OpenCV——图片处理细节

已于 2023-05-03 18:47:43 修改
阅读量4.5k 收藏 24
点赞数 2
文章标签： opencv 计算机视觉 python
于 2022-09-09 18:12:48 首次发布
原文链接：https://blog.csdn.net/weixin_44415928/article/details/105033677
版权

目录

1. 读取图片 

2. 显示图片

3. 保存图片

4.提取彩色图片各个颜色通道

5.彩色图像转灰度图

5.1用opencv将图片转成灰度图

5.2 用opencv将批量图片转灰度图

6.顶帽变换

7.底帽变换

8.同态滤波

9.图片resize

目录

1. 读取图片

2. 显示图片

2.1 cv2.imshow()图像显示不全

3. 保存图片

4.提取彩色图片各个颜色通道

5.彩色图像转灰度图

5.1用opencv将图片转成灰度图

5.2 用opencv将批量图片转灰度图

6.顶帽变换

7.底帽变换

8.同态滤波

9.图片resize

9.1 单张图片resize

9.2 批量图片resize 

1. 读取图片

在OpenCV中使用cv2.imread()函数来加载图片，该函数的形式如下:

cv2.imread(path, flags)

flags:指定以何种方式加载图片，有三个取值：
cv2.IMREAD_COLOR:读取一副彩色图片，图片的透明度会被忽略，默认为该值，实际取值为1；
cv2.IMREAD_GRAYSCALE:以灰度模式读取一张图片，实际取值为0
cv2.IMREAD_UNCHANGED:加载一副彩色图像，透明度不会被忽略。

2. 显示图片

使用cv2.imshow()函数在一个窗口中显示图片，这个窗口自适应图片的大小,其形式如下:

cv2.imshow(winname, mat)

1. winame:一个字符串，表示创建的窗口名字，每一个窗口必须有一个唯一的名字；
2. mat:是一个图片矩阵，numpy.ndarray类型
另外需要注意：

cv2.waitKey()函数

如果没有cv2.waitKey()函数，图像不会显示（也许是一闪而过，我们人眼观察不到），cv2.waitKey()函数是一个键盘绑定函数（相当于让程序在这里挂起暂停执行），他接受一个单位为毫秒的时间，它等待指定时间的键盘事件，在指定时间内发生了键盘事件，程序继续执行，否则必须等到时间结束才能继续执行，参数如果为0表示等待无限长的事件。
cv2.destroyAllWindows()

用来销毁所有已经创建的窗口， 如果需要销毁指定窗口使用cv2.destroyWindow()函数，他接受一个表示窗口名字的名字。

如果我们想放大缩小窗口，必须单独用cv2.namedWindow(),并通过flag参数指定窗口模式为cv2.WINDOW_NORMAL,默认为cv2.WINDOW_AUTOSIZE.

一个放大缩小图片的例子

import numpy as np
import cv2

img = cv2.imshow('picture.jpg')
cv2.namedWindow('image')
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.1 cv2.imshow()图像显示不全

(50条消息) cv2.imshow()图像显示不全_m0_46483236的博客-CSDN博客

在cv2.imshow前加一句： cv2.namedWindow('input',cv2.WINDOW_NORMAL)

import cv2
 
img = cv2.imread('./01.bmp',1) # 0表示灰色图，1表示彩色图，默认为1
cv2.namedWindow('input',cv2.WINDOW_NORMAL)
cv2.imshow('input',img)
cv2.waitKey(0) #保持图像

3. 保存图片

使用cv2.imwrite()函数来保存图片，形式如下:

cv2.imwrite(filename, img)
  • filename: 保存文件的路径名
  • img: 表示图像的numpy.ndarray对象
  • 完整Python程序：
  • import numpy as np
import cv2

img = cv2.imread('messi5.jpg',0)
cv2.imshow('image',img)
k = cv2.waitKey(0)
## k = cv2.waitKey(0) & 0xFF  # 64位机器
if k == 27:         # 按下esc时，退出
    cv2.destroyAllWindows()
elif k == ord('s'): # 按下s键时保存并退出
    cv2.imwrite('messigray.png',img)
    cv2.destroyAllWindows()

