aggie4628的专栏

图像分类：给一张图像，和配置文件，这张图像的类型在配置文件中定义，根据这些条件，给出这张图像的分类。可以用DNN实现。不过DNN不支持训练只支持推理(推理：前向反馈；训练，反向传播。训练用Caffe Tensorflow Torch Darknet)。DNN的使用非常简单，就4步，如下图所示：代码如下：void main(){ //读取模型、配置、图像、分类文件 //googlenet 基于ImageNet数据集训练，支持1000个类别的数据分类 string protoF.

实现步骤与单目标跟踪一样，只是创建和初始化的时候用的是数组//创建：Create multitracker Ptr<MultiTracker> multiTracker = cv::MultiTracker::create();//初始化：initialize multitracker //add指定不同的方法 for(int i=0; i < bboxes.size(); i++) multiTracker->add(createTrackerByNa

很有趣的功能：左边是原始图，右边是结果图，是不是清晰很多。实现步骤：//1.模板+用户输入的图//2.ORB 特征检测，用15%的点做匹配//3.找H 矩阵//4.使用透视将拍的照变换到模板上Mat imReference = imread(path1); Mat img = imread(path2); int MAX_FEATURES = 500; float GOOD_MATCH_PERCENT = 0.15f; //2.ORB 特征检测，用15%的点做匹配 Mat im

根据ORB找描述子，之后进行匹配，如下图所示：主要是-BFMatcher是使用：Mat img1, img2, img11, img22; img1 = imread(path1); img2 = imread(path2); imshow("img1", img1); waitKey(0); //1.ORB检测 Ptr<ORB> orb = ORB::create(); //2.生成描述子 vector<KeyPoint> kp1, kp2; Ma.

ORB 主要是在快速关键点检测算法跟 BRIEF 描述子算法上改进而成的.据说性能比较好，计算要求低，适合全景图拼接。ORB用法示例：//关键点 keyPoint 图像中稳定的特征点 迁移、旋转、放缩等不变特性//描述子Descriptor 对关键点进行向量化、数值化描述//ORB 特征提取： 特征点检测Feature2D::detect()、描述子生成Feature2D::compute()、 //Feature2D::detectAndCompute()

主要应用于图像对齐。两张图片，角度不同，两张图片上相同位置标记-相关点。 一张图映射到另一张图。应用的最多的其实还是抠图，或者两图中的文本比较。上代码：Mat im_src, im_dst,h, im_out; im_src = imread(path_src); im_dst = imread(path_dst); //特定图片写死的 vector<Point2f> pts_dst{ Point2f(318, 256), Point2f(534, 372),Point2f(3

仿射变换：就是把一张图片做了平移-放大-旋转-错切等变换.被变换的矩阵就叫仿射变换矩阵。下图为平移(25,25)后的对象对比图。上代码：Mat image, warpMat, result; image = imread(path); //1.平移-偏移量(25,25) float warpMatValues[] = { 1.0,0.0,25.0, 0.0,1.0,25.0 }; warpMat = Mat(2, 3, CV_32F, warpMatValues);

下载OPenCV后，VS中配置：1.添加包含目录和库目录：2.添加库文件：以上如果不是用到深度学习框架，基本可以了。3.如果要用深度学习框架

OPenCV支持8种算法的目标跟踪，根据视频特点选择不同的算法。8种算法的实现步骤： 1.创建类对象： create() 2.对象初始化: init() 初始帧图像、跟踪目标的初始矩形框位置 此处用Rect2d 设置矩形框位置，或者手动选取矩形框 3.while循环 对视频进行逐帧处理 update(,) 矩形框在下一帧的位置 （新一帧图像，目标矩形框在新一帧图像上的位置） update实现所...

对于运动的视频，用Lucas-kanade进行跟踪，动态捕捉跟踪的目标。代码如下：string videoFileName = "videos/cycle.mp4"; VideoCapture cap(videoFileName); int width = cap.get(CAP_PROP_FRAME_WIDTH); int height = cap.get(CAP_PROP_FRAME_HEIGHT); VideoWriter out("sparse-output.mp4", .

对于一个出现抖动的视频，我们如何处理它让它不抖动呢？

场景不同，选择不同的算法

功能和应用场景：给一张人脸图片，检测一下这张图片上的人脸是否带眼镜。HOG特征描述子之类的基本概念就不赘述了。流程分两部分：一部分输入正负样本，自己训练模型；另一部分用训练好的模型文件检测： 其实所有的分类基本都是这个流程与步骤，关键在于模型文件的生成。 只是有一点不明：比如在进行行人检测时，都用的INRIA数据集，但是自己训练和OPENCV自带的模型出来的效果不一样。...

所谓形态学，就是膨胀腐蚀组合。开运算：先腐蚀后膨胀。能够排除小亮点。闭运算：先膨胀后腐蚀。能够排除小黑点。形态学梯度：膨胀图 — 腐蚀图。对二值图像进行这一操作，可将图块的边缘突出出来，故可用来保留物体边缘轮廓。...

前偏讲的是0-255的二值图像，Blob 是对灰度图像的检测。可根据面积、阈值、圆度、椭圆、凹凸性进行图像的过滤。实现步骤：//1.载入图片//2.设置检测参数//3.把检测的内容放入keyPoint中//4.画圆上代码：Mat img = imread("D:/OpenCVPrj/WangYi/MOpenCV_class4/images/blob_detection.jpg", IMREAD_GRAYSCALE); imshow("input", img); // Set u.

