OPENCV学习（更新）

最新推荐文章于 2023-05-29 06:08:26 发布
最新推荐文章于 2023-05-29 06:08:26 发布
阅读量741 收藏
点赞数
分类专栏： 学习 文章标签： opencv python 人工智能 机器学习 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44614715/article/details/118873090
版权

目录

OPENCV学习1

显示一张图片：

import cv2
import numpy as np
img = cv2.imread('F:/ImageProcessingLearning/documents/project/lianxi.jpg',cv2.IMREAD_COLOR)
cv2.imshow("image",img)
cv2.waitKey(0)

Numpy
由于机器学习算法在数据处理过程中大都涉及线性代数的知识，需要用到矩阵操作，Python本身没有处理矩阵的数据类型，因此需要使用附加的函数库。**
其中NumPy函数库是Python开发环境的一个独立模块，是Python的一种开源的数值计算扩展工具。
NumPy的发音是【'numpai】，取自”Numeric(数值)“和”Python“的简写。顾名思义，它是处理数值计算最为基础的类库。NumPy参考了CPython(用C语言实现的pyhton及其解释器)的设计，其本身也是由C语言开发而成的。
这种工具可以用来存储和处理大型多维矩阵，比Python自身的列表结构要高效的多。尽管Python的list类型已经提供了类似于矩阵的表示形式，但是NumPy提供了更多的科学计算函数。
NumPy被定位为数学基础库，属于比较底层的Python库，其地位趋向于成为一个被其它库调用的核心库。
在使用NumPy库之前，首先必须导入该函数库，导入方式如下：import numpy as np
————————————————

imread函数有两个参数，第一个参数是图片路径，第二个参数表示读取图片的形式，有三种：**
cv2.IMREAD_COLOR：加载彩色图片，这个是默认参数，可以直接写1。
cv2.IMREAD_GRAYSCALE：以灰度模式加载图片，可以直接写0。
cv2.IMREAD_UNCHANGED：包括alpha，可以直接写-1。
‘
cv2.imread在不加第二个参数的情况下默认将图片转换成了一个三维数组，最里面的一维代表的是一个像素的三个通道的灰度值，第二个维度代表的是第一行所有像素的灰度值，第三个维度，也就是最外面的一个维度代表的是这一张图片。
————————————————
cv2.imShow()函数可以在窗口中显示图像。该窗口和图像的原始大小自适应（自动调整到原始尺寸）。
第一个参数是一个窗口名称（也就是我们对话框的名称），它是一个字符串类型。第二个参数是我们的图像。您可以创建任意数量的窗口，但必须使用不同的窗口名称。

cv2.waitKey(0)link

用cv2.imread来读取图片

import cv2
import matplotlib.pyplot as plt
import numpy as np
img=cv2.imread("F:/ImageProcessingLearning/documents/project/lianxi2.jpg")
print(img)

```python
import cv2

img=cv2.imread("F:/ImageProcessingLearning/documents/project/lianxi2.jpg")
print(img)
```*（其实像这样就行了，import matplotlib.pyplot as plt，import numpy as np，这两行不知道什么意思）

显示结果：

```python
[[[255 255 255]
  [255 255 255]
  [255 255 255]
  ...
  [255 255 255]
  [255 255 255]
  [255 255 255]]

 [[255 255 255]
  [255 255 255]
  [255 255 255]
  ...
  [255 255 255]
  [255 255 255]
  [255 255 255]]

 [[255 255 255]
  [255 255 255]
  [255 255 255]
  ...
  [255 255 255]
  [255 255 255]
  [255 255 255]]

 ...

 [[255 120  22]
  [255 120  22]
  [255 120  22]
  ...
  [255 120  22]
  [255 120  22]
  [255 120  22]]

 [[255 120  22]
  [255 120  22]
  [255 120  22]
  ...
  [255 120  22]
  [255 120  22]
  [255 120  22]]

 [[255 120  22]
  [255 120  22]
  [255 120  22]
  ...
  [255 120  22]
  [255 120  22]
  [255 120  22]]]

代表的含义：对于一个像素点来说最小值是0最大值是255，0是黑，255是白；每一个点例如：[255 255 255]，都是像素点，这样就把图像读进来了。

import cv2

img=cv2.imread("F:/ImageProcessingLearning/documents/project/lianxi2.jpg")
print(img)
cv2.imshow("image",img)#image是给窗口指定一个名字，任意名字
cv2.waitKey(0)#设置等待时间，毫秒级，0表示任意键终止
cv2.destroyAllWindows()

定义函数cv_show来代替这三行代码（要显示图片每次都要输入这三行代码，非常麻烦）

一定要加冒号！！！

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
### 得到图像的shape值：

