralSigmaColorSpin_valueChanged(double)));
    connect(ui->bilateralSigmaSpaceSpin, SIGNAL(valueChanged(double)), this, SLOT(on_bilateralSigmaSpaceSpin_valueChanged(double)));

    connect(ui->blurKernelSizeSpinBox, SIGNAL(valueChanged(int)), this, SLOT(on_blurKernelSizeSpinBox_valueChanged(int)));
    connect(ui->blurAnchoXSpin, SIGNAL(valueChanged(int)), this, SLOT(on_blurAnchoXSpin_valueChanged(int)));
    connect(ui->blurAnchoYSpin, SIGNAL(valueChanged(int)), this, SLOT(on_blurAnchoYSpin_valueChanged(int)));

    connect(ui->boxKernelSizeSpinBox, SIGNAL(valueChanged(int)), this, SLOT(on_boxKernelSizeSpinBox_valueChanged(int)));
    connect(ui->boxDepthSpin, SIGNAL(valueChanged(int)), this, SLOT(on_boxDepthSpin_valueChanged(int)));
    connect(ui->boxAnchoXSpin, SIGNAL(valueChanged(int)), this, SLOT(on_boxAnchoXSpin_valueChanged(int)));
    connect(ui->boxAnchoYSpin, SIGNAL(valueChanged(int)), this, SLOT(on_boxAnchoYSpin_valueChanged(int)));
    connect(ui->boxNormalCheck, SIGNAL(toggled(bool)), this, SLOT(on_boxNormalCheck_toggled(bool)));

    connect(ui->gaussKernelSizeSpinBox, SIGNAL(valueChanged(int)), this, SLOT(on_gaussKernelSizeSpinBox_valueChanged(int)));
    connect(ui->gaussSigmaXSpin, SIGNAL(valueChanged(double)), this, SLOT(on_gaussSigmaXSpin_valueChanged(double)));
    connect(ui->gaussSigmaYSpin, SIGNAL(valueChanged(double)), this, SLOT(on_gaussSigmaYSpin_valueChanged(double)));

    connect(ui->medianApertureSpin, SIGNAL(valueChanged(int)), this, SLOT(on_medianApertureSpin_valueChanged(int)));

    connect(ui->derivSobelRadio, SIGNAL(toggled(bool)), this, SLOT(on_derivSobelRadio_toggled(bool)));
    connect(ui->derivScharrRadio, SIGNAL(toggled(bool)), this, SLOT(on_derivScharrRadio_toggled(bool)));
    connect(ui->derivLaplacRadio, SIGNAL(toggled(bool)), this, SLOT(on_derivLaplacRadio_toggled(bool)));
    connect(ui->derivDeltaSpin, SIGNAL(valueChanged(double)), this, SLOT(on_derivDeltaSpin_valueChanged(double)));
    connect(ui->derivScaleSpin, SIGNAL(valueChanged(double)), this, SLOT(on_derivScaleSpin_valueChanged(double)));

    ui->morphShapesCombo->addItems(
                QStringList() << "MORPH_RECT" << "MORPH_CROSS" << "MORPH_ELLIPSE");
    ui->morphTypesCombo->addItems(
                QStringList() << "MORPH_ERODE" << "MORPH_DILATE" << "MORPH_OPEN" << "MORPH_CLOSE"
                << "MORPH_GRADIENT" << "MORPH_TOPHAT" << "MORPH_BLACKHAT");
    connect(ui->morphDilateRadio, SIGNAL(toggled(bool)), this, SLOT(on_morphDilateRadio_toggled(bool)));
    connect(ui->morphErodeRadio, SIGNAL(toggled(bool)), this, SLOT(on_morphErodeRadio_toggled(bool)));
    connect(ui->morphMorphRadio, SIGNAL(toggled(bool)), this, SLOT(on_morphMorphRadio_toggled(bool)));
    connect(ui->morphIterSpin, SIGNAL(valueChanged(int)), this, SLOT(on_morphIterSpin_valueChanged(int)));
    connect(ui->morphShapesCombo, SIGNAL(currentIndexChanged(int)), this, SLOT(on_morphShapesCombo_currentIndexChanged(int)));
    connect(ui->morphTypesCombo, SIGNAL(currentIndexChanged(int)), this, SLOT(on_morphTypesCombo_currentIndexChanged(int)));
}

