qq_51325797的博客

style标签

配置

轮廓逼近和拟合轮廓逼近OpenCV提供了一个函数approxPolyDP()来对每个轮廓逼近它的的真实几何形状，从而通过轮廓逼近的输出结果判断一个对象是什么形状本质上说减少编码点轮廓拟合拟合圆，生成最相似的圆或者椭圆...

轮廓匹配基本原理根据图形的几何矩和Hu矩计算图像的轮廓是否匹配图像几何矩和Hu矩代码演示#include<opencv2/opencv.hpp>#include<iostream>using namespace cv;using namespace std;void contour_info(Mat& image, vector<vector<Point>>& contours);int main() { Mat src

图像轮廓计算轮廓面积与周长基本原理opencvAPI有具体的实现方法代码演示计算周长计算面积contourArea(contours[t])计算周长arcLength(contours[t], true);#include<opencv2/opencv.hpp>#include<iostream>using namespace cv;using namespace std;int main() { Mat src = imread("D:/ps/te.

图像轮廓发现基本概念图像轮廓其实就是图像的边界，主要是针对二值图像，轮廓是一系列点的集合获取图像时，对轮廓进行组织描述把所有的轮廓变成一个树形结构基于连通组件的轮廓发现反映图像拓扑结构算法原理部分重要的参数代码演示#include<opencv2/opencv.hpp>#include<iostream>using namespace cv;using namespace std;int main() { Mat src = imread("

对于某些光照不均的图像，这种全局阈值分割的方法的效果明显是不是很好自适应阈值自适应阈值法(adaptiveThreshold)，它的思想不是计算全局图像的阈值，而是根据图像不同区域亮度分布，计算其局部阈值，所以对于图像不同区域，能够自适应计算不同的阈值，因此被称为自适应阈值法。全局阈值的局限性，对光照度不均匀的图像容易错误的二值化分割自适应阈值对图像模糊求差值然后二值化`#include<opencv2/opencv.hpp>#includeusing namespace

图像二值化分割，最重要的就是计算阈值阈值计算的方法有很多，基本分为两类，全局阈值和自适应阈值全局分割方法1.均值法2.OTSU阈值原理图直方图分割，计算各个部分的方差 按比重求方差的最小值3.三角阈值原理图API调用#include<opencv2/opencv.hpp>#include<iostream>using namespace cv;using namespace std;int main() { Mat src = imread("D:/

GitHub–ncnn-portrait-segmentation项目运行从GitHub1. 从GitHub上面clone项目解压到自己的指定文件夹2. 回到GitHub打开相关文件夹跳转到ncnn项目同样clone解压到指定路径（第一步下载的ncnn-portrait-segmentation项目的third_parties里面的ncnn的项目是空的，可以选择删掉项目文件夹，解压后的文件夹名必须是ncnn）3.以管理员身份运行命令提示符（前提是已经下载好配置好了cmake）切换到项目路

stoi()函数——将数字字符转化位int输出·**使用之前要包含头文件#include< string >stoi()会对参数字符串进行范围判断，，默认范围是在int的范围内[-2147483648, 2147483647]的，如果超出范围的话则会runtime error.#include<iostream>#include<string>using namespace std;int main(){ string str = "1111

opencv学习笔记-B站贾志刚