```python

import cv2
img = cv2.imread("F:/ImageProcessingLearning/documents/project/lianxi2.jpg")
#print(img)
cv2.imshow("image",img)#image是给窗口指定一个名字，任意名字
cv2.waitKey(0)  # 设置等待时间，毫秒级，0表示任意键终止  （0）可以自己设定等待时间
cv2.destroyAllWindows()
print(img.shape)

运行结果：
显示图片，任意键终止；得到图片的shape值：(1120, 720, 3)。(1120, 720, 3)中的3表示图像是RGB格式，在OPRENCV当中是BGR，顺序变了(代表的是彩色图像)。

上面是RGB，现在变成黑白

彩色：cv2.IMREAD_COLOR
灰度：cv2.IMREAD_GRAYSCALE

变成灰度图代码，print(img)
import cv2
img = cv2.imread("F:/ImageProcessingLearning/documents/project/lianxi2.jpg",cv2.IMREAD_GRAYSCALE)
print(img)

结果：

F:\Anaconda\python.exe C:/Users/Administrator/PycharmProjects/pythonProject1/main.py
[[255 255 255 ... 255 255 255]
 [255 255 255 ... 255 255 255]
 [255 255 255 ... 255 255 255]
 ...
 [106 106 106 ... 106 106 106]
 [106 106 106 ... 106 106 106]
 [106 106 106 ... 106 106 106]]

Process finished with exit code 0
print(img.shape)
import cv2
img = cv2.imread("F:/ImageProcessingLearning/documents/project/lianxi2.jpg",cv2.IMREAD_GRAYSCALE)
#print(img)
# cv2.imshow("image",img)#image是给窗口指定一个名字，任意名字
# cv2.waitKey(0)  # 设置等待时间，毫秒级，0表示任意键终止  （0）可以自己设定等待时间
# # cv2.destroyAllWindows()
print(img.shape)

F:\Anaconda\python.exe C:/Users/Administrator/PycharmProjects/pythonProject1/main.py
(1120, 720)

Process finished with exit code 0

(1120, 720) 与==(1120, 720, 3)==对比，少了个3，BGR

图像保存：

cv2.imwrite(“你要保存的路径”，图像的名字)

import cv2
img = cv2.imread("F:/ImageProcessingLearning/documents/project/lianxi2.jpg",cv2.IMREAD_GRAYSCALE)

cv2.imwrite("F:/ImageProcessingLearning/documents/project/baocun1.png",img)

在这里插入图片描述

图像的基本属性：类型、大小、数据类型

import cv2
img = cv2.imread("F:/ImageProcessingLearning/documents/project/lianxi2.jpg",cv2.IMREAD_GRAYSCALE)
changdu=img.size#size()函数主要是用来统计矩阵元素个数,或矩阵某一维上的元素个数的函数
print(changdu)
geshi=type(img)#表达式的值的类型
print(geshi)
shuju=img.dtype#返回数据元素的数据类型(int、float等)
print(shuju)