void Filter_Plugin::processImage(const cv::Mat &inputImage, cv::Mat &outputImage)
{
    using namespace cv;
    Matx33f f2dkernel;

    switch(ui->mainTabs->currentIndex())
    {
	// 双边滤波
    case BILATERAL_FILTER_PAGE:
        bilateralFilter(inputImage, // 输入图像，可以是Mat类型，图像必须是8位或浮点型单通道、三通道的图像
                        outputImage,//输出图像，和原图像有相同的尺寸和类型
                        ui->bilateralDiaSpin->value(), //表示在过滤过程中每个像素邻域的直径范围。如果这个值是非正数，则函数会从第五个参数sigmaSpace计算该值。 
                        ui->bilateralSigmaColorSpin->value(), // 颜色空间过滤器的sigma值，这个参数的值月大，表明该像素邻域内有越宽广的颜色会被混合到一起，产生较大的半相等颜色区域。
                        ui->bilateralSigmaSpaceSpin->value());//坐标空间中滤波器的sigma值，如果该值较大，则意味着越远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0时，d指定了邻域大小且与sigmaSpace无关，否则d正比于sigmaSpace. （这个参数可以理解为空间域核w_d的\sigma_d）
        break;

    case BLUR_FILTER_PAGE:
        blur(inputImage,
             outputImage,
             Size(ui->blurKernelSizeSpinBox->value(),
                  ui->blurKernelSizeSpinBox->value()),
             Point(ui->blurAnchoXSpin->value(),
                   ui->blurAnchoYSpin->value()));
        break;

    case BOX_FILTER_PAGE:
        boxFilter(inputImage,
                  outputImage,
                  ui->boxDepthSpin->value(),
                  Size(ui->boxKernelSizeSpinBox->value(),
                       ui->boxKernelSizeSpinBox->value()),
                  Point(ui->boxAnchoXSpin->value(),
                        ui->boxAnchoYSpin->value()),
                  ui->boxNormalCheck->isChecked());

        // replace with sqrBoxFilter
        break;

    case GAUSSIAN_FILTER_PAGE:
        GaussianBlur(inputImage,
                     outputImage,
                     Size(ui->gaussKernelSizeSpinBox->value(),
                          ui->gaussKernelSizeSpinBox->value()),
                     ui->gaussSigmaXSpin->value(),
                     ui->gaussSigmaYSpin->value());
        break;

    case MEDIAN_FILTER_PAGE:
        medianBlur(inputImage,
                   outputImage,
                   ui->medianApertureSpin->value());
        break;

    case FILTER2D_PAGE:
        f2dkernel = Matx33f(0, +1.5, 0,
                            +1.5, -6, +1.5,
                            0, +1.5, 0);

        filter2D(inputImage,
                 outputImage,
                 -1, // Output should have same depth as source
                 f2dkernel,
                 Point(-1,-1));
        break;

    case DERIVATIVES_PAGE:
        if(ui->derivSobelRadio->isChecked())
            Sobel(inputImage, outputImage, -1, 1, 1, 3, ui->derivScaleSpin->value(), ui->derivDeltaSpin->value());
        else if(ui->derivScharrRadio->isChecked())
            Scharr(inputImage, outputImage, -1, 1, 0, ui->derivScaleSpin->value(), ui->derivDeltaSpin->value());
        else if(ui->derivLaplacRadio->isChecked())
            Laplacian(inputImage, outputImage, -1, 3, ui->derivScaleSpin->value(), ui->derivDeltaSpin->value());
        break;

