[opencv][python] 学习手册4：练习代码1

最新推荐文章于 2021-08-02 20:59:44 发布
最新推荐文章于 2021-08-02 20:59:44 发布
阅读量181 收藏 1
点赞数
分类专栏： opencv
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/weixin_37834269/article/details/111879737
版权

[opencv][python] 学习手册4：练习代码1

60_霍夫圆.py
61_霍夫圆_查找棋子_滑动条.py
62_查找物体的轮廓信息.py
63_查找物体的轮廓信息_绘制外接矩形.py
64_网球案例.py
64_获取轮廓相关信息.py
64_获取轮廓相关信息_优化.py

文章目录

60_霍夫圆.py

原理

参考：圆的参数方程
参考：opencv —— HoughCircles 霍夫圆变换原理及圆检测
在这里插入图片描述

代码

"""
需求：
1. 读取图像
"""

import logging

import cv2 as cv


# 霍夫圆形检测
def hough_circle(in_gray_img):
    # 定义检测图像中圆的方法。目前唯一实现的方法是cv2.HOUGH_GRADIENT
    method = cv.HOUGH_GRADIENT
    # 累加器分辨率与图像分辨率的反比。例如，如果dp = 1，则累加器具有与输入图像相同的分辨率。如果dp = 2，则累加器的宽度和高度都是一半。
    dp = 1
    # 检测到的圆的圆心之间最小距离。如果minDist太小，则可能导致检测到多个相邻的圆。如果minDist太大，则可能导致很多圆检测不到。
    minDist = 20
    # param1 Canny算法阈值上线
    # param2 cv2.HOUGH_GRADIENT方法的累加器阈值。阈值越小，检测到的圈子越多。
    # minRadius : 最小的半径，如果不确定，则不指定
    # maxRadius : 最大的半径，若不确定，则不指定
    circles = cv.HoughCircles(in_gray_img, method, dp, minDist=minDist, param1=70, param2=30, minRadius=0, maxRadius=20)

    try:
        for circle in circles[0, :]:
            # 圆心坐标，半径
            x, y, r = circle
            # 绘制圆心
            cv.circle(img, (x, y), 2, (0, 255, 0), 1)
            # 绘制圆形
            cv.circle(img, (x, y), int(r), (0, 0, 255), 2)

        cv.imshow("result", img)
    except:
        logging.warning("霍夫圆没有找到，个数为0")


# 0. 配置日志
logging.basicConfig(level=logging.INFO)

# 1. 读取图像, 将图片转成灰色图片
# filename = r"../img/weiqi.jpg"
# filename = r"../img/water_coins.jpg"
filename = r"../img/tenis1.jpg"

img = cv.imread(filename, cv.IMREAD_COLOR)
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# 调用函数，寻找霍夫圆
hough_circle(gray_img)

# 显示图像，等待按键
cv.imshow("img", img)
cv.imshow("gray", gray_img)

cv.waitKey(0)
cv.destroyAllWindows()

运行结果
在这里插入图片描述

61_霍夫圆_查找棋子_滑动条.py

代码

"""
需求：
1. 读取图像
"""

import logging

import cv2 as cv


# 霍夫圆形检测


def hough_circle(index, in_gray_img, v):
    global img
    global _dp, _minDist, _param1, _param2, _minRadius, _maxRadius

    dst = img.copy()

    # 定义检测图像中圆的方法。目前唯一实现的方法是cv2.HOUGH_GRADIENT
    method = cv.HOUGH_GRADIENT

    if index == 0:
        _dp = v  # 1
    elif index == 1:
        _minDist = v  # 20
    elif index == 2:
        _param1 = v  # 80
    elif index == 3:
        _param2 = v  # 40
    elif index == 4:
        _minRadius = v  # 10
    elif index == 5:
        _maxRadius = v  # 37

    circles = cv.HoughCircles(in_gray_img, method,
                              dp=_dp,  # 1
                              minDist=_minDist,  # 20
                              param1=_param1,  # 80
                              param2=_param2,  # 40
                              minRadius=_minRadius,  # 10
                              maxRadius=_maxRadius  # 37
                              )