    4.提取彩色图片各个颜色通道

import cv2
import os
# opencv读取的格式是BGR
img = cv2.imread('E:/Nico/Pictures/Saved Pictures/paper illustrate/channel_choice_jpg.jpg')

# 拆分成三通道数据
b, g, r = cv2.split(img)

# 合并三通道数据
img = cv2.merge((b, g, r))
img.shape

# split函数的功能就是如同下面的操作
# 只保留R
# cur_img = img.copy()
# cur_img[:, :, 0] = 0
# cur_img[:, :, 1] = 0
# cv2.imshow('R', cur_img)
# k=cv2.waitKey(0)
# if k==27:
#     cv2.destroyAllWindows()
# elif k==ord('s'):      ## 按下ctrl+s键时保存并退出
#     cv2.imwrite('E:/Nico/Pictures/Saved Pictures/paper illustrate',img)
#     cv2.destroyAllWindows()


# 只保留G
# cur_img = img.copy()
# cur_img[:, :, 0] = 0
# cur_img[:, :, 2] = 0
# cv2.imshow('G', cur_img)
# k=cv2.waitKey(0)
# if k == 27:         # 按下esc时，退出
#     cv2.destroyAllWindows()
# elif k == ord('s'): # 按下ctrl+s键时保存并退出
#     cv2.imwrite('mgreen_chanel.jpg',img)
#     cv2.destroyAllWindows()

# cv2.imwrite('E:/Nico/Pictures/Saved Pictures/paper illustrate/green_chanel.jpg',img)


# # 只保留B
cur_img = img.copy()
cur_img[:, :, 1] = 0
cur_img[:, :, 2] = 0
cv2.imshow('B', cur_img)
k=cv2.waitKey(0)
if k==27:
    cv2.destroyALLWindows()
elif k==ord('s'):
    cv2.imwrite('E:/Nico/Pictures/Saved Pictures/paper illustrate',img)
    cv2.destroyALLWindows()
绿色通道提取结果

5.彩色图像转灰度图

5.1用opencv将图片转成灰度图

import cv2 as cv
import numpy as np

img = cv.imread("C:/Users/Administrator/Desktop/YJN/Data/FEN JI/861_right.jpg")
h,w = img.shape[:2] #获取图片的high和wide
img_gray=np.zeros([h,w],img.dtype) #创建一张和当前图片大小一样的单通道图片
for i in range(h):
    for j in range(w):
        m = img[i,j]
        img_gray[i,j] =int(m[0]*0.11+m[1]*0.59+m[2]*0.3) #将BGR坐标转换为gray坐标
print(img_gray)   #会输出灰度图的高和宽信息
print("image show grap:%s"%img_gray)

cv.imshow("imageshow gray", img_gray)
k=cv.waitKey(0)
if k==27:
    cv.destoryALLWindows()
elif k==ord('s'):
    cv.imwrite('861_right_gray.jpg',img)
    cv.destoryALLWindows()

原参考文中还有更多处理方法

5.2 用opencv将批量图片转灰度图

import cv2
import os

def read_path(file_pathname):
    #遍历该目录下的所有图片文件
    for filename in os.listdir(file_pathname):
        print(filename)
        img = cv2.imread(file_pathname+'/'+filename)
        ####change to gray
      #（下面第一行是将RGB转成单通道灰度图，第二步是将单通道灰度图转成3通道灰度图）
        img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
        image_np=cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
        #####save figure
        cv2.imwrite(r'F:/YjnJiaNing/val/l4'+"/"+filename,image_np)

#注意*处如果包含家目录（home）不能写成~符号代替
#必须要写成"/home"的格式，否则会报错说找不到对应的目录
#读取的目录
read_path(r"C:/Users/Administrator/Desktop/YJN/Data/FEN JI/fenji_yuantu/val/level_4")
#print(os.getcwd())

