OpenCv学习
文章平均质量分 57
总结OpenCv学习过程中的收获以及遇到的问题,分享给大家,希望能给遇到相同问题和初学者以帮助。
不要做程序员的小松鼠
愉快的调bug......
展开
-
Opencv+VS+MFC 播放视频(cv 2.3+版本)
配置环境,可以参考:VS2013配置OpenCv3.0原创 2016-03-30 18:24:07 · 2792 阅读 · 3 评论 -
OpenCv调整图片(Mat)大小
CV_EXPORTS_W void resize( InputArray src, OutputArray dst, Size dsize, double fx = 0, double fy = 0, int interpolation = INTER_LINEAR );和之前Iplimag原创 2016-03-18 10:26:29 · 13231 阅读 · 0 评论 -
Opencv 自带提取前景(背景建模)
官方教程源码稍加修改:读入视频(图片序列)->bei//opencv#include "opencv2/imgcodecs.hpp"#include "opencv2/imgproc.hpp"#include "opencv2/videoio.hpp"#include #include //C#include //C++#include #include using原创 2016-03-17 21:04:13 · 12265 阅读 · 3 评论 -
OpenCv Mat, IplImage 相互转换
还记得用opencv1.0时候总是内存泄漏么,看哪个没有release。。。2.0之后这个Mat真是太棒了,官方文档说不必再手动地为其开辟空间。在不需要时不用立即将空间释放。 下面捞干的:Mat->Iplimage*:Mat m; IplImage* transIplimage = cvCloneImage(&(IplImage) m); Ip原创 2016-03-17 20:15:06 · 4294 阅读 · 0 评论 -
cvCvtPixToPlane & cvCvtPlanetoPix
“cvCvtPixToPlane”: 找不到标识符 将cvCvtPixToPlane 改成 cvSplit“cvCvtPlanetoPix”: 找不到标识符增加#define cvCvtPlanetoPix cvMergeOpenCv版本不同导致。原创 2016-01-05 19:29:25 · 3254 阅读 · 2 评论 -
opencv源码解读——haartraining
1.参数:-data :指定生成的文件目录-vec :正样本的保存文件-bg :负样本的保存文件-npos :正样本的数量 默认2000-nneg :负样本的数量 默认2000-nstages :训练的层数 默认14-nsplits :决定adaboost的弱分类器,默认 1 ,则一个简单的 stump classifier 被使用。如果是n,则使用带有 n原创 2016-05-05 10:35:33 · 1258 阅读 · 0 评论 -
OpenCV 源码解读——createsample
最近在学习,网上有很多训练的教程,但是不够深入,照葫芦画瓢会导致遇到问题无从下手。遂将源码创建工程,通过看注释和调试程序对源码有了一定认识,了解什么是瓢,分享在这里,从createsample开始。在VS中,通过项目属性->配置属性->调试 设置命令行参数,如 -img .\pos\2.bmp -vec vec.txt -num 9 -w 20 -h 20 -show 。对源码增加了在生成vec文件之前,保存各个样本的功能,这样就知道样本的具体情况,遇到问题更好解决,如有需要欢迎交流。原创 2016-05-04 16:14:35 · 2749 阅读 · 0 评论 -
OpenCv中不常见但又极有用的函数
cvRound int cvRound (double value)对一个double型的数进行四舍五入,并返回一个整型数。cvFloor 返回不大于参数的最大整数值。参数double,返回int。cvCeil 返回不小于参数的最小整数值参数double,返回int。 -cvGetTickCount(); -程序的当前时间 - double time1 =原创 2016-04-28 20:23:57 · 783 阅读 · 0 评论 -
图像特征之 Haar-like特征(二)计算方法-积分图
1.积分图(Integral Image)类似动态规划的方法,主要的思想是将图像从起点开始到各个点所形成的矩形区域像素之存在数组中,当要计算某个区域的像素和时可以直接从数组中索引,不需要重新计算这个区域的像素和,从而加快了计算。 ABCD是四个区域,包含若干像素 2.计算点1:A 2.A+B 3.A+C 4.A+B+C+D 其实就是图像中各个点与坐标原创 2016-04-20 11:06:08 · 4793 阅读 · 0 评论 -
图像特征之 Haar-like特征(一)概述及特征值数量计算
1.haar-like特征介绍 - 最初用于描述人脸, 分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。 - 特征模板内有白色和黑色两种矩形,并定义该模板的特征值为 黑色矩形像素和 - 白色矩形像素和。 - 邻域矩形灰度差特征Haar特征值反映了图像的灰度变化情况。例如:脸部的一些特征能由矩形特征简单的描述,眼睛要比脸颊颜色要深,鼻梁两侧比鼻梁颜色要深,嘴原创 2016-04-15 11:44:32 · 11629 阅读 · 0 评论