opencv深度图可视化



#include <iostream>

#include <fstream>
#include <sstream>

#include <opencv2/dnn.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/features2d.hpp>
#include <opencv2/calib3d.hpp>
#include <opencv2/xfeatures2d.hpp>
#include "opencv2/photo/photo.hpp"


int a;
int b;
int c;
int d;

using namespace std;
using namespace cv;
using namespace dnn;




int main(int argc, char** argv)
{
	Mat src = imread("D:/test3/5_depth.png");
	src.convertTo(src, CV_32F);
	Mat im_color,dst;
	double min;
	double max;
	cv::minMaxIdx(src, &min, &max);
	convertScaleAbs(src, dst, 255 / max);
	applyColorMap(dst, im_color, COLORMAP_RAINBOW);

	imshow("伪色图",im_color);
	waitKey(0);

	return 0;
}

 

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV是一个开源的计算机视觉库,可以用于图像和视频处理。在2D领域,OpenCV在对象检测、图像分割和特征提取等任务上表现得相当出色。然而,随着计算机视觉领域的快速发展,对于处理3D数据的需求也越来越大。因此,OpenCV 3D重建可视化成为了一个重要的研究方向。 OpenCV 3D重建可视化的目标是从2D图像或者视频中重建出3D场景,并以可视化的方式展示出来。它通过从多个视角捕捉图像或者视频,然后利用这些信息来还原出真实世界中的3D结构。这个过程通常包括多个步骤,比如相机标定、物体定位、深度估计和点云重建。 相机标定是重建3D场景的第一步,它的目的是校准相机参数,包括焦距、主点和畸变系数等。标定相机可以提高之后的物体定位和深度估计的准确性。 物体定位是确定相机在世界坐标系中的位置和姿态的过程。这可以通过在不同位置和角度拍摄物体的图像来实现。根据物体在不同图像中的位置和形状变化,可以计算出它们在世界坐标系中的3D位置。 深度估计是计算场景中每个点的真实世界深度的过程。这可以通过多视角几何和立体匹配算法来实现。多视角几何基于多个视角的图像信息,估计相机和物体之间的几何关系。立体匹配算法基于左右两个图像的像素差异,匹配对应的特征点,然后根据它们的像素差异计算深度。 点云重建是将深度估计的结果转换为3D点云表示的过程。点云表示是将3D场景还原为一组3D点的集合。它可以用于可视化、分析和其他计算机视觉任务。 总结来说,OpenCV 3D重建可视化是通过相机标定、物体定位、深度估计和点云重建等步骤,从2D图像或视频中还原出3D场景并进行可视化展示的过程。这项研究对于虚拟现实、增强现实和计算机图形学等领域具有重要的应用价值。
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
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