6.顶帽变换

原图像减去开运算结果

开运算可以消除暗背景下的较亮区域，所以顶帽变换可以得到原图中灰度较亮的区域。顶帽变换的一个很重要的作用就是校正不均匀光照

import cv2 as cv
import numpy as np

# src = cv.imread('861_right.jpg', cv.IMREAD_GRAYSCALE,flags=0)



img = cv.imread("C:/Users/Administrator/Desktop/YJN/Data/FEN JI/861_right.jpg")
h,w = img.shape[:2]                                     #获取图片的high和wide
img_gray=np.zeros([h,w],img.dtype)                      #创建一张和当前图片大小一样的单通道图片
for i in range(h):
    for j in range(w):
        m = img[i,j]
        img_gray[i,j] =int(m[0]*0.11+m[1]*0.59+m[2]*0.3) #将BGR坐标转换为gray坐标
# print(img_gray)
# print("image show grap:%s"%img_gray)
cv.imshow("imageshow gray", img_gray)
k=cv.waitKey(0)
if k==27:
    cv.destoryALLWindows()
elif k==ord('s'):
    cv.imwrite('861_right_gray.png',img)
    cv.destoryALLWindows()

src = cv.imread('861_right_gray.png',flags=0)


# 结构元初始半径，最大半径
r, MAX_R = 0, 20
# 初始迭代次数，最大迭代次数
i, MAX_I = 0, 20

# 创建窗口
cv.namedWindow('morphology')

# 设置回调函数
def nothing(*args):
    pass


# 创建滑动条，分别为半径和迭代次数
cv.createTrackbar('r', 'morphology', r, MAX_R, nothing)
cv.createTrackbar('i', 'morphology', i, MAX_I, nothing)

while True:
    # 得到进度条上当前的r值
    r = cv.getTrackbarPos('r', 'morphology')
    # 得到进度条上当前的i值
    i = cv.getTrackbarPos('i', 'morphology')
    # 创建结构元
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (2 * r + 1, 2 * r + 1))
    # 形态学处理:顶帽处理
    result = cv.morphologyEx(src, cv.MORPH_TOPHAT, kernel, iterations=i)
    # 显示效果
    cv.imshow('morphology', result)
    # 按Esc退出
    ch = cv.waitKey(5)
    if ch == 27:
        cv.destoryALLWindows()
    elif ch == ord('s'):
        cv.imwrite('imageshow gray', img)
        cv.destoryALLWindows()

        break
cv.destroyAllWindows()
原灰度图

r=5,i=15

r=13,i=20

7.底帽变换

原图片减去闭运算结果

闭运算可以删除亮度较高背景下的较暗区域，所以底帽变换可以得到原图片中灰度较暗的区域，故而又称黑帽变换。 （代码中注释了灰度转化的部分，直接调用了灰度图'861_right_gray.png'）

import cv2 as cv
import numpy as np


# img = cv.imread(r"C:/Users/Administrator/Desktop/YJN/Data/FEN JI/861_right.jpg")
# h,w = img.shape[:2]                                     #获取图片的high和wide
# img_gray=np.zeros([h,w],img.dtype)                      #创建一张和当前图片大小一样的单通道图片
# for i in range(h):
#     for j in range(w):
#         m = img[i,j]
#         img_gray[i,j] =int(m[0]*0.11+m[1]*0.59+m[2]*0.3) #将BGR坐标转换为gray坐标
# # print(img_gray)
# # print("image show grap:%s"%img_gray)
# cv.imshow("imageshow gray", img_gray)
# k=cv.waitKey(0)
# if k==27:
#     cv.destoryALLWindows()
# elif k==ord('s'):
#     cv.imwrite('861_right_gray.png',img)
#     cv.destoryALLWindows()


src = cv.imread('C:/Users/Administrator/Desktop/YJN/Data/FEN JI/861_right_gray.png',flags=0)

# 结构元初始半径，最大半径
r, MAX_R = 0, 20
# 初始迭代次数，最大迭代次数
i, MAX_I = 0, 20

# 创建窗口
cv.namedWindow('morphology')


# 设置回调函数
def nothing(*args):
    pass


# 创建滑动条，分别为半径和迭代次数
cv.createTrackbar('r', 'morphology', r, MAX_R, nothing)
cv.createTrackbar('i', 'morphology', i, MAX_I, nothing)

while True:
    # 得到进度条上当前的r值
    r = cv.getTrackbarPos('r', 'morphology')
    # 得到进度条上当前的i值
    i = cv.getTrackbarPos('i', 'morphology')
    # 创建结构元
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (2 * r + 1, 2 * r + 1))
    # 形态学处理:底帽处理
    result = cv.morphologyEx(src, cv.MORPH_BLACKHAT, kernel, iterations=i)
    # 显示效果
    cv.imshow('morphology', result)
    # 按Esc退出
    ch = cv.waitKey(5)
    if ch == 27:
        cv.destroyALLWindows()
    elif ch == ord('s'):
        cv.imwirte('bottomhat.png',img)
        cv.destroyAllWindows()
原灰度图

