基斯卡人lmy

今天整理一下关于python安装第三方库的问题： 测试环境：win7-64位，python3.4.1（32位的） 问题1：python的位数和PC的位数不同如何选择第三方库？ 因为电脑的64位是兼容32位程序的，所以选择第三方库的时候要选择32位的和python保持一致，例如本次测试安装的opencv就是选择的opencv_python-3.1.0-cp34-cp34m-win32.whl

最近在gitChat上做了一个简短的教程，快速入门PyQt5和结合OpenCV的开发 地址：（http://gitbook.cn/gitchat/activity/5a433b3ffee1cd074a5cef06） 详细讲解了： PyQt5 的安装过程以及 pyqt5_tools 的安装过程 PyQt5 的快速入门讲解 OpenCV 的安装过程 PyQt5 如何结合 OpenCV 进行图

1. 背景1、为什么使用Python？ Python作为一种高效简洁的直译式语言非常适合来解决日常工作的问题。而且简单易学，初学者花不了几个小时就能入门。再加上Numpy和matplotlib这两个强大第三方包支持，Python对数据分析的能力不逊于Matlab。P另外很多软件都提供了Python接口。可以使用Python将不同的软件组成一个工作流，发挥每一个软件最大的优势而完成一个复杂的...

1. 前言大多数的OpenCV应用程序需要将图像作为输入参数，同时也会将图像作为返回的结果。一个交互式的OpenCV应用程序很可能就是将摄像头或者视频文件又或者图像文件又或是原始字节(raw byte)等作为输入参数，通过窗口显示输出结果。 2. 正文1、 图像文件的读取、显示以及保存 1.1 读取图像 函数：cv2.imread()，有两个参数，参数1是要读入的图像文...

前言从概念上讲，一个字节能表示0到255的整数。目前，对于所有的实施图像应用而言，虽然有其他的便是形式，但一个像素通常有每个通道的一个字节表示。一个OpenCV图像是.array类型的二维或三维数组。8位的灰度图像是一个含有字节值的二维数组。一个24位的BGR图像是一个三维数组，它也包含了字节值。即可以使用表达式进行访问这些值。 本章讲述两个内容，一是图像的基础操作，而是图像上的算术运算...

前言本章内容都是和图像处理相关的，学习颜色空间的变换，几何变换，图像平滑，形态学变换，边缘检测，轮廓检测等知识。正文1、 颜色空间转换 OpenCV中有数百种关于不同颜色空间之间的转换的方法。当前计算机视觉中有三种常用的色彩空间：灰度、BGR以及HSV； .灰度色彩空间是通过去除彩色信息来将其转换成灰阶，灰度色彩空间对中间处理特别有效，例如人脸检测 .BGR，即蓝-绿-红色彩...

前言本章内容继续上一节，因为内容比较多，所以分成了两节来讲述，都是和图像处理相关的，本节主要学习图像直方图，图像变换，模板匹配，分水岭算法等知识。正文1、 图像直方图 通过图像直方图可以对整幅图像的灰度值有一个整体的了解，直方图的x轴是灰度值(0到255),y轴是图片中具有相同灰度值的点的数目。直方图就是对图像的另一种解释。通过直方图可以对图像的对比度，亮度，灰度分布等有一个直观...

前言OpenCV可以检测图像的主要特征，然后提取这些特征，使其成为图像描述符，这就类似与人的眼睛与大脑。这些图像特征可以作为图像搜索的数据库。可以利用关键点将图像拼接起来，组成一个更大的图像。本章将介绍如何使用OpenCV来检测图像特征，并利用这些特征进行图像匹配和搜索等；正文1、 理解图像特征和特征描述 特征就是有意义的图像区域，该区域具有独特性或易于识别性。因此角点以及高密度...

前言目标跟踪是对摄像头视频中的移动目标进行定位的过程，对视频的处理分析也越来越成为计算机视觉的主流，而本质上视频是由一帧帧的图像组成，所以视频处理最终还是要归结于图像处理。关于视频帧如何获取的，在GUI特性那一章节已经说过，这里不再讲述。正文1、 基本的运动检测 为了检测视频中的目标物体，首要任务就是识别视频帧中耳钉那些可能包含移动目标的区域。有不少实现视频目标检测的办法；例如，...

