opencv_音视频博客-专业IT技术发表平台

推荐付费专栏 VIP文章

OpencvSharp 算子学习教案之 - Cv2.CountNonZero 摘要：本文介绍了OpenCVSharp中的Cv2.CountNonZero函数，该函数用于统计单通道数组中非零元素的个数。文章从函数用途、数学公式、参数含义、应用场景等方面进行了详细说明，并通过四个典型示例演示了其在二值掩码计数、有符号整数统计、浮点信号分析和全零边界检查等场景下的使用方法。该函数适用于图像处理、稀疏矩阵分析等任务，能够快速统计非零元素数量，但需注意仅支持单通道输入且对"非零"的判断是严格等于0的标准。

阅读 1.3k

35赞

保姆级教程：用OpenCV+Python搞定双目摄像头标定（附完整代码）本文提供了一份详尽的OpenCV+Python双目摄像头标定实战教程。从硬件准备、棋盘格制作、自动化图像采集，到单目与双目标定的核心原理与代码实现，手把手教你完成标定全过程，并附有完整的Python代码示例。掌握双目摄像头标定是进行三维视觉、机器人导航和立体测距等应用的关键基础。

阅读 737

15赞

【2026最新】Jetson全系列编译支持CUDA加速的OpenCV 4.10保姆级教程（适配Jetpack 6/5及Orin/Xavier/Nano等）在 NVIDIA Jetson 边缘计算平台上（如 Jetson AGX Orin, Orin NX, Xavier NX, Nano 等），官方默认预装的 OpenCV 通常是不支持 CUDA 加速的（仅 CPU 版本）。对于从事计算机视觉（CV）开发的工程师来说，无法利用 GPU 加速会极大地限制模型推理、图像预处理的效率。手动从源码编译 OpenCV 支持 CUDA 是一项繁琐的工作，涉及到大量的依赖项安装、CMake 参数配置以及路径设置，稍有不慎就会编译失败（例如常见的 G-API 模块报错）

阅读 1.5k

17赞

入门踩坑：OpenCV使用中常见错误及解决方案本文总结了OpenCV使用中的常见错误及解决方案，帮助开发者快速定位和解决计算机视觉开发中的问题。文章首先介绍了OpenCV错误处理的核心概念和重要性，包括算法效率提升、模型精度保障等关键点。随后详细讲解了技术原理，涵盖图像获取、处理、特征提取等技术栈，并提供了Python代码示例展示图像读取、灰度转换、边缘检测等基础操作。文章还列出了环境配置步骤和基础示例代码，包括图像读取显示和处理流程。通过掌握这些常见错误的解决方法，开发者可以显著提升OpenCV使用效率，构建更稳定可靠的计算机视觉应用系统。

阅读 1.6w

65赞

豆包粘贴到 word 格式混乱，AI 导出鸭高效解决导出难题 AI对话内容导出Word格式混乱终极解决方案针对AI生成内容粘贴至Word时出现的格式错乱、表格塌陷、代码乱码等问题，行业推出智能导出技术。核心方案通过语义解析+结构映射+智能排版三阶段处理，实现99.7%的版式完整率。实测显示，该技术将导出耗时从2小时压缩至10秒，支持多轮对话批量导出，适配公式/表格等复杂元素，提供全终端覆盖的一键标准化输出。相比传统方案，效率提升92%，成为解决AI办公"最后一公里"痛点的关键技术。

阅读 545

26赞

【实战】OpenCV Python双目相机标定全流程本文介绍了使用Python+OpenCV实现双目标定的完整流程，主要包括三个步骤：1)数据采集-同步获取左右相机棋盘格图像；2)参数计算-通过单目标定和双目标定获取相机内参、外参和畸变参数；3)立体校正-生成映射表使左右图像行对齐。文章详细说明了硬件准备、代码实现和关键注意事项，包括棋盘格检测、亚像素优化和立体校正验证等核心环节。最终可获得用于立体视觉的关键参数矩阵，为后续深度图计算和3D重建奠定基础。整个过程跳过复杂理论推导，注重实用实现，适合快速上手双目标定项目。