r=5，i=15

r=20,i=15

8.同态滤波

import os
import cv2
from PIL import Image
import numpy as np


def homomorphic_filter(src, d0=10, r1=0.5, rh=2, c=4, h=2.0, l=0.5):
    gray = src.copy()
    if len(src.shape) > 2:
        gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    gray = np.float64(gray)
    rows, cols = gray.shape
    gray_fft = np.fft.fft2(gray)
    gray_fftshift = np.fft.fftshift(gray_fft)
    dst_fftshift = np.zeros_like(gray_fftshift)
    M, N = np.meshgrid(np.arange(-cols // 2, cols // 2), np.arange(-rows//2, rows//2))
    D = np.sqrt(M ** 2 + N ** 2)
    Z = (rh - r1) * (1 - np.exp(-c * (D ** 2 / d0 ** 2))) + r1
    dst_fftshift = Z * gray_fftshift
    dst_fftshift = (h - l) * dst_fftshift + l
    dst_ifftshift = np.fft.ifftshift(dst_fftshift)
    dst_ifft = np.fft.ifft2(dst_ifftshift)
    dst = np.real(dst_ifft)
    dst = np.uint8(np.clip(dst, 0, 255))
    return dst



path = "C:/Users/Administrator/Desktop/YJN/Data/FEN JI/861_right.jpg"
if os.path.isfile(path):
    print("path {} is existence;".format(path))
    img = Image.open(path)
    Img = img.convert('L')
    img = np.array(img)
    print(img, img.shape)
img_new = homomorphic_filter(img)
print("new img shape is {}".format(img_new.shape))
cv2.imwrite("Homo_filter_imshow.png", img_new)
效果图

9.图片resize

9.1 单张图片resize

'''
单张图片resize
'''

import cv2 as cv
img = cv.imread('img.jpg')

cv.imshow('img',img)
#print('原来图片的大小；',img.shape)
resize_img = cv.resize(img,dsize=(400,600))
#print('修改后的图片大小：',resize_img.shape)
cv.imshow('reszie_img',resize_img)
cv.waitKey(0)
cv.destroyAllWindows()

9.2 批量图片resize 

我的图片一共有15张，分别命名为1.jpg-15.jpg

这里的存入文件名为：resize_jm，此文件夹不需要自己手动创建

'''
批量图片resize
'''


import cv2
import numpy as np
import os
 
os.mkdir("E:/Jupyter/OpenCV_face_detect/data/resize_jm")
for i in range(0,15):
    a=i+1
    b=i+1
    img_name = str(a)
    img = cv2.imread("E:/Jupyter/OpenCV_face_detect/data/jm/"+img_name+".jpg")
    img2 = cv2.resize(img, (400,600))
    # # 转换np数组格式
    # pix_img = np.array(img)
    # # 重新reshape图片
    # pix_img = pix_img.reshape(-1, 28, 28, 1)
    # # 查看reshape后的图片shape
    img_name2 = str(b)
    cv2.imwrite("E:/Jupyter/OpenCV_face_detect/data/resize_jm/"+img_name2+".jpg", img2)

参考文：

(6条消息) Opencv基本操作(1)--cv2.imread,cv2.imshow,cv2.imwrite,cv2.cvtColor,cv2.split,cv2.merge,cv2.calcHist_zzccxx5的博客-CSDN博客

(6条消息) opencv 之 颜色通道提取_年少轻与狂的博客-CSDN博客_c++ opencv 提取红色通道opencv 之 颜色通道提取_年少轻与狂的博客-CSDN博客_c++ opencv 提取红色通道(6条消息) opencv 之 颜色通道提取_年少轻与狂的博客-CSDN博客_c++ opencv 提取红色通道

(6条消息) OpenCV——图片的加载、显示、保存(python)_冉茂松的博客-CSDN博客_cv图片保存
（三）图像转灰度图Python实现_水枂的博客-CSDN博客_python将图像转化为灰度图像