    # logging.info("circles.shape={0}\ncircles=\n{1}".format(circles.shape, circles))  # x, y, radius
    logging.info("dp::{0}, minDist::{1}, _param1::{2}, _param2::{3}, _minRadius::{4}, _maxRadius::{5}".format(
        _dp, _minDist, _param1, _param2, _minRadius, _maxRadius
    ))

    for circle in circles[0, :]:
        # 圆心坐标，半径
        x, y, r = circle
        x = int(x)
        y = int(y)
        r = int(r)

        # 绘制圆心
        cv.circle(dst, (x, y), 2, (0, 255, 0), 1)
        # 绘制圆形
        cv.circle(dst, (x, y), r, (0, 0, 255), 2)

    cv.imshow("dst", dst)


# 0. 配置日志
logging.basicConfig(level=logging.INFO)

# 1. 读取图像, 将图片转成灰色图片
filename = r"../img/weiqi.jpg"  # 1, 24, 18, 33, 4, 17
# filename = r"../img/coins.jpg"  # 1, 18, 60, 20, 0, 10

img = cv.imread(filename, cv.IMREAD_COLOR)
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
gray_img = cv.GaussianBlur(gray_img, (5, 5), 0)

# 调用函数，寻找霍夫圆

# 显示图像，等待按键
cv.imshow("img", img)
cv.imshow("dst", img)
cv.imshow("gray", gray_img)

# 定义全局变量，用以存储改变值
_dp = 1
_minDist = 20
_param1 = 70
_param2 = 30
_minRadius = 0
_maxRadius = 40
cv.createTrackbar("dp", "dst", 1, 2, lambda v: hough_circle(0, gray_img, v))
cv.createTrackbar("minDist", "dst", 10, 40, lambda v: hough_circle(1, gray_img, v))
cv.createTrackbar("param1", "dst", 60, 80, lambda v: hough_circle(2, gray_img, v))
cv.createTrackbar("param2", "dst", 20, 40, lambda v: hough_circle(3, gray_img, v))
cv.createTrackbar("minR", "dst", 0, 10, lambda v: hough_circle(4, gray_img, v))
cv.createTrackbar("maxR", "dst", 10, 40, lambda v: hough_circle(5, gray_img, v))

cv.waitKey(0)
cv.destroyAllWindows()

运行结果
在这里插入图片描述

62_查找物体的轮廓信息.py

原理

# 查找轮廓
处理的图像,轮廓列表,继承关系 = cv.findContours(图像,轮廓检索模式,检索的方法)

# hierarchy[i][3]，分别表示第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号

在这里插入图片描述

# 绘制轮廓
cv.drawContours(图像,轮廓列表,轮廓索引-1则绘制所有,轮廓颜色,轮廓的宽度)

代码

"""
需求：
1. 读取图像
"""

import logging
import cv2 as cv
import numpy as np

# 0. 配置日志
logging.basicConfig(level=logging.INFO)

# 1. 读取图像，转化成灰度图
filename = r"../img/shape.jpg"
src = cv.imread(filename, cv.IMREAD_COLOR)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 2. 将图像转化成二值图, block_size 表示 block_size x block_size 的正方形区域
binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV, 11, 5)
binary = cv.medianBlur(binary, 3)

# 3. 找出 二值图 中的轮廓
b_c, contours, hieracrchy = cv.findContours(binary, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
logging.info("b_c.shape::{0}\ncontours::{1}\nlen(contours)::{2}\nhieracrchy::{3}".format(
    b_c.shape, contours, len(contours), hieracrchy))  # hieracrchy::[[[-1 -1 -1 -1]]] 最外层轮廓

# 4. 绘制轮廓
cv.drawContours(src, contours, -1, (180, 180, 0), 2, cv.LINE_AA)

# 显示图像，等待按键
cv.imshow("src", src)
cv.imshow("gray", gray)
cv.imshow("binary", binary)
cv.imshow("b_c", b_c)

key = cv.waitKey(0)
logging.info("key = {0}".format(key))