阅读 850

25赞

落花不写码

手把手教你完成基于YOLOv11+CNN车牌识别系统，Opencv车牌矫正，基于深度学习的车牌识别系统车牌识别系统是智能交通、安防监控等领域的关键技术，结合深度学习方法可提升识别模型准确率。传统方法依赖手工特征提取，而OpenCV的车牌矫正技术进一步优化倾斜或变形车牌的预处理，为后续识别提供高质量输入，基于 YOLOv11的目标检测与 CNN 分类器的结合，能够实现端到端的车牌定位与字符识别。

阅读 1.1w

78赞

入门实战：用OpenCV实现图像的亮度与对比度调整本文介绍了使用OpenCV进行图像亮度与对比度调整的核心技术。主要内容包括：1）基础概念，解释了亮度与对比度调整在计算机视觉中的重要性；2）技术原理，详细说明了OpenCV中的实现方法，包括像素操作和转换公式；3）实践应用，提供了环境配置指南和基础代码示例，展示图像读取、灰度转换和滤波处理等关键操作。文章强调掌握这些技能对于提升计算机视觉项目开发效率和质量的重要性，并给出了实际应用场景和最佳实践建议。

阅读 2.0w

65赞

非人眼视觉学者

使用VScode配置c++版本opencv(Windows端) 到此，VScode便可以对c++版opencv进行调用开发。然后，在 VS Code 中使用生成的三个。(3) launch.json文件。此时，VScode安装配置完成。此时，MinGW安装完成。此时，项目配置完成。

阅读 2.2k

35赞

激动的心颤抖的手，终于领到了8元现金券直接输入口令“千问新用户专属885779”

阅读 92

0赞

OpencvSharp 算子学习教案之 - Cv2.Multiply 摘要： OpenCvSharp中的Cv2.Multiply函数用于实现矩阵的逐元素乘法（非矩阵乘法），支持缩放系数和类型转换。典型应用场景包括像素强度调整（8U类型会饱和至255）、数值归一化（通过scale参数）以及混合深度计算（需显式指定dtype提升精度）。使用时需注意输入矩阵尺寸一致，输出类型选择（如CV_32S可避免常规饱和），并区分其与矩阵乘法的差异。

阅读 1.1k

30赞

相机内参标定之OpenCV + Charuco 标定本文介绍了一种基于 OpenCV 与 ChArUco 标定板的摄像头标定方法。ChArUco 结合了 ArUco 标记易检测与棋盘格高精度角点的优点，可在复杂光照或棋盘不完全入镜的情况下稳定提取角点。文章给出了标定板生成、图像采集、角点检测及内参计算的完整流程，并提供了 Python 实现。实验在 1280×720 分辨率下完成，重投影误差约为 0.23 像素，结果表明该方法精度较高、鲁棒性较强，适合机器人视觉与 ROS 工程应用。

阅读 823

4赞

终极指南：使用LearnOpenCV构建隐私保护的视觉AI系统在当今数字化时代，视觉AI技术的应用日益广泛，但随之而来的隐私保护问题也备受关注。LearnOpenCV作为一个专注于C++和Python示例的开源项目，为开发者提供了构建隐私保护的视觉AI系统的完整工具集。本指南将详细介绍如何利用LearnOpenCV的强大功能，在保护用户隐私的前提下，开发高效、安全的视觉AI应用。## 隐私保护视觉AI的核心技术### 1. 人脸检测与匿名化人脸检

阅读 1.2k

16赞

老师好，我叫王同学

超详细OpenCV操作系统常用命令完全指南本文提供了OpenCV在各类操作系统中的完整使用指南，涵盖环境配置到高级应用的全面内容。主要内容包括：1. 环境安装（Python/C++/Windows/Linux）；2. 图像处理（读写/转换/显示/几何变换/滤波）；3. 视频处理（文件读写/摄像头操作）；4. 特征检测（边缘/角点/匹配）；5. 图像分割（轮廓/分水岭/GrabCut）；6. 高级功能（金字塔/直方图/模板匹配）；7. 性能优化技巧；8. 实用脚本示例；9. 故障排查方法。该指南包含200+实用命令和代码片段，适用于从基础到进阶的计算

阅读 956

31赞

【opencv高级教程】2.3 线性滤波与频域基础 articleweb_search:13#9web_search:13#0web_search:13#3web_search:13#5web_search:13#7web_search:13#10你有没有想过，Photoshop里的"模糊"功能到底在做什么？它不是在"涂抹"像素——而是在每个像素周围画一个窗口，把窗口里的颜色取个平均。这个看似简单的操作，背后藏着整个信号处理大厦的基石：卷积（Convolution）。别急，听起来很抽象对吧？让我们从一个你熟悉的概念开始：全连接层的矩阵乘法。在