数据读取——视频

视频处理简介

视频的读取是将视频拆分成一个一个（贞）图片，再进行处理。
●cv2.VideoCapture可以捕获摄像头，用数字来控制不同的设备，例如0,1。
●如果是视频文件,直接指定好路径即可。
python中= 和 = =的区别
一个等号代表的含义是赋值，将某一数值赋给某个变量，比如a=3，将3这个数值赋予给a。
两个等号是判断是否相等，返回True或False，比如11。他们是相等的，那么就返回true。12，他们是不相等的，那么就返回false。

cv2.cvtColor方法会用来对图片颜色通道进行转换

经常用到的颜色转换：BGR–>RGB, BGR–>Gray 和 BGR–>HSV
BGR–>RGB: 经过摄像头采集的图像的通道排列顺序为BGR，而BMP文件的排列顺序也为BGR，所以保存成BMP文件使不会出现什么问题。
但是在显示器上显示的时候的排列顺序为RGB，所以RGB是为了让机器更好的显示图像,。
BGR–>Gray：将BGR的图像转为单通道的灰色图像
BGR–>HSV: 一般对颜色空间的图像进行有效处理都是在HSV空间进行的。RGB是为了让机器更好的显示图像,对于人类来说并不直观,
HSV更为贴近我们的认知,所以通常我们在针对某种颜色做提取时会转换到HSV颜色空间里面来处理.

```python

import cv2
 
image_path = ".\\pictreus\canglaoshi.jpg"
 
def cvt():
    img = cv2.imread(img_path)
    cv2.imshow("img", img)
        # BGR-->RGB
    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    cv2.imshow("img_rgb", img_rgb)
 
        # 图像的灰化YUV(Y为灰度图, Y=0.299R+0.587G+0.114B)：BGR-- >Gray
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    cv2.imshow("img_gray", img_gray)
 
        # HSV模型转化YUV(Y为亮度, UV代表色度)BGR-->HSV
    img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    cv2.imshow("img_hsv", img_hsv)
 
    cv2.waitKeyEx(0)

视频处理代码：

import cv2

vc=cv2.VideoCapture("F:/ImageProcessingLearning/documents/project/lianxi4.mp4")#vc=cv2.VideoCapture("指定视频的路径")
#检查是否打开正确
if vc.isOpened():#判断载入的视频是否可以打开
    open,frame=vc.read() #进行单张图片的读取,open的值为True或者Flase，读的没有问题，open为True，程序继续执行，如果读的有问题那么就会给open赋值
                         # 为Flase，, frame表示读入的图片（读入的是图片）
else:
    open=False
while open:#open是1那么一直执行，说明读的图片没有问题，有问题open为0，跳出循环。
    ret,frame=vc.read()#ret的值为True或者Flase
    if frame is None:#如果读到的图像为空，跳出
        break
    if ret==True:#ret的值为True或者Flase
        gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        cv2.imshow("result",gray)
        if cv2.waitKey(50) & 0xFF==27:#27表示的是退出键
            break
vc.release()
cv2.destroyAllWindows()

cv2.waitKey(delay)参数：
1、delay≤0：一直等待按键；
2、delay取正整数：等待按键的时间，比如cv2.waitKey(25)，就是等待25（milliseconds）；（视频中一帧数据显示（停留）的时间）
cv2.waitKey(delay)返回值：
1、等待期间有按键：返回按键的ASCII码（比如：Esc的ASCII码为27）；
2、等待期间没有按键：返回 -1；

在这里插入图片描述

图片处理

截取部分图片

一张图像并不需要全部的图像，截取感兴趣的部分。ROI。

import cv2
img = cv2.imread("F:/ImageProcessingLearning/documents/project/lianxi2.jpg",cv2.IMREAD_GRAYSCALE)
bufen=img[0:50,0:200]#长0~50，宽0~200.可能原来的图像是0——500
cv2.imshow("image",bufen)#image是给窗口指定一个名字，任意名字
cv2.waitKey(0)  # 设置等待时间，毫秒级，0表示任意键终止  （0）可以自己设定等待时间
cv2.destroyAllWindows()#可以定义函数cv_show来代替这三行代码

利用opencv中的两个函数来拆分通道（cv2.split）和合并通道（cv2.merge）

import cv2
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


img = cv2.imread("F:/ImageProcessingLearning/documents/project/bao1.png",cv2.IMREAD_COLOR)
bufen=img[100:500,100:400]
print(bufen)
# cv2.imshow("image",img)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
#cv_show("bao",img)
b,g,r=cv2.split(img)
print(r)
changdu=r.shape
print(changdu)
img=cv2.merge((b,g,r))
changdu1=img.shape
print(changdu1)
cv_show("bao",bufen)

结果：

F:\Anaconda\python.exe C:/Users/Administrator/PycharmProjects/pythonProject1/main.py
[[[170 168 173]
  [170 168 173]
  [170 168 173]
  ...
  [171 185 205]
  [170 185 206]
  [171 185 206]]

 [[170 168 173]
  [170 168 173]
  [170 168 173]
  ...
  [170 184 204]
  [170 184 204]
  [171 185 206]]

 [[170 168 173]
  [170 168 173]
  [170 168 173]
  ...
  [170 184 205]
  [171 184 205]
  [171 185 206]]

 ...

 [[144 164 182]
  [145 166 183]
  [148 169 186]
  ...
  [ 55  40  36]
  [ 55  41  36]
  [ 52  39  34]]

 [[147 168 185]
  [149 171 188]
  [151 173 190]
  ...
  [ 55  40  37]
  [ 54  40  36]
  [ 54  40  35]]

 [[151 172 189]
  [153 174 191]
  [155 176 193]
  ...
  [ 56  41  39]
  [ 56  42  38]
  [ 56  42  37]]]
[[0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 0]
 ...
 [0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 0]]
(520, 647)
(520, 647, 3)

Process finished with exit code 0

在这里插入图片描述

多个窗口显示多张图片

cv2.namedWindow('window_name1', cv2.WINDOW_NORMAL)
cv2.imshow('window_name1', picture1)
cv2.namedWindow("window_name2", cv2.WINDOW_NORMAL)
cv2.imshow("window_name2", picture2)
cv2.waitKey()