运行结果
在这里插入图片描述

63_查找物体的轮廓信息_绘制外接矩形.py

代码

"""
需求：
1. 读取图像
"""

import logging
import cv2 as cv
import numpy as np

# 0. 配置日志
logging.basicConfig(level=logging.INFO)

# 1. 读取图像，转化成灰度图
# filename = r"../img/shape.jpg"
# filename = r"../img/rect_inclined.PNG"
filename = r"../img/trapezoid_inclined.PNG"
src = cv.imread(filename, cv.IMREAD_COLOR)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 2. 将图像转化成二值图, block_size 表示 block_size x block_size 的正方形区域
binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV, 11, 2)
binary = cv.medianBlur(binary, 3)

# 3. 找出 二值图 中的轮廓
"""
contours 中的 每一个 contour 存储的是一个点
"""
b_c, contours, hieracrchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
# logging.info("b_c.shape::{0}\ncontours::{1}\nlen(contours)::{2}\nhieracrchy::{3}".format(
#     b_c.shape, contours, len(contours), hieracrchy))  # hieracrchy::[[[-1 -1 -1 -1]]] 最外层轮廓

# 4. 绘制轮廓
cv.drawContours(src, contours, -1, (180, 180, 0), 2, cv.LINE_AA)

# 5. 根据轮廓计算外切圆，对每一个轮廓
for contour in contours:  # 有 len(contours)个轮廓，每一个轮廓有
    # logging.info("contour::{0}\ncontour.shape::{1}".format(contour, contour.shape))  # contour.shape::(198, 1, 2), 198点
    # logging.info("{}, {}".format(len(contour), type(contour)))  # INFO:root:136, <class 'numpy.ndarray'>

    # 需求1：求最小外切圆
    center, radius = cv.minEnclosingCircle(contour)
    x = int(center[0])
    y = int(center[1])
    r = int(radius)
    cv.circle(src, (x, y), r, (0, 0, 255), 2)

    # 需求2：最小外切矩形（带旋转角度，不合要求）
    """
    INFO:root:((93.92063903808594, 239.05789184570312), (77.08946228027344, 103.39725494384766), -36.11933898925781)
    左上点，右下点，角度弧度
    """
    # ret_v = cv.minAreaRect(contour)
    # # logging.info("{}".format(ret_v))
    # pt1 = ret_v[0]
    # pt2 = ret_v[1]
    # pt1 = (int(pt1[0]), int(pt1[1]))
    # pt2 = (int(pt2[0]), int(pt2[1]))
    # cv.rectangle(src, pt1, pt2, (100, 200, 250), 2)

    # 需求3：最小外切矩形
    """
    Calculates the up-right bounding rectangle of a point set or non-zero pixels of gray-scale image.
    """
    ret_v2 = cv.boundingRect(contour)
    x, y, w, h = ret_v2
    cv.rectangle(src, (x, y), (x + w, y + h), (255, 100, 0), 2)

    # 需求4：

# 显示图像，等待按键
cv.imshow("src", src)
cv.imshow("gray", gray)
cv.imshow("binary", binary)
cv.imshow("b_c", b_c)

key = cv.waitKey(0)
logging.info("key = {0}".format(key))

运行结果
在这里插入图片描述

64_网球案例.py

代码

"""
需求：
1. 读取图像
"""

import logging
import cv2 as cv
import numpy as np

# 0. 配置日志
logging.basicConfig(level=logging.INFO)

# 1. 读取图像, 转换成灰度图像
filename = r"../img/tenis1.jpg"
src = cv.imread(filename, cv.IMREAD_COLOR)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 2. 灰度图转换成二值图
ret_v, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_TRIANGLE)
logging.info("{}".format(ret_v))