(1条消息) Python-OpenCV之形态学处理（腐蚀，膨胀，开运算和闭运算，顶帽变换和底帽变换）_li_il的博客-CSDN博客

猫宁大人
关注
  • 2
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV计算机视觉学习（9）——图像直方图 & 直方图均衡化 - 战争热诚 - 博客园1
08-03
1. Re:深学习卷积神经络（ 2. Re:深学习卷积神经络（ 3. Re:OpenCV计算机视觉学习 4. Re:数据竞赛实战（5）—— 5. Re:数据竞赛
OpenCV——给图片换背景
03-24
NULL 博文链接：https://zjlinkpro.iteye.com/blog/1025366
cv2.imwrite() 函数什么意思？
最新发布
qq_34425255的博客
05-04 534
通过这段代码的执行，我们可以在处理视频时不断读取下一帧，并将帧图像的路径和内容保存到对应的列表中，最后返回这些列表以供进一步使用。通过重复执行这段代码，可以处理多个图像帧，并将它们调整大小后保存到磁盘上的不同路径。这段代码的功能是读取视频帧并更新计数器，并最终返回帧的路径列表和帧的列表。这段代码的功能是处理图像帧，并将调整大小后的帧保存到磁盘上。是帧的路径列表，记录了每个帧在磁盘上的保存位置；的值增加 1，用于跟踪处理的帧数或图像的数量。是帧的列表，其中包含了处理过的帧图像。的值，使其成为视频的下一帧。
C#图片处理，opencv图片处理美化
07-15
winform应用程序，使用opencv处理图片，包含各种滤镜，图像增亮，图像变暗，直方图，均衡化，模糊处理，添加马赛克等功能。
【OpenCV 例程300篇】02. 图像的保存（cv2.imwrite）
热门推荐
youcans的博客
11-05 24万+
函数 cv2.imwrite() 用于将图像保存到指定的文件。 OpenCV 完整例程 200 篇 01. 图像的读取（cv2.imread） 02. 图像的保存（cv2.imwrite） 03. 图像的显示（cv2.imshow） 06. 像素的编辑（img.itemset） 07. 图像的创建（np.zeros） 08. 图像的复制（np.copy） 09. 图像的裁剪（cv2.selectROI） ...............
python-opencv第二期：imwrite函数详解
追星，但也不要忘了土地
09-25 4万+
​ 概要：众嗦粥之所周知，在如今机器视觉（Computer Versionshort for CV）是人工智能与机器人技术发展的一个重大研究方向，而opencv作为一个专门为机器视觉编程提供技术与函数支持的第三方库，自然是一个需要重点研究的内容。本文就将介绍其中一个较为基础的函数——imwrite函数，将我们编辑后的图片矩阵以文件的形式储存起来，与我们第一期的imread函数形成呼应关系。（唱山歌（bushi）） ​
cv2提供了imwrite()函数来将图像写入
Lily的博客
04-07 2500
cv2提供了imwrite()
Python学习笔记 | opencv图像处理（一）
Victor_Xu_的博客
09-05 1099
0. 背景    号外：年更鸽子出新了    最近打算开启一个新的系列，想通过我这一年的对python语言的学习与理解，向大家肤浅地介绍计算机语言的魅力，并且利用简单的编程解决日常生活中碰到的难题。    未来会根据大家在留言区里的需要，更新Excel批量处理计算、自然语言处理、图表绘制等等系列。今天我们先从图像处理开始吧~    希望我的介绍对于有一定python语言
【笔记】OpenCV图像基本操作
m0_48388579的博客
03-06 2044
本文为学习笔记，OpenCV基于Python对图像的基本操作 因为个人比较懒，不想到处找，所以将常用函数整理在一起，便于CV搬运
OpenCV_Practice.zip
04-13
《OpenCV图像处理开发实战——基于VS2015的环境搭建详解》 在计算机视觉领域，OpenCV（Open Source Computer Vision Library）是一个强大的开源库，它提供了丰富的图像处理和计算机视觉功能。本文将深入探讨如何在...
opencv 手掌拳头识别
05-14
OpenCV（Open Source Computer Vision Library）是一个强大的开源计算机视觉和机器学习软件库，提供了丰富的图像处理和计算机视觉算法。在本项目中，我们主要关注的是手势识别，尤其是对特定的手形——手掌和拳头的...
基于Qt和OpenCV开发的金相分析软件
03-30