    case MORPH_PAGE:
        if(ui->morphErodeRadio->isChecked())
        {
            erode(inputImage,
                  outputImage,
                  getStructuringElement(ui->morphShapesCombo->currentIndex(),
                                        Size(5,5)),
                  Point(-1,-1),
                  ui->morphIterSpin->value());
        }
        else if(ui->morphDilateRadio->isChecked())
        {
            dilate(inputImage,
                   outputImage,
                   getStructuringElement(ui->morphShapesCombo->currentIndex(),
                                         Size(5,5)),
                   Point(-1,-1),
                   ui->morphIterSpin->value());
        }
        else if(ui->morphMorphRadio->isChecked())
        {
            morphologyEx(inputImage,
                         outputImage,
                         ui->morphTypesCombo->currentIndex(),
                         getStructuringElement(ui->morphShapesCombo->currentIndex(),
                                               Size(5,5)),
                         Point(-1,-1),
                         ui->morphIterSpin->value());
        }
        break;

    }
}
  • blur，boxFilter，sqrBoxFilter，GaussianBlur和medianBlur：这些均用于获取输入图像的平滑版本。 所有这些函数都使用核大小参数，该参数与直径参数基本相同，并且用于确定从中计算出滤波后像素的相邻像素的直径。 （尽管我们没有了解它们的详细信息，但是这些过滤器函数与我们在本书前面各章中使用的过滤器函数相同。）GaussianBlur函数需要提供高斯核标准差（σ）参数，在X和Y方向上。 （有关这些参数的数学来源的足够信息，请参阅 OpenCV 文档。）实际上，值得注意的是，高斯过滤器中的核大小必须为奇数和正数。 同样，如果核大小也足够高，较高的σ值只会对结果产生重大影响。 以下是提到的平滑过滤器的几个示例（左侧为GaussianBlur，右侧为medianBlur），以及示例函数调用：
 		Size kernelSize(5,5); 
        blur(inpMat,outMat,kernelSize); 
        int depth = -1; // output depth same as source 
        Size kernelSizeB(10,10); 
        Point anchorPoint(-1,-1); 
        bool normalized = true; 
        boxFilter(inutMat,outMat,depth, 
           kernelSizeB,anchorPoint, normalized); 
        double sigma = 10; 
        GaussianBlur(inpMat,outMat,kernelSize,sigma,sigma); 
        int apertureSize = 10; 
        medianBlur(inpMat,outMat,apertureSize);

在这里插入图片描述

  • filter2D：此函数可用于将自定义过滤器应用于图像。 您需要为此函数提供的一个重要参数是核矩阵。 此函数非常强大，它可以产生许多不同的结果，包括与我们先前看到的模糊函数相同的结果，以及许多其他过滤器，具体取决于提供的核。 这里有几个示例核，以及如何使用它们以及生成的图像。 确保尝试使用不同的核（您可以在互联网上搜索大量有用的核矩阵），并亲自尝试使用此函数：
  // Sharpening image 
        Matx33f f2dkernel(0, -1, 0, 
                         -1, 5, -1, 
                          0, -1, 0); 
        int depth = -1; // output depth same as source 
        filter2D(inpMat,outMat,depth,f2dkernel); 

        ***** 

        // Edge detection 
        Matx33f f2dkernel(0, +1.5, 0, 
                          +1.5, -6, +1.5, 
                          0, +1.5, 0); 
        int depth = -1; // output depth same as source 
          filter2D(inpMat,outMat,depth,f2dkernel);

在这里插入图片描述

  • Laplacian，Scharr，Sobel和spatialGradient：这些函数处理图像导数。 图像导数在计算机视觉中非常重要，因为它们可用于检测图像中具有变化或更好的是显着变化的区域（因为这是导数的用例之一）。 无需过多地讨论其理论和数学细节，可以提及的是，在实践中，它们用于处理边缘或角点检测，并且在 OpenCV 框架中被关键点提取方法广泛使用。 在前面的示例和图像中，我们还使用了导数计算核。 以下是一些有关如何使用它们以及产生的图像的示例。 屏幕截图来自Computer_Vision项目和filter_plugin，此列表后不久有一个链接。 您始终可以使用 Qt 控件（例如旋转框，刻度盘和滑块）来获取 OpenCV 函数的不同参数值，以更好地控制该函数的行为：
        int depth = -1; 
        int dx = 1; int dy = 1; 
        int kernelSize = 3; 
        double scale = 5; double delta = 220; 
        Sobel(inpMat, outMat, depth,dx,dy,kernelSize,scale,delta);