# 3. 对二值图进行滤波处理
binary = cv.medianBlur(binary, 7)

# 4. 查找轮廓，绘制轮廓
image, contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
# logging.info("{}".format(len(contours)))  # 只有一个轮廓，这个轮廓由278个点组成
cv.drawContours(src, contours, -1, (0, 0, 255), 2, cv.LINE_AA)

# 5. 计算外切圆，绘制外切圆
for contour in contours:
    # logging.info("{}, {}".format(contour, len(contour)))
    # 求最小外切圆
    center, radius = cv.minEnclosingCircle(contour)
    x, y, r = int(center[0]), int(center[1]), int(radius)
    cv.circle(src, (x, y), r, (255, 0, 0), 2)

    pass

# 显示图像，等待按键
cv.imshow("src", src)
cv.imshow("gray", gray)
cv.imshow("binary", binary)

key = cv.waitKey(0)
logging.info("key = {}".format(key))

运行结果
在这里插入图片描述

64_获取轮廓相关信息.py

代码

"""
需求：
1. 读取图像

参考：
绘制倾斜矩形轮廓的资料
1. https://my.oschina.net/u/4386741/blog/3664544
2. https://blog.csdn.net/lanyuelvyun/article/details/76614872
"""

import logging
import cv2 as cv
import numpy as np

# 0. 配置日志
logging.basicConfig(level=logging.INFO)

# 1. 读取图像, 转换成灰度图像
# filename = r"../img/tenis1.jpg"
filename = r"../img/trapezoid_inclined.PNG"
src = cv.imread(filename, cv.IMREAD_COLOR)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 2. 灰度图转换成二值图
ret_v, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_TRIANGLE)
# logging.info("{}".format(ret_v))

# 3. 对二值图进行滤波处理
binary = cv.medianBlur(binary, 7)

# 4. 查找轮廓，绘制轮廓
image, contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
# logging.info("{}".format(len(contours)))  # 只有一个轮廓，这个轮廓由278个点组成
logging.info("contours::\n{}".format(contours))
cv.drawContours(src, contours, -1, (0, 0, 255), 2, cv.LINE_AA)

# 5. 计算外切圆，绘制外切圆
for contour in contours:
    # logging.info("{}, {}".format(contour, len(contour)))

    # 需求1：求最小外切圆
    center, radius = cv.minEnclosingCircle(contour)
    x, y, r = int(center[0]), int(center[1]), int(radius)
    img_circle = cv.circle(src, (x, y), r, (255, 0, 0), 2)

    # 需求2：求外接矩形
    ret_v = cv.boundingRect(contour)
    x, y, w, h = ret_v
    img_b_rect = cv.rectangle(src, (x, y), (x + w, y + h), (200, 100, 200), 2, cv.LINE_AA)

    # 需求3：求最小面积外接矩形（带旋转角度）（尝试实现）
    # center, size, angle = cv.minAreaRect(contour)  # 矩形中心, 宽高, angle
    rect = cv.minAreaRect(contour)
    box = cv.boxPoints(rect)
    # logging.info("box::\n{0}".format(box))
    box = np.int32(box)
    img_min_rect = cv.drawContours(src, [box], -1, (255, 255, 255), 2, cv.LINE_AA)

    # 需求4：获取周长
    ret_v = cv.arcLength(contour, closed=True)
    logging.info("ret_v::\n{0}".format(ret_v))

    # 需求5：获取面积
    ret_v = cv.contourArea(contour)
    logging.info("rect_v::\n{0}".format(ret_v))

# 显示图像，等待按键
cv.imshow("src", src)
cv.imshow("gray", gray)
cv.imshow("binary", binary)

cv.imshow("img_circle", img_circle)
cv.imshow("img_b_rect", img_b_rect)

key = cv.waitKey(0)
logging.info("key = {}".format(key))