在这个项目中，我们利用了两种强大的开源工具——Qt和OpenCV，来构建一个高效的金相分析软件。 Qt是一个跨平台的应用程序开发框架，支持多种操作系统，如Windows、Linux和Mac OS。它提供了丰富的用户界面组件和工具...
C#图片对比，支持图片局布和整体图片比对，FREAK算法，《FREAK: Fast Retina Keypoint》，特征匹配
04-04
在特征描述中，我们得到了512bit的二进制描述符，该描述符的列是高方差——>低方差的排列，而高方差表征了模糊信息，低方差表征了细节信息，与人眼视网膜相似，人眼先处理的是模糊信息，再处理细节信息。...
图片提高分辨率工具
04-15
《图片提高分辨率技术详解——基于waifu2x-caffe的图像增强》 在数字图像处理领域，提升图片分辨率是一项常见的需求。尤其是对于爱好者和设计师来说，如何在不失真或尽量减少失真的情况下将小图放大，是他们经常...
cv2.imwrite
weixin_35757191的博客
01-11 3793
cv2.imwrite 是 OpenCV 中用来保存图片的函数。它接受两个参数：第一个参数是保存图片的文件名(包括文件路径)，第二个参数是要保存的图片数据。可以使用 cv2.imread 读取一张图片，然后使用 cv2.imwrite 保存这张图片。 示例: import cv2 # Read an image img = cv2.imread("example.jpg") # Save t...
cv2.imread(),cv2.imshow(),cv2.imwrite()的使用
JSSQSC的博客
08-05 2万+
一、读取图片，对图片读取，裁剪等 #如果想要批量处理，可以利用os.listdir()遍历文件夹， 1、读取图片 cv2.imread() imread(img_path,flag) 读取图片，返回图片对象 img_path: 图片的路径，即使路径错误也不会报错，但打印返回的图片对象为None flag：cv2.IMREAD_COLOR，读取彩色图片，图片透明性会被忽略，为默认参数，也可以传入1 cv2.IMREAD_GRAYSCALE,按灰度模式读取图像，也可以传入0
利用OpenCV的函数imwrite()保存图像到硬盘
昊虹AI笔记
11-07 6836
利用OpenCV的函数imwrite()保存图像到硬盘
保存图像(cv::imwrite)
weixin_40468982的博客
04-04 1万+
保存图像文件道指定目录路径 只有8位，16位的PNG， JPG， Tiffy文件格式而且时单通道或者三通道的BGR的图像才通过这种方式保存 保存PNG格式的时候可以保存透明通道的图片 可以指定压缩参数 #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; int main(void) { Mat src = imread("C:/Users/Robin/Pictures/test.j
opencv-python库 cv2.imwrite() 保存图片
记录学习过程
03-30 2315
如果 cv2.imwrite 函数调用失败，它不会返回错误信息。为了确保图像已成功保存，可以检查文件是否存在于指定路径，或者捕获可能发生的异常。cv2.imwrite 是 OpenCV 库中的一个函数，用于将图像数据保存为文件。使用 cv2.imwrite 时，请确保已正确安装 OpenCV 库，并且图像数据是有效的。
opencv——cuda
09-12
要在Ubuntu上编译OpenCV CUDA并使用CUDA加速，你可以按照以下步骤进行操作： 1. 首先，确保你已经安装了CUDA Toolkit 12。你可以从NVIDIA官方网站下载并安装它。 2. 接下来，下载OpenCV和OpenCV-contrib的源代码。可以使用以下命令下载最新版本： ```shell wget https://github.com/opencv/opencv/archive/refs/tags/4.5.2.zip -O opencv.zip wget https://github.com/opencv/opencv_contrib/archive/refs/tags/4.5.2.zip -O opencv_contrib.zip ``` 这将下载OpenCV和OpenCV-contrib的压缩文件。 3. 解压下载的压缩文件： ```shell unzip opencv.zip unzip opencv_contrib.zip ``` 这将解压缩OpenCV和OpenCV-contrib的源代码。 4. 设置OPENCV_EXTRA_MODULES_PATH环境变量指向OpenCV-c

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值