在这里插入图片描述

如果我们使用以下代码：

        int depth = -1; 
        int dx = 1; int dy = 0; 
        double scale = 1.0; double delta = 100.0; 
        Scharr(inpMat,outMat,depth,dx,dy,scale,delta);

在这里插入图片描述

对于以下代码：

        int depth = -1; int kernelSize = 3; 
        double scale = 1.0; double delta = 0.0; 
        Laplacian(inpMat,outMat,depth, kernelSize,scale,delta);

在这里插入图片描述

  • erode和dilate：从它们的名称可以猜出这些函数，它们对于获得腐蚀和膨胀效果很有用。 这两个函数都采用一个结构元素矩阵，可以通过简单地调用getStructuringElement函数来构建它。 （可选）您可以选择多次运行该函数（或对其进行迭代），以获得越来越腐蚀或膨胀的图像。 以下是如何同时使用这两个函数及其生成的图像的示例：
        erode(inputImage, 
        outputImage, 
        getStructuringElement(shapeComboBox->currentIndex(), 
        Size(5,5)), // Kernel size 
        Point(-1,-1), // Anchor point (-1,-1) for default 
        iterationsSpinBox->value());

在这里插入图片描述

在这里插入图片描述

您可以将完全相同的参数传递给dilate函数。 在前面的代码中，假设使用组合框小部件获取结构元素的形状，该小部件可以是MORPH_RECT，MORPH_CROSS或MORPH_ELLIPSE。 同样，通过使用旋转框小部件设置迭代计数，该小部件可以是大于零的数字。

让我们继续下一个函数：

  • morphologyEx

    ：此函数可用于执行各种形态学操作。 它需要一个操作类型参数以及我们在

    dilate

    和

    erode

    函数中使用的相同参数。 以下是可以传递给

    morphologyEx

    函数的参数及其含义：

    • MORPH_ERODE：产生与erode函数相同的结果。

    • MORPH_DILATE：产生与dilate函数相同的结果。

    • MORPH_OPEN：可用于执行打开操作。 这与对侵蚀的图像进行放大相同，对于消除图像中的细微伪影很有用。

    • MORPH_CLOSE：可用于执行关闭操作。 它与侵蚀膨胀的图像相同，可用于消除线条中的细小断开等。

    • MORPH_GRADIENT：此函数提供图像的轮廓，并且与同一图像的侵蚀和膨胀版本的区别相同。

    • MORPH_TOPHAT：可用于获取图像与其打开的变形之间的差异。

    • MORPH_BLACKHAT：这可以用来获取图像关闭和图像本身之间的差异。

              morphologyEx(inputImage, 
            outputImage, 
            morphTypeComboBox->currentIndex(), 
            getStructuringElement(shapeComboBox->currentIndex(), 
            Size(5,5)), // kernel size 
            Point(-1,-1), // default anchor point 
        iterationsSpinBox->value());