运行结果
在这里插入图片描述

64_获取轮廓相关信息_优化.py

代码

"""
需求：
1. 读取图像

参考：
绘制倾斜矩形轮廓的资料
1. https://my.oschina.net/u/4386741/blog/3664544
2. https://blog.csdn.net/lanyuelvyun/article/details/76614872
"""

import logging
import cv2 as cv
import numpy as np

"""------------------------- 函数区 -------------------------"""


def get_min_enclose_circle(img, contour):
    center, radius = cv.minEnclosingCircle(contour)
    x, y, r = int(center[0]), int(center[1]), int(radius)
    cv.circle(img, (x, y), r, (255, 0, 0), 2)
    cv.imshow("min_enc_cir", img)


def get_bound_rect(img, contour):
    ret_v = cv.boundingRect(contour)
    x, y, w, h = ret_v
    cv.rectangle(img, (x, y), (x + w, y + h), (200, 0, 0), 2, cv.LINE_AA)
    cv.imshow("bound_rect", img)


def get_min_enclose_rect_rotate(img, contour):
    rect = cv.minAreaRect(contour)
    box = cv.boxPoints(rect)
    box = np.int32(box)
    cv.drawContours(img, [box], -1, (255, 0, 0), 2, cv.LINE_AA)
    cv.imshow("min_area_rect", img)


def get_contour_length(contour):
    ret_v = cv.arcLength(contour, closed=True)
    logging.info("ret_v::\n{0}".format(ret_v))


def get_contour_area(contour):
    ret_v = cv.contourArea(contour)
    logging.info("rect_v::\n{0}".format(ret_v))


"""------------------------- 调试区 -------------------------"""
# 0. 配置日志
logging.basicConfig(level=logging.INFO)

# 1. 读取图像, 转换成灰度图像
# filename = r"../img/tenis1.jpg"
filename = r"../img/shape_collection.PNG"
src = cv.imread(filename, cv.IMREAD_COLOR)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 2. 灰度图转换成二值图
ret_v, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_TRIANGLE)

# 3. 对二值图进行滤波处理
binary = cv.medianBlur(binary, 7)

# 4. 查找轮廓，绘制轮廓
image, contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
img_contours = src.copy()
cv.drawContours(img_contours, contours, -1, (0, 0, 255), 2, cv.LINE_AA)

# 5. 对轮廓集中的每一个轮廓，计算外切圆，绘制外切圆等
min_enc_cir = src.copy()
bound_rect = src.copy()
min_enc_rect_rotate = src.copy()
for i, contour in enumerate(contours):
    logging.info("contour::{0}".format(i))

    # 需求1：求最小外切圆
    get_min_enclose_circle(min_enc_cir, contour)

    # 需求2：求外接矩形
    get_bound_rect(bound_rect, contour)

    # 需求3：求最小面积外接矩形（带旋转角度）（尝试实现）
    get_min_enclose_rect_rotate(min_enc_rect_rotate, contour)

    # 需求4：获取周长
    get_contour_length(contour)

    # 需求5：获取面积
    get_contour_area(contour)

# 显示图像，等待按键
cv.imshow("src", src)
cv.imshow("gray", gray)
cv.imshow("binary", binary)
cv.imshow("contours", img_contours)

key = cv.waitKey(0)
logging.info("key = {}".format(key))