```python
cv2.namedWindow('window1', cv2.WINDOW_NORMAL)
cv2.imshow('window1', replicate)
#设定图片的尺寸
cv2.resizeWindow('window1', 100, 100)
cv2.namedWindow("window2", cv2.WINDOW_NORMAL)
cv2.imshow("window2", reflect)

在这里插入图片描述

提取颜色通道

import cv2
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

img = cv2.imread("F:/ImageProcessingLearning/documents/project/bao1.png",cv2.IMREAD_COLOR)
bufen=img[100:500,100:400]
print(bufen)
# cv2.imshow("image",img)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
#cv_show("bao",img)
b,g,r=cv2.split(img)
print(r)
changdu=r.shape
print(changdu)
img=cv2.merge((b,g,r))
changdu1=img.shape
print(changdu1)
cv_show("bao",bufen)

# img=cv2.merge((b,g,r))

#只保留R
cur_img=img.copy()
#[x,y,z],z的值是颜色通道，0是B，1是G，2是R。想要去掉什么直接就赋值为0，其他不动。
cur_img[:,:,0]=0
cur_img[:,:,1]=0
cv_show("ONLY_R",cur_img)

#只保留B
cur_img=img.copy()
#[x,y,z],z的值是颜色通道，0是B，1是G，2是R。想要去掉什么直接就赋值为0，其他不动。
cur_img[:,:,1]=0
cur_img[:,:,2]=0
cv_show("ONLY_B",cur_img)

#只保留G
cur_img=img.copy()
#[x,y,z],z的值是颜色通道，0是B，1是G，2是R。想要去掉什么直接就赋值为0，其他不动。
cur_img[:,:,0]=0
cur_img[:,:,2]=0
cv_show("ONLY_G",cur_img)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

边界填充&边界处理

函数介绍

import cv2
img = cv2.imread('F:/ImageProcessingLearning/documents/project/anjian.png',cv2.IMREAD_COLOR)
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
# cv_show("anjian_picture",img)
top_size,bottom_size,left_size,right_size=(50, 50, 50, 50)
replicate=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder (img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT101)
wrap = cv2.copyMakeBorder (img,top_size,bottom_size,left_size,right_size,cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_CONSTANT,value=0)
#单个窗口逐个显示
cv_show("tianc1",replicate)
cv_show("tianc2",reflect)
cv_show("tianc3",reflect101)
cv_show("tianc4",wrap)
cv_show("tianc5",constant)
#多个窗口显示多张图片
cv2.namedWindow('window1', cv2.WINDOW_NORMAL)
cv2.imshow('window1', replicate)

cv2.namedWindow("window2", cv2.WINDOW_NORMAL)
cv2.imshow("window2", reflect)

cv2.namedWindow('window3', cv2.WINDOW_NORMAL)
cv2.imshow('window3', reflect101)

cv2.namedWindow("window4", cv2.WINDOW_NORMAL)
cv2.imshow("window4", wrap)

cv2.namedWindow('window5', cv2.WINDOW_NORMAL)
cv2.imshow('window5', constant)

cv2.waitKey()