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

虾球xz
关注
  • 2
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
opencv3和Qt5源代码
01-25
opencv3和Qt5计算机视觉应用开发的源代码
源代码Computer Vision with OpenCV 3 and Qt5
07-25
Code to accompany Computer Vision with OpenCV 3 and Qt5: Build visually appealing, multithreaded, cross-platform computer vision applications
qt结合opencv图像处理————颜色空间转换
最新发布
m0_46704925的博客
05-21 846
图像处理中的颜色空间转换是一个非常重要的概念。不同的应用场景可能需要使用不同的颜色空间,因此需要进行颜色空间的转换。常见的颜色空间包括:RGB（红绿蓝）颜色空间：这是最常见的颜色空间,大多数显示设备和图像格式都使用这种颜色空间。CMYK（青、品红、黄、黑）颜色空间：主要用于印刷和图像输出设备。HSV（色调、饱和度、明度）颜色空间：这种颜色空间更接近人类的感知,可以更直观地调整颜色。LAB（亮度、色度a、色度b）颜色空间：这种颜色空间更接近人眼的感知,可以更好地表示颜色的差异。
opencv GRB三通道颜色分离
故事就酒的博客
12-29 411
#include <iostream> #include <opencv2/highgui.hpp> #include <opencv2/core.hpp> using namespace std; using namespace cv; int showPicture() { Mat img = imread("pic.jpg"); if (img.empty()) { cout << "opencv image failed!" <&l
基于Anaconda3+Opencv-Python+Qt5+Pycharm+pytorch开发环境的PyQt5相关项目开发源代码（1）
qq_50081337的博客
09-01 530
PyQt5学习： 代码1： import sys from PyQt5.QtWidgets import QApplication,QWidget if __name__ =='__main__': # 创建QApplication类的实例 app =QApplication(sys.argv) # 创建一个窗口 w =QWidget() # 设置窗口的尺寸 w.resize(1600,800) #移动窗口 w.move(300,300) # 设置窗口的标题...
OpenCV.SQR箱式滤波
kicinio的博客
11-11 886
SQR箱式滤波 SQR箱式滤波对滤波器内每个像素数值的平方求和，之后根据输入参数选择是否进行归一化操作。在OpenCV中该类的实现依赖于sqrBoxFilter 函数。下面是该函数的声明： sqrBoxFilter(src, dst, ddepth, ksize); 各参数解释 src 表示此操作的源(输入图像)的Mat对象。 dst 表示此操作的目标(输出图像)的Mat对象。 ddepth 表示输出图像深度的整数类型变量，值为-1表示与输入图像相同。 ksize 表示内核大小的Size对象
笔记：OpenCV3和Qt5 计算机视觉应用开发(二) 附带练习程序
03-23
在本篇笔记中，我们将深入探讨如何利用OpenCV3和Qt5进行计算机视觉应用的开发。这涵盖了《OpenCV3和Qt5 计算机视觉应用开发》一书中的第2章和第3章的核心概念及实践练习。OpenCV是一个强大的开源计算机视觉库，而Qt5...
笔记：OpenCV3和Qt5 计算机视觉应用开发(一) 附件程序
03-12
《OpenCV3和Qt5 计算机视觉应用开发》，书中第一章例程，书中一些细节没有提到。如果只按照书中操作，编译报错：Error while building/deploying project opencv (kit: Desktop Qt 5.9.5 GCC 64bit)，需要在.pro文件...
OpenCV 3和Qt5计算机视觉应用开发_源码,opencv和qt结合编程,CC++源码.zip
10-14
OpenCV 3与Qt5是两个在计算机视觉领域广泛应用的开源库。OpenCV是一个强大的计算机视觉库，提供了丰富的图像处理和计算机视觉算法，而Qt5则是一个跨平台的UI框架，用于开发用户友好的图形界面应用程序。将两者结合，...
Qt-5-和OpenCV-4-计算机视觉项目：Qt 5和OpenCV 4计算机视觉项目，由Packt发布
02-04
