opencv提取图像红色部分并提取角点

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>

using namespace cv;
using namespace std;

void rgb2hsv(double r, double g, double b, double &h, double &s, double &v) {
   
    r /= 255.0;
    g /= 255.0;
    b /= 255.0;
    double maximum = r, minimum = r;
    if(g > maximum) maximum = g;
    if(b > maximum) maximum = b;
    if(g < minimum) minimum = g;
    if(b < minimum) minimum = b;
    v= maximum;
    s = 0;
    if(v < 0.001 || maximum - minimum < 0.001) 
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
OpenCV(Open Source Computer Vision Library)是一个广泛使用的开源计算机视觉和机器学习库,它提供了大量的功能,包括图像处理、特征检测和描述、对象识别等。提取图像特征是OpenCV中的一个重要环节,它有助于我们在图像中识别和区分不同的物体或模式。以下是一些关键的图像特征提取方法: 1. **SIFT (Scale-Invariant Feature Transform)**:尺度不变特征变换,能识别出不同大小、旋转下的图像关键点,并为每个关键点提供稳定的描述符。 2. **SURF (Speeded Up Robust Features)**:一种改进的SIFT算法,速度更快且在计算效率上有所提升。 3. **HOG (Histogram of Oriented Gradients)**:方向梯度直方图,用于行人检测等场景,通过统计图像局部区域的梯度方向分布。 4. **Haar特征和LBP (Local Binary Patterns)**:适用于简单的边缘和纹理检测,Haar特征常用于人脸识别,LBP则用于纹理分类。 5. **CNN (Convolutional Neural Networks)**:深度学习在图像特征提取中的应用,通过卷积神经网络可以从原始像素中学习到更抽象的特征。 6. **ORB (Oriented FAST and Rotated BRIEF)**:结合了FAST角点检测和BRIEF描述符,用于实时定位和匹配。 提取这些特征后,通常会进行匹配、分类或聚类等后续操作。相关问题: 1. OpenCV中的哪些方法适用于实时图像特征提取? 2. 如何利用Haar特征进行物体检测? 3. SIFT和SURF之间有什么主要区别? 4. 使用深度学习进行特征提取时,如何训练和优化CNN模型?
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

刀么克瑟拉莫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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