前言使计算机视觉成为极具吸引力学科的原因之一就是：它正在逐步的变成现实，人脸检测就是例证。在现实生活中人脸检测可用于各行各业，而OpenCV提供了人脸检测的算法。 本节会讲述OpenCV中人脸检测函数以及如何识别人脸。正文1、 Haar级联 人脸检测技术主要涉及到Haar特征、积分图和Haar级联三大类。Haar特征分为四类：边缘特征、线性特征、中心特征和对角线特征，将这些特征...

首先看些效果如下： 具体代码如下：if __name__ == '__main__': from muban import Ui_Formelse: from muban.muban import Ui_Formfrom PyQt5.QtWidgets import QWidget, QFileDialogfrom PyQt5.QtCor

本人做了一个PyQt5完美结合OpenCV的gitChat 使用微信扫描关注，前十名限时免费哦

即上次说了OpenCV中的轮廓的理论知识，接下来做个小工具去实现这些功能，包含之前的轮廓检测以及图像金字塔。由于时间有限拉普拉斯金字塔没有实现，还有轮廓的性质没有获取显示出来，这里讲给出源码，有兴趣的可以自行添加。 本人运行的环境是：python3.6 PyQt5.9 Matplotlib openCV3 等 效果如图所示： mian.py # -*- coding:utf-8

继上次说了图像画几何图形和文字，以及视频文件的处理显示，这次要说的事图像的颜色空间变换、几何变换（平移，缩放，旋转，仿射，视角等），阈值处理等，同样是结合PyQt5，opencv，matplotlib等技术。 1、 首先做了个颜色空间转换的小工具（BGR–>HSV的） 设置好阈值的上下限即可点击物体跟踪，会显示一个视频窗口如图。 不知道如何设置HSV值的可以用上面的小工具进行换算 2、

最近在学习OpenCV相关的技术，综合下来写个OpenCV简单操作的项目： 可以显示视频，摄像头等 如图： 显示图像，并使用OpenCV画各种图像和文字： 还可以设置单个像素点的值，以及获取图像的各种属性实现了简单的颜色调节板，右上角有需要相关教程的以及源码的请移步： http://download.csdn.net/download/eric_lmy/10118547和 htt

图像模糊实现了平均模糊、高斯模糊、中值模糊，双边模糊： 以及形态学变换

1、 Canny边缘检测噪声去除 由于边缘检测很容易受到噪声影响，所以第一步使用5x5的高斯滤波器去除噪音。 计算图像梯度 对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数（图像梯度）（Gx和Gy）。根据得到的两幅梯度图（Gx和Gy）找到边界的梯度和方向。公式如下： 梯度 梯度的方向一般总是与边界垂直。梯度方向被归为四类：垂直，水平，和两个对角线。 非极大值抑制

a) 初始轮廓1.什么是轮廓 轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。 为了更准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理或者Canny边界检测。 查找轮廓的函数会修改原始图像（若不想可使用img.copy()函数）。在OpenCV中，查找轮廓就像在黑色背景中找白色物体。So要找的物体应该是白色，而背景应该是黑色。 查找

也就是傅里叶变换。傅里叶变换经常用来分析不同滤波器的频率特性。可以使用2D离散傅里叶变换(DFT)分析图像的频域特性。实现DFT的一个快速算法称为快速傅里叶变换(FFT)。对于一个正弦信号：x(t) = Asin(2πft),它的频率为f，如果把这个信号转到它的频域表示，我们会在频率f中看到一个峰值。如果我们的信号是由采样产生的离散信号组成的，我们会得到类似的频谱图，只不过前面是连续的，现在是离散的

由于以前写的基础知识没有配写代码：http://download.csdn.net/download/eric_lmy/10121771 现在讲代码配上：显示效果如下：http://blog.csdn.net/Eric_lmy/article/details/78553354 推荐一个GitChat（赶紧领取，前十名免费，速速领取） 使用环境是：python3.6 opencv matpl

做着纯属训练自己的技能，首先说下具体实现功能就是，从客户端传送一张身份证的正面照片给服务器，然后返回身份证的号码回来。部分代码在上一篇文章稍作修改，话不多说看代码：先看下server做了哪些修改：# -*- coding:utf-8 -*-import imagerecognition_pb2import imagerecognition_pb2_grpcimport timeimpo...