Qt-5-和OpenCV-4-计算机视觉项目：Qt 5和OpenCV 4计算机视觉项目，由Packt发布
OpenCV每日函数 图像过滤模块 (23) sqrBoxFilter函数
学以致用 知行合一
06-13 620
计算与过滤器重叠的像素值的归一化平方和。对于源图像中的每个像素 (x,y)，该函数计算与放置在像素 (x,y) 上的滤波器重叠的相邻像素值的平方和。非归一化方盒滤波器可用于计算局部图像统计信息，例如像素附近的局部方差和标准偏差。.........
QT窗口管理之堆栈窗体
07-26
本文档主要用于学习QT窗口管理中的堆栈窗体，需要了解QList、QLabel、QStackedWidget相关类的使用，以及信号与曹的使用
OpenCV每日函数 图像过滤模块 (22) spatialGradient空间梯度函数
学以致用 知行合一
06-13 951
使用 Sobel 算子计算 x 和 y 中的一阶图像导数。 相当于调用： Sobel( src, dx, CV_16SC1, 1, 0, 3 ); Sobel( src, dy, CV_16SC1, 0, 1, 3 );
opencv形态学梯度gradient
weixin_42764391的博客
04-08 230
#膨胀与腐蚀的差 #结果看上去就像前景物体的轮廓 import cv2 import numpy as np img = cv2.imread('1.jpg',0) #用numpy生产卷积核 kernel = np.ones((5,5),np.uint8) gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) cv2.imsh...
opencv基础篇 ——（七）边缘检测和图像锐化
零落年华的专栏
04-26 2055
锐化和边缘检测是图像处理中常用的两种技术，它们可以用来增强图像的特征以及检测图像中的边缘锐化是一种增强图像中细节和边缘的技术，它使图像中的过渡区域更加明显，从而提高图像的清晰度和对比度。常见的锐化方法包括拉普拉斯算子和高斯滤波器等。边缘检测是一种寻找图像中突变区域的技术，它可以帮助我们找到图像中不同区域之间的边界。常见的边缘检测算法包括 Sobel、Canny 和 Scharr 等。
Qt练手小项目之颜色提取器
dzhongjie的博客
03-16 1696
疫情结束，学习先行。今天的Qt练手小项目为颜色提取器。这个小应用相当简单，左侧是显示鼠标所在位置的颜色，右侧三个数值表示的是鼠标所在位置颜色的16进制值、RGB值和鼠标位置坐标。截图如下： 重要代码解析如下： 首先是获取鼠标位置，这里我们使用QCursor::pos()获取，然后将位置值传给第三个输入框。 QPoint mousePos ...
我的Qt作品（7）使用Qt+OpenCV实现图像轮廓提取，再用三阶贝塞尔曲线拟合成光滑线条/多边形拟合
$firecat利白的代码足迹$
11-24 4942
给一系列顶点，如果只是用直线将其中的各个点依次连接起来，最终形成一个折线图，这种很容易实现。但是现实中事物的变化往往具有连续的特性，即使是给定了一系列离散的点，基于以往的生活经验，人们也更愿意接受那种曲线连接的图。 计算机图形学中有一类很常用的曲线，俗称贝塞尔曲线。1962年，法国数学家Pierre Bézier第一个研究了这种矢量绘制曲线的方法，并给出了详细的计算公式，因此按照这样的公式绘制出来的曲线就用他的姓氏来命名是为贝塞尔曲线。很多程序语言都有实现贝塞尔曲线的API，而该曲线本身也拥有强大的近似其
第一部分 利用opencv基于hsv颜色的目标提取效果和python代码
娱乐至上的博客
05-23 2301
因为做毕设，想找个地方记录一下毕设当初写的东西。这是大二比赛的时候学弟给的滑动条的思路。 第一部分，HSV模型进行颜色提取 先放效果图： 图1 左右摄像头采集到的乒乓球图像 图 2 HSV模型颜色提取器 图 2 HSV模型提取的效果图 提取思路 HSV总共有三个通道，用数组表示为，[ h_min, s_min, v_min ] , [ h_max, s_max, v_max ] 。实际操作中用滑动条来逼近临界值，用二值化图像窗口直观去判断效果是否合适。 使用平台 jetracer pro kit 智
Qt中使用openCV修改图片局部颜色算法优化
m0_73443478的博客
03-14 213
Qt中使用openCV修改图片局部颜色算法优化
opencv3和qt5计算机视觉应用开发.pdf
12-09
《OpenCV3和Qt5计算机视觉...总之，《OpenCV3和Qt5计算机视觉应用开发》是一本非常实用的书籍，适合计算机视觉爱好者和开发者阅读，通过学习本书，读者能够掌握使用OpenCV3和Qt5进行计算机视觉应用开发的技巧和方法。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值