jiyanghao19的博客

③找到 OPENCV_EXTRA_MODULES_PATH 变量，选择我们刚才下载的opencv_contrib安装包里的modules文件夹。如果这个变量为空，只是安装了OpenCV的基础版。包含目录：D:\opencv_build\install\include，D:\opencv_build\install\include\opencv2。① (可选) 勾选 BUILD_opencv_world 主要是把所有的lib文件都弄到一个opencv_world450d.lib中方便配置。

2、从频域角度分析：不在是以时间为参照物了，而是这个事情的频率，1分钟放1块冰糖，2分钟放3粒红豆，3分钟放2粒绿豆，4分钟放4块西红柿，5分钟放1杯水。1、从时域分析：就是六点零一放了1块冰糖，3颗红豆，2颗绿豆，4块西红柿，1杯纯净水，六点零二放了1块冰糖。随着时间的变化一直在变化。结论：傅里叶变换后的白色部分（即幅度大的低频部分）表示图像中快变化的特性或者说是灰度变化缓慢的特性（低频部分）。傅里叶变换后的黑恶部分（即幅度低的高频部分），标识图像中快变化的特性，或者说是灰度变化快的特性（高频部分）。

在 O p e n C v OpenCvOpenCv 中算法不从最小值开始增长，可以将相对较高的灰度值像素作为起始点（需要用户手动标记），从标记处开始进行淹没，则很多小区域都会被合并为一个区域，这被称为基于图像标(mark)的分水岭算法。cv2.distanceTransform计算的是图像内非零值像素点到最近的零值像素点的距离，即计算二值图像中所有像素点距离其最近的值为 0 的像素点的距离。在使用cv::watershed函数进行分水岭算法分割时，需要先进行前期处理，包括图像的预处理和创建标记图像。

detectron2/detectron2/layers/csrc/nms_rotated/nms_rotated_cuda.cu” 文件中#include “…需要配置好相应版本的NVIDIA驱动、CUDA、Pytorch、visual studio，visual stdio2019是为了配置gcc g++的。编译的时候，我们遇到了“command ‘…/bin/nvcc.exe’ failed with exit status 1”，修改策略。可以查询自己的nvcc-v查询自己cuda版本，查看。

通过源码安装，我们可以安装指定版本的cmake。cmake官方为我们提供了各个版本的源码包，https://cmake.org/files/使用 git 指令获取本地副本：打开终端，切换到需存放 SDK 的工作目录下，输入 git clone 命令克隆远程仓库。对于 Linux 系统，可以使用包管理器安装，如：sudo apt-get install libssl-dev。根据界面提示切换至目录 /usr/local/PYTHON 并运行生成的 python 文件即可。当前测试是4.2.1。

带通滤光片的透过率曲线显示在特定波长范围内有高透过率，而在其他波长范围内透过率接近零。短波通滤光片的透过率曲线显示在特定波长以下有高透过率，而在该波长以上透过率接近零。长波通滤光片的透过率曲线显示在特定波长以上有高透过率，而在该波长以下透过率接近零。偏振滤光片的透过率曲线显示在特定偏振角度下有高透过率，而在其他角度透过率降低。中性密度滤光片的透过率曲线显示在所有波长范围内透过率均匀降低。定义：半带宽是指滤光片透过率达到最大值的一半时对应的波长范围。定义：中心波长是指带通滤光片透过率最高的波长。

【代码】机器人-新松。

分水岭分割 opencv

123131

c++ primer 摘录

首先选择Y方向最低的点作为起始点p0。从p0开始极坐标扫描，依次添加p1….pn（排序顺序是根据极坐标的角度大小，逆时针方向）。对每个点pi来说，如果添加pi点到凸包中导致一个左转向（逆时针方法）则添加该点到凸包，反之如果导致一个右转向（顺时针方向）删除该点从凸包中。InputArray points,// 输入候选点，来自findContoursOutputArray hull,// 凸包bool clockwise,// default true, 顺时针方向。

PYQT

通过得到的结果我们发现我们的模板匹配好像匹配区域与模板的尺寸是一致的，由此很容易产生误差，或是得到并不理想的区域，而在实际生活中，由于待测图像与摄像头之间的距离的变换，模板的大小因素的影响，若是想要得到较好的匹配结果，则需要我们实现自适应尺寸的模板匹配；由此，我们开始进行自适应尺寸的模板匹配，载入的模板图像，另其进入循环，每次循环缩放一定的比例，在进行模板匹配，最终我们得到了不同比例下的ROI区域，对所有的ROI区域与我们的模板图片进行相似度的比较，选出相似度最高的匹配图像，同时获得最佳的匹配比例；

opencv

矩阵

opencv

霍夫变换 圆 直线

头文件 quick_opencv.h：声明类与公共函数public ://自定义掩膜运算 void edge_process_Demo(Mat & image1);主函数调用return - 1;waitKey(0);return 0;charvoid filter2D(InputArray src , 输入图像。

介绍完图像的缩放和翻转后，接下来将要介绍图像的旋转，但是在OpenCV4中并没有专门用于图像旋转的函数，而是通过图像的仿射变换实现图像的旋转。实现图像的旋转首先需要确定旋转角度和旋转中心，之后确定旋转矩阵，最终通过仿射变换实现图像旋转。

我们在上一节程序中生成了一张只有黑色和白色的图像，这种“非黑即白”的图像像素的灰度值无论在什么数据类型中只有最大值和最小值两种取值，因此称其为二值图像。二值图像色彩种类少，可以进行高度的压缩，节省存储空间，将非二值图像经过计算变成二值图像的过程称为图像的二值化。在OpenCV4中提供了threshold()和adaptiveThreshold()两个函数用于实现图像的二值化，我们首先介绍threshold()函数的使用方法，该函数的函数原型在代码清单3-17中给出。