两个点：找到组件+标记它找到它：int nComponents = connectedComponents(imThresh, imLabels);标记转换：imLabels.convertTo(imLabels, CV_8U); Mat imColorMap; applyColorMap(imLabels, imColorMap, COLORMAP_JET);上代码// Read image as grayscale ...

1.数据源为8通道灰度图像2.外接矩形、边缘轮廓、中心点 3.周长、面积（几何积分值）4.最大、最小外接矩形5.外接圆，外接椭圆1.数据源为8通道灰度图像//转换成8通道cvtColor(image, imageGray, COLOR_BGR2GRAY);2.外接矩形、边缘轮廓、中心点 //mode：轮廓提取方式：RETR_EXTERNAL提取最外层，RETR_TREE 表示出其层次 //method:轮廓逼近方式：CHAIN_APPROX_S...

DNN-feedforward neural network 前馈神经网络RNN-Recurrent Neural Network 循环神经网络CNN-Convolutional Neural Networks 卷积神经网络DNN以向量形式输入CNN 比较好，图像领域和自然语言处理领域RNN 处理时序相关的序列问题...

1下载安装 python和pycharmhttps://www.python.org/downloads/release/python-379/2.安装OPENCV的插件file->settings->+->opencv-python3.代码import cv2cap = cv2.VideoCapture(0)# 3 宽度 4 高度 10 亮度qcap.set(3, 640)cap.set(4, 480)while True: suceess, .

pycharm+opencv+windows.import cv2import numpy as np'''1.读取图片print("package imported")img =cv2.imread("Resources/1.png")cv2.imshow("Output",img)cv2.waitKey(0)''''''2.视频cap=cv2.VideoCapture("Resources/钢琴1.mp4")while True: suceess,i...

应用：在视频中扫描车牌号，按下s键，可保存车牌到文件夹中。demoimport cv2nPlateCascade = cv2.CascadeClassifier("Resources/haarcascades/haarcascade_russian_plate_number.xml")img = cv2.imread("Resources/carNumber.jpg")minArea = 100color = (255,0,255)count=0while True: #视频..

视频流中出现了一个矩形，找到“最大目标区域”，并分屏显示出来了。左上为原始的视频，右上为“最大目标区域”，下方的视频也是“最大目标区域”以下是python 代码：import cv2import numpy as npwidthImg = 640heightImg = 480cap = cv2.VideoCapture(0)cap.set(3, widthImg)cap.set(4, heightImg)cap.set(10, 130)#1.合并def stackImag..

xml 下载地址：https://github.com/opencv/opencv/tree/master/data首先要有以上的XML，这是训练好的参照数据。之后很python 的代码很easy.import cv2faceCascade = cv2.CascadeClassifier("Resources/haarcascade_frontalface_default.xml")img = cv2.imread("Resources/faces.jpg")imgGray = cv2...

屏幕里只显示一种颜色。有4个屏幕，右上角为原始图像。左上，左下，右下的视窗分别定义为绿色、橘色、紫色。当原始视频中出现了这个颜色，相应的屏幕会出现视图。import cv2import numpy as npframeWidth = 640frameHeight = 480cap = cv2.VideoCapture(0)cap.set(3,frameWidth)cap.set(4,frameHeight)cap.set(10,130)myColors = [[5,107

import cv2import numpy as npdef stackImages(scale,imgArray): rows = len(imgArray) cols = len(imgArray[0]) rowsAvailable = isinstance(imgArray[0], list) width = imgArray[0][0].shape[1] height = imgArray[0][0].shape[0] if rowsAv...

'''import cv2import numpy as npdef stackImages(scale,imgArray): rows = len(imgArray) cols = len(imgArray[0]) rowsAvailable = isinstance(imgArray[0], list) width = imgArray[0][0].shape[1] height = imgArray[0][0].shape[0] if r...

这是按原图0.4比例，每行3张图片显示的。import cv2import numpy as np'''按比例缩放'''def stackImages(scale,imgArray): rows = len(imgArray) cols = len(imgArray[0]) rowsAvailable = isinstance(imgArray[0], list) width = imgArray[0][0].shape[1] height ...

import cv2import numpy as np'''画线、圈、文字画线 建一个全黑的矩阵'''img=np.zeros((512,512,3),np.uint8)#print(img) high width#img[200:300,100:300]=255,0,0#1.line 画线# 起点 终点 颜色cv2.line(img,(0,0),(300,300),(0,255,0),3)#img.shape[1] high i...

import cv2import numpy as np'''基本功能resize and cropping'''img = cv2.imread("Resources/1.png")print(img.shape)imgResize=cv2.resize(img,(1000,500))print(imgResize.shape)imgCropped=img[0:200,200:500]cv2.imshow("Image",img)cv2.imshow("Image Resiz.

import cv2import numpy as np'''基本功能灰度 模糊 canny边缘检测 膨胀 薄'''img = cv2.imread("Resources/1.png")kernel = np.ones((5,5),np.uint8)imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)imgBlur = cv2.GaussianBlur(imgGray,(7,7),0)imgCanny = cv2.Canny(img,100,1.

import cv2import numpy as np'''1.按坐标截取图片''''''img = cv2.imread("Resources/cards.jpg")#四张牌 4个坐标# pts1 需要截取图片的四点坐标 pts2 结果图坐标 matrix 存储pts2的像素width,height=250,350#pts1 = np.float32([[111,219],[287,188],[154,482],[352,440]])pts1 = np.float32([...