运行结果
在这里插入图片描述

&&_参考

&&_问题解决

飞天牛牛
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
将图像中圆环区域展开成矩形长条的方法Python实现
南七小僧的学海无涯
09-01 6918
def get_huan_by_circle(img,circle_center,radius,radius_width): black_img = np.zeros((radius_width,int(2*radius*math.pi),3),dtype='uint8') for row in range(0,black_img.shape[0]): for c...
环形虹膜展开成矩形。
04-10
将虹膜图片从环形展开为矩形。方便后续的识别等操作。
python-opencv圆环变矩形矩形变圆环
wi162yyxq的博客
06-27 4108
具体数学原理就很简单了，无非就是坐标变换，从x,y或者r,theta变换一下，cx+r*sin(theta)和cy-r*cos(theta) 当然由于采样原因，导致恢复得结果里有采样不到的点。 import cv2 import numpy as np from PIL import Image import math def get_huan_by_circle(img,circle_center,radius,radius_width): black_img = np.zeros((
python-opencv圆环变矩形矩形变圆环(逆时针)
wi162yyxq的博客
06-28 1500
import cv2 import numpy as np from PIL import Image import math def get_huan_by_circle(img,circle_center,radius,radius_width): black_img = np.zeros((radius_width,int(2*radius*math.pi),3),dtype='uint8') for row in range(0,black_img.shape[0]): .
使用opencv提取一副图像中的圆环区域
qq_44878201的博客
04-14 9502
任务简述 今天使用opencv 做了一个计算机视觉任务： 源图像如下 检测的目标为红框圈选的白色点 思路简述 首先是提取出这两个白色小点在的圆环，然后在此圆环之中使用阈值函数就可以看到提取出来的噪声点。如果要在源图像之中标注出来噪声点的话需要使用斑点检测算子。 源程序 void process(){ Mat source = imread(""); //从磁盘之中读取图片 Mat circ...
opencv_exercises:opencv python练习
04-30
git clone方便大家下载使用，提供本项目压缩包链接：找不到包：ModuleNotFoundError：No module named 'cv2'解决：首先要安装opencv包 pip install opencv-python，若还没有解决，需要在pycharm中引入解释器环境，...
opencv-python api手册.rar
08-19
opencv-python api手册.rar
OpenCV-Python-Tutorial::open_book: OpenCV-Python 初学者图像处理教程
05-30
面向初学者的OpenCV-Python教程教程地址:本仓库为教程中所用到的源码、图片和音视频素材等目录入门篇标题简介了解和安装OpenCV-Python度量运行时间/提升效率的几种方式图片的载入/显示和保存高保真保存图片、...
支持GPU的OpenCV-python代码
06-05
1、James Bowley编译好的OpenCv库，https://jamesbowley.co.uk/downloads/#OpenCV4.5.0 ...4、OpenCV是计算机视觉和机器学习软件库，功能非常强大，通过pip安装的Python版本仅支持CPU运算，可以使用该资源进行GPU运算
opencv+python 程序员的浪漫：蒙太奇照片制作.zip
08-04
所谓的蒙太奇效果，就是指用很多张小图片「拼组」成一张全新的图片。当然，也有人把他叫做马赛克拼图。这种图片看起来感觉非常特别，非常神奇！你是否也想自己做一张像这样的照片呢？可别以为真的要用PS手工一张一张...
OpenCV关于HoughCircle函数以及Circle函数的使用
zhaodongdz的博客
08-02 5225
HoughCircle函数能够在一个图片上找到多个圆，十分容易使用，并且HoughCircle对噪声点不怎么敏感。OpenCV内的HoughCircles对基础的Hough变换找圆做了一定的优化来提高速度，它不再是在参数空间画出一个完整的圆来进行投票，而只是计算轮廓点处的梯度向量，然后根据搜索的半径r在该梯度方向距离轮廓点距离r的两边各投一点，最后根据投票结果图确定圆心位置。 HoughCircle函数在opencv4.5.2的定义： def HoughCircles(image, meth...
c语言矩形极坐标变成圆,使用Python和极坐标变换将椭圆环展开为矩形
weixin_29240711的博客
05-16 1036
最近的工作中遇到了一个问题，查了挺久发现没有相应的实现方式，于是自己摸索着写了一个椭圆环展开成为矩形长条的python算法，记录一下备忘。0x00代码废话不多说先上代码：123456789101112131415161718import cv2import numpy as npimport mathdef get_word_by_circle(img,circle_center,radius,r...
