qq_40280673的博客

摘要 本文介绍了一种基于ArUco标记的图像透视校正方法，可解决手机斜拍导致的几何形变问题。核心步骤包括： ArUco标记原理：ArUco是一种黑白方形基准标记，通过内部编码存储ID信息，用于快速识别标记位置和方向。 校正机制：在模板四角布置不同ID的ArUco标记，程序通过识别ID确定模板方向，建立原图与标准模板的角点对应关系。 实现流程： 生成4个6×6编码的ArUco标记（ID 10-13） 检测图像中的标记ID和亚像素角点 通过内侧角点建立坐标映射 计算单应矩阵进行透视变换 使用warpPerspe

ONNX Runtime C++ 部署 YOLO 目标检测模型 本文详细介绍了在 Windows 环境下使用 C++ 和 ONNX Runtime 部署 YOLO 目标检测模型的完整流程。主要内容包括： 环境准备：使用 VS2019 x64、OpenCV 4.10.0 和 ONNX Runtime 1.27.0 GPU 版本 ONNX Runtime 下载配置：解压预编译包并设置系统环境变量 VS项目配置：包含目录、库目录和附加依赖项的详细设置 模型推理实现：YOLO 预处理、推理和后处理的关键代码说明 部

OpenCV 5.0正式版发布，带来架构升级与功能优化。本次更新重点包括：彻底移除1.x时代的C API，最低C++标准升级至17；模块重组（如拆分calib3d、迁移ml/gapi到contrib）；DNN模块强化ONNX支持，移除Caffe/Darknet解析器；图像变换（warpAffine等）精度提升；putText支持TrueType字体，改善中文显示。Python用户接口变化较小，但需注意模块迁移和安装方式调整。此次版本更侧重现代化重构而非功能堆砌，建议开发者关注接口兼容性调整，工业项目应优先转

本文详细介绍了在Ubuntu系统中通过CMake编译安装OpenCV的全流程。主要内容包括：下载OpenCV源码、安装编译工具与依赖库、使用CMake配置生成Makefile、执行make编译源码等关键步骤。文章提供了发布模式和调试模式两种配置方案，并解析了各命令参数作用，帮助开发者快速搭建OpenCV开发环境。通过图文结合的方式，详细展示了每个操作环节的终端输出，便于读者对照验证。最终编译生成的OpenCV库可应用于计算机视觉项目开发，为后续VSCode配置提供基础支持。

本文介绍了在Qt项目中直接使用OpenCV官网预编译包的方法，适用于MSVC编译器用户。首先从官网下载Windows版本OpenCV安装包并完成安装；随后添加系统环境变量指向OpenCV的bin目录。接着安装Visual Studio（2019版）并下载对应的MSVC编译器组件。最后在Qt Creator中创建项目时选择MSVC构建套件，配置编译器选项（推荐amd64用于64位程序开发）。通过这种预编译包集成方式，开发者可省去繁琐的CMake编译过程，快速实现Qt与OpenCV的联合开发环境搭建。

本文介绍了在Windows下使用CMake编译OpenCV源码并集成到Qt环境中的完整流程。主要包括：下载OpenCV源码包、配置系统环境变量、通过CMake构建MinGW版本（需手动勾选WITH_OPENGL和WITH_QT选项）、取消不必要的WITH_PROTOBUF依赖以简化编译过程。教程提供了详细的图文步骤说明，并推荐使用预编译好的资源包（包含OpenCV、ade、ffmpeg等依赖）来避免环境差异导致的问题。编译完成的OpenCV库可完美支持Qt的MinGW开发环境，解决官方预编译包仅支持MSVC

本文介绍了OpenCV 4.10.0版本的下载与在Visual Studio中的配置方法。首先详细解析了官网提供的各平台预编译包（Android、iOS、Windows等）和源码包的区别及适用场景。针对Windows平台，重点演示了通过.exe安装程序获取预编译库的步骤。接着完整展示了在Visual Studio中配置OpenCV开发环境的过程，包括添加包含目录、库目录以及链接器设置，并说明Debug和Release模式下的不同配置。最后提供了项目属性配置的具体截图指导，帮助开发者快速搭建开发环境。

C++ OpenCV Canny边缘检测，使用Trackbar滑动条选择最佳参数

解决VSCode中运行代码时终端中不显示问题

VSCode中配置并快速使用第三方OpenCV库

Windows上VSCode中配置MinGW、C++和手动自编译安装OpenCV。

自定义批量修改图像位深度

函数可以对图像进行线性滤波。该函数使用指定的卷积核对输入图像进行卷积，以计算输出图像中每个像素的值。参数表示在将结果存储到输出图像之前添加到每个像素的可选值，cv::filter2D 函数可以对图像进行线性滤波。参数表示边界填充类型。参数表示输出图像的深度，

C++ OpenCv提供了函数calcHist()，可以很方便的帮助我们统计一幅8Bit图像的直方图，但是对于10Bit，12Bit，14Bit，16Bit，24Bit，32Bit等高位图像就不适用了，无法统计，这时候就需要我们自己手写代码统计高位图像的直方图。

C++ OpenCv中提供的函数calcHist()可以很方便的帮助我们统计一幅8Bit图像的直方图，但是有时候我们不想用OpenCv提供的函数来统计，想自己根据自己的需求来做一个统计，那么看这个教程就对了，学会这种方法不仅是8Bit图像可以自己手写统计，10Bit，12Bit，14Bit，16Bit，24Bit，32Bit等图像，都可以自己手写代码实现直方图统计并显示出来。关于16Bit图像直方图统计并显示的具体教程，看我下一篇文章。