阅读 1.4k

37赞

头发还很茂密

眼在手上外参标定保姆级教学---离线手眼标定（vscode + opencv）手眼标定的本质就是记录多组数据。所以也可以不用配置那么复杂的环境，直接在实验室中拖动机械臂本体，然后记录当前位姿，然后拍摄图片就行了，然后再把这些数据送到一个简单的算法执行器求解机械臂末端与相机的变换矩阵里就行了。

阅读 2.0k

37赞

进击ing小白

OpenCv中图像I/O和显示本文摘要： OpenCV图像与视频处理基础教程包含四部分内容：1)图像处理：详细介绍imread()读取、namedWindow()创建窗口、imshow()显示和imwrite()保存图像的方法；2)调试工具：推荐使用ImageWatch插件进行高效调试；3)视频处理：讲解VideoCapture读取视频/摄像头、VideoWriter写入视频以及视频属性获取方法；4)代码示例：提供完整的图像加载显示、视频播放和摄像头采集保存的代码实现。教程涵盖了OpenCV中最基础的I/O操作，包括参数说明、注意事项和

阅读 1.0k

27赞

树莓派摄像头与OpenCV集成：快速理解图像捕获流程深入讲解树莓派摄像头如何与OpenCV高效集成，掌握实时图像捕获的关键步骤与常见问题处理，提升项目开发效率。

阅读 690

30赞

腐国喵小姐

车牌识别模型实战：结合CNN与OpenCV 车牌识别技术作为一种计算机视觉的应用，经过数十年的发展，已成为智能交通系统不可或缺的一部分。这项技术主要通过分析车辆图像来自动识别车牌上的字符，目的是实现对车辆的有效管理和监控。OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，提供了丰富的图像处理功能。其核心模块包含图像处理、图像分析、结构分析、运动分析、对象跟踪、摄像机标定和3D重建等功能。OpenCV的一个突出优势是它的高效性，广泛应用于实时应用。

阅读 814

21赞

详解四大格式（PIL/OpenCV/NumPy/PyTorch）的转换原理与场景选择本文对比了PIL、OpenCV、NumPy和PyTorch四种图像处理格式的核心特性，包括数据类型、颜色通道、维度形状和数值范围差异。重点介绍了PIL与OpenCV之间的互转方法，以及它们与PyTorch张量的转换技巧，强调了通道顺序调整和维度变换的关键步骤。文章还提供了库选择指南，建议根据开发效率、性能需求和部署要求灵活选用Pillow或OpenCV，并总结了保持训练-部署一致性的最佳实践。核心要点包括正确处理通道顺序、善用torchvision转换工具、注意设备迁移以及保持处理管道一致性等实用建议。

阅读 1000

22赞

揭秘OpenCV透视变换背后的数学原理：如何推导并应用变换矩阵？掌握OpenCV透视变换的矩阵计算方法，轻松实现图像矫正与视角转换。详解四点对应关系求解单应性矩阵，涵盖应用场景与代码实现，精度高、效果稳定，值得收藏。

阅读 755

25赞

作者推荐

村北头的码农: c++程序员，目前从事人工智能领域相关工作

关注

格林威: 机器视觉领域优质创作者，专注于工业相机、智能相机、深度学习、机器视觉、图像处理、OpenCV、Halcon、人工智能领域

关注

E-An居士: 眼盛星河，目向远方，若无其事，野蛮生长。

关注

视觉算法小姥: 宇宙到底有多大？

关注

Wendy1441: 沉没成本不参与重大决策

关注

天天代码码天天: 微软MVP，CSDN博客专家，华为云开发者专家（HCDE），华为云云享专家，人工智能领域优质创作者，.NET 人工智能实践

关注

程序媛一枚~: 热爱是最好的学习动力。 Either outstanding or out. （要么出众，要么出局）

关注

ccut 第一混: 教我如何不想她

关注

佳木逢钺: 本人想象力爆棚，执行力强，敢调通各种代码，痴迷代码无法自拔，同时如果喜欢我的作品，麻烦你点个赞，往回至少一年每天更新。

关注

码王吴彦祖: OCR识别地址：http://yxlocr.nat300.top/ocr 个人v1249009450

关注