python 圆形检测_Python和OpenCV：如何检测图像中所有(填充的)圆圈/圆形对象？
weixin_39849387的博客
11-29 494
至于大小，下面的两个参数(后面)200, 100)默认为0，这可能意味着全检测到。从C++示例的源代码中，我还可以猜测您不需要执行Canny边缘检测：#include #include #include using namespace cv;int main(int argc, char** argv){ Mat img, gray; if( argc != 2 && !(img=im...
[opencv] 直方图匹配
weixin_37834269的博客
12-22 1673
[opencv][cpp] 直方图均衡化与匹配（） 文章目录[opencv][cpp] 直方图均衡化与匹配（）1. todo2. todo*. 参考*. 问题解决*. rough 1. todo 2. todo *. 参考 *. 问题解决 *. rough 定义
[cv3d] 相机标定+内外参矩阵推导
weixin_37834269的博客
01-08 1671
[cv3d] 相机标定+内外参 文章目录[cv3d] 相机标定+内外参1. 相机坐标系到像素坐标系1.0. 立体视觉的四个坐标系1.1. 世界坐标系 to 相机坐标系1.2. 相机坐标系 to 图像坐标系1.3. 图像坐标系 to 像素坐标系1.4. 整合表达式，得出世界坐标系到像素坐标系的表达：2. 畸变参数：径向畸变3. 畸变参数：切向畸变4. 标定与去畸变原理5. 标定板&&_参考&&_问题解决 注：章节一图像拷贝自：计算机视觉：相机成像原理：世界坐标系、相机坐标
cmake + opencv + vs2019 学习笔记 1
weixin_37834269的博客
05-17 1402
cmake + opencv + vs2019 学习笔记 1 (TODO) cmake + opencv + vs2019 学习笔记 1 (TODO) project 1 project 2 参考 目录cmake + opencv + vs2019 学习笔记 1 (TODO)project 11. 准备（编译 OpenCV，一个 OpenCV示例程序）2. 编写`CMakeLists.txt`文件3. 使用 cmake 用外部编译（out-of-source）方式构建项目4. Visual Stu
cmake + windows 编译 opencv 自带示例
weixin_37834269的博客
06-15 1333
目录cmake+windows 编译 opencv 自带示例准备编译步骤运行 `lkdemo`（改进的Lucas-Kanade光流算法）参考 cmake+windows 编译 opencv 自带示例 准备 我的 OpenCV 的源码在很久以前就已经编译好了（编译过程可参考链接1跟4），只是在最近需要参考一下源码中自带的示例（samples）的运行效果，于是就鼓捣了一下。 编译后的opencv 目录结构 +---opencv | +---build | | +---... | +---buildFile |
[opencv][cpp] 学习手册3：多边形拟合
weixin_37834269的博客
12-31 1079
[opencv][cpp] 学习手册3：多边形拟合 文章目录[opencv][cpp] 学习手册3：多边形拟合1. 多边形拟合示例：approxPolyDP2. 心得&&_参考&&_问题解决 1. 多边形拟合示例：approxPolyDP 原理 图像截取自课件视频 目的：需要拟合红色的曲线 连接曲线首尾两端（S0，E） 对曲线上的每一个点做直线的垂线（取一个方向，比如从起始 S0 点到终点 E） 每一个垂线都有长度L，当某一个曲线上的点对应的 L 大于阈值 T，那么
[ros][cv][math] 矩阵的变换+齐次坐标
weixin_37834269的博客
01-06 962
[ros][cv][math] 矩阵的变换+齐次坐标 文章目录[ros][cv][math] 矩阵的变换+齐次坐标0. 写在最前1. 矩阵线性变换：缩放、对称、错切、旋转1. 缩放变换（scale）2. 对称变换（mirror）3. 错切变换（shear）4. 旋转变换（rotate）5. 总结：线性变换（linear transformation）2. 矩阵非线性变换：平移，齐次坐标1. 平移变换（translate）2. 补充3. 使用齐次坐标的变换矩阵4. 矩阵逆变换、复合变换&&_
conda install opencv-python Solving environment: failed InvalidVersionSpecError: Invalid version spec: =2.7
最新发布
10-17
你可以尝试使用以下命令来安装 opencv-python： ``` conda install -c conda-forge opencv ``` 这将从 conda-forge 渠道安装最新版本的 opencv-python。如果你需要特定版本的 opencv-python，可以使用以下命令： ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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