结果：
在这里插入图片描述
函数介绍

画出PLT图来对比刚刚填充的图片，可以看到明显的区别

import matplotlib.pyplot as plt
plt.subplot(231),plt.imshow(img,'gray' ),plt.title("ORIGINAL")
plt.subplot (232),plt.imshow(replicate,'gray' ),plt.title( "REPLICATE" )
plt.subplot (233),plt.imshow(reflect,'gray' ),plt. title(' REFLECT' )
plt.subplot (234),plt.imshow (reflect101,'gray'), plt.title("reflect_101")
plt. subplot(235),plt. imshow(wrap,'gray' ),plt. title("WRAP")
plt. subplot (236),plt. imshow (constant,'gray' ),plt. title('CONSTANT' )
plt. show()

在这里插入图片描述

xxg.
关注
专栏目录
开源计算机视觉库OpenCV详解
dvlinker的技术专栏
06-23 8万+
详细介绍开源计算机视觉库OpenCV。
OpenCV课程学习
07-11
基于C的OpenCV课程PPT、源代码等，包含了个人记录的笔记、编写的代码等，快速入门使用OpenCV，进行图像处理工作。
OpenCV书籍：OpenCV官方推荐的多部书籍
热门推荐
千里河山
10-18 1万+
Books Published books about OpenCV library: Instant OpenCV for iOS Instant OpenCV for iOS is a practical guide, showing every important step for building a computer vision application for th
故地重游--OpenCV，新的版本，新的参考书
吉宝力--K.I.S.S.(Keep It Simple Software)
01-27 1712
自从参加工作与OpenCV拜拜之后，半年了都没有到中文论坛上溜达，今天上去一看，哇~~新版的2.4.3都已经发布了，而且有了一个专门的网站http://opencv.org/，发现上面有推荐一本新的OpenCV的书，《Mastering OpenCV with Practical Computer Vision Projects》，刚刚出版不久，而且可以购买电子版，看到电子版，会心一笑【你懂得~~
opencv入门要学多久_机器人学入门参考书目
weixin_39913105的博客
12-03 660
机器人学科是一个庞大的多学科交融学科，本文给出的参考书目适用于本科入门学科以及机械、控制、视觉引导方向。以下书目仅供参考，读者可以根据书名线索查找适合自己阅读、理解方式的参考书，欢迎提供线索。大家可以线下交流。 综合入门：Johan J. Craig， 《机器人学导论》, 工业出版社。（英文《Introduction to Robotics - Mechanics and C...
OpenCV入门（七）
qq_41502468的博客
05-04 1310
参考书目：《OpenCV计算机视觉编程攻略》（第3版） 计算灰度图像的直方图并进行阈值化操作： #include<opencv2/opencv.hpp> #include<iostream> //创建灰度图像的直方图 class Histogram2D { private: int histSize[1]; //直方图中箱子的数量 float hranges[2];//值范围 const float* ranges[1];//值范围的指针 int chanels[1]
openmv/k210/opencv学习资料
05-05
在本压缩包中，"openmv/k210/opencv学习资料" 主要涉及三个核心概念：OpenMV、OpenCV以及K210。这些是嵌入式视觉领域的重要技术，广泛应用于各种智能设备和机器人项目中。让我们逐一深入探讨这些技术。 OpenMV是一...
linux下opencv更新，3.4.14
最新发布
03-01
本项目涉及的是OpenCV的3.4.14版本更新，这是一次重要的维护升级，通常会包含错误修复、性能提升以及新特性的添加。在目标识别领域，OpenCV扮演着至关重要的角色，因为其提供了强大的图像分析和模式识别算法。 `...
OpenCV 4.8.0
12-17
