![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
【4-1】视觉算法汇总
文章平均质量分 56
图像检测的视觉处理算法,传统视觉检测和图像预处理操作
大黑山修道
这个作者很懒,什么都没留下…
展开
-
opencv鼠标截图的简单实现
以下是用opencv实现的一个简单的窗口截图程序:#include <iostream>#include <opencv2/opencv.hpp>using namespace cv;using namespace std;/*截图方式说明:1.鼠标左键按下则为截图起始点方法一:鼠标左键一直按下,直到鼠标移动到目标点再松开,即可完成一次截图;方法二:鼠...原创 2019-09-05 14:48:45 · 1910 阅读 · 1 评论 -
opencv 将视频流转换成帧图像(支持asf,mp4,avi)
#include <opencv2/opencv.hpp>#include <iostream>using namespace cv;using namespace std;int main(){ //打开视频路径 VideoCapture cap("G:\\video\\chan4 2020-01-08 11.50.00 - 12.09.26.asf")...原创 2020-01-10 14:21:30 · 1506 阅读 · 2 评论 -
C++ RGB格式转换为HSV格式,颜色提取操作
颜色的提取在HSV空间效果更好,然而我们的图像格式一般都是RGB格式的。因此我们首先需要用到将RGB图像格式转换为HSV格式。简单介绍一下HSV,H表示色彩、色调,S表示纯度,V表示色彩的明亮程度。值得一提的是,HSV各数据的取值范围根据各自的计算方法都没统一。公式:设 (r, g, b) 分别是一个颜色的红、绿和蓝坐标,它们的值是在 0 到 1 之间的实数设 max 等于 r, g, b 中的最大者设 min 等于 r, g, b 中的最小者代码:我们采用的方法,H取值范围[0,360],原创 2021-05-04 10:41:51 · 4616 阅读 · 1 评论 -
[opencv完整项目详解] 传统图像算法解决路标的检测和识别
前言:这是数字图像课程的大作业,老师要求不可以采用深度学习的方法检测和识别特定的路标,只能采用传统的图像算法提取特征从而检测出特定的车牌.完整代码:#include <iostream>#include <opencv2/opencv.hpp>#include <math.h>using namespace std;using namespace cv;#define PI 3.1415926 struct BGR // 定义BGR结构体{原创 2021-05-04 23:49:40 · 6280 阅读 · 4 评论 -
cv2旋转:cv2.getRotationMatrix2D+cv2.warpAffine(python将图像旋转90度)
(h, w) = self.cv2_img.shape[:2](cX, cY) = (w // 2, h // 2)M = cv2.getRotationMatrix2D((cX, cY), -angle, 1.0) cos = np.abs(M[0, 0])sin = np.abs(M[0, 1])nW = int((h * sin) + (w * cos))nH = int((h * cos) + (w * sin))M[0, 2] += (nW / 2) - cXM[1, 2] +=原创 2021-06-05 01:07:04 · 1711 阅读 · 0 评论 -
【opencv】关于调整对比度与亮度的视觉算法
方法1:线性调整对比度与亮度如公式1所示,表示原先像素点的像素值,c表示的权重值,b表示加权和后的图像的偏移量,表示调整后改像素点的像素值。在该算法中,将对比度与亮度设计为线性关系。v’ = v*c+b代码:def Change_contrast_brightness(img, c, b): h, w, d = img.shape blank = np.zeros([h, w, d], dtype=np.uint8) dst = cv2.addWeighted(img, c,原创 2021-11-02 13:52:12 · 1788 阅读 · 0 评论 -
[opencv完整项目详解] 传统图像算法解决路标的检测和识别(改进升级版)
之前路标匹配[opencv完整项目详解] 传统图像算法解决路标的检测和识别的一个改进版。之前路标匹配存在的一个问题:所有路标与模板的相似度都处于较高状态(基本都在50%以上),其主要原因就是虽然我们通过中间的红圈内进行相似度比较,但是红环的部分是路标的共同部分,这样增加了匹配过程中所有路标的相似度,后果会导致匹配路标和不匹配路标的相似度差异不大,导致最后判断的阈值过高,推广后的鲁棒性较差。这路就是改进后的路标匹配相似度:可以看出,改进后所有路标的匹配相似度都有不同程度的下降,差异更加明显,其路标原创 2022-03-07 13:24:55 · 4134 阅读 · 4 评论