OpenCV 4.8.0是该库的一个更新版本，它包含了最新的特性和优化，以满足开发者在图像处理、特征检测、对象识别、深度学习等多个方面的需要。 在OpenCV 4.8.0中，我们可以发现以下几个重要的知识点： 1. **模块结构*...
opencv-4.8.0 资源
09-20
OpenCV支持传统的机器学习算法，如SVM（支持向量机）、决策树、随机森林等，同时也支持现代的深度学习框架，如TensorFlow和PyTorch，可以与OpenCV库无缝集成，进行端到端的视觉任务训练。 在学习OpenCV时，通常会从...
opencv学习规划
ma1096539894的博客
04-12 384
书籍：
最新某某《OpenCV简单入门学习全套OpenCV+学习资料》
weixin_44876327的博客
04-16 593
课程介绍： OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方...
OpenCV学习指南
weixin_40426830的博客
11-14 873
OpenCV学习指南 这个OpenCV教程是供初学者入门的基础知识。在本指南中，您将学习使用Python使用OpenCV库进行的基本图像处理操作。虽然本教程针对刚入门图像处理和OpenCV库的初学者，但即使您有经验，我还是鼓励您阅读它。快速复习OpenCV基础知识也将帮助您完成自己的项目。 在系统上安装OpenCV和Imutils 第一步是在系统上安装OpenCV，并设置新的OpenCV开发环境，...
chatgpt赋能python：Numpy读音：是“num-pie”还是“num-pee”？
pythonxxoo的博客
05-29 2644
在我们深入探讨numpy的正确读音之前，让我们先了解一下什么是numpy。一个强大的N维数组对象 ndarray；广播功能函数；整合C/C++/Fortran代码的工具；线性代数、傅里叶变换、随机数生成等功能。这些功能的实现都经过了优化，能够快速处理大型数组和矩阵运算。NumPy库是Python数值计算中不可或缺的重要库，因为许多Python库都是基于NumPy进行开发的。本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。
git 怎么读_关于numpy的发音，我和小老弟怎么不一样呢？
weixin_39922476的博客
11-27 8790
点击上方“数据科学杂谈”关注公众号和我一起提升然后点击右上角三个点，设为“星标”，即使获取更多知识你的扑痛华，瓢不瓢损喱？对各种常见python包的叫法，你真的读对了吗？话说我一小老弟，对某些python包的读法与我经常听到的完全不一样，其发音之瓢损，咬字之清晰，实属闻所未闻。我也经常以调侃+嘲讽的心态，紧跟他的步伐，调整了我对这些python包的读法。直到有一天，一个pytorch课...
opencv图像识别主要流程
m0_74043494的博客
01-31 3020
该函数还可返回一个可选的hiararchy结果，这是一个ndarray，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为-1。第一个数：表示同一级轮廓的下个轮廓的编号，如果这一级轮廓没有下一个轮廓，一般是这一级轮廓的最后一个的时候，则为-1。第三个数：表示该轮廓包含的下一级轮廓的第一个的编号，假如没有，则为-1。
【python版CV】—图像基本操作
qq_44859533的博客
07-24 2108
如果需要展示读入的图像，或者展示对读入图像进行一系列操作后的图像时，使用cv2.imshow()；如果不需要展示图像，而是绘制一个新的图像，使用plt.imshow()。plt.imshow()函数负责对图像进行处理，并显示其格式，但是不能单独显示，后面跟着plt.show()才能显示出来。（3）若用函数add()，超过255像素值，直接取最大值。说明若是两个不同的图像直接相加融合，会报下面错误。此时需要调整一张图像的像素值，与另一张像素值吻合。说明视频就是图像中的每一帧的静止图像的连贯。...
python numpy怎么读_python numpy怎么读_Python-NumPy
weixin_32535389的博客
02-09 1385
生成函数作用np.array( x)np.array( x, dtype)将输入数据转化为一个ndarray将输入数据转化为一个类型为type的ndarraynp.asarray( array )将输入数据转化为一个新的(copy)ndarraynp.ones( N )np.ones( N, dtype)np.ones_like( ndarray )生成一个N长度的一维全一ndarray生成一个N...
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