2021-9-21 opencv学习

最新推荐文章于 2024-01-11 19:40:46 发布
最新推荐文章于 2024-01-11 19:40:46 发布
阅读量809 收藏 11
点赞数 10
分类专栏： Python学习 文章标签： opencv python
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_52116801/article/details/120211712
版权

在这里插入图片描述

opencv学习日志

关于Anaconda安装cv2

在学习opencv前，我们首先要安装opencv的库函数。

先错误示范一下

  1. 首先我们在Anaconda Prompt窗口输入下列命令：
conda install opencv-python

然后就会出现报错：
PackagesNotFoundError: The following packages are not available from current channels:

  • python-opencv

Current channels:

  • https://repo.anaconda.com/pkgs/main/win-64
  • https://repo.anaconda.com/pkgs/main/noarch
  • https://repo.anaconda.com/pkgs/r/win-64
  • https://repo.anaconda.com/pkgs/r/noarch
  • https://repo.anaconda.com/pkgs/msys2/win-64
  • https://repo.anaconda.com/pkgs/msys2/noarch

To search for alternate channels that may provide the conda package you’re
looking for, navigate to https://anaconda.org and use the search bar at the top of the page.

这个大概就是现在opencv库不支持这样安装了，需要我们找到对应的版本进行安装

  1. 我们在Anaconda Prompt窗口输入下列命令：
conda install --channel https://conda.anaconda.org/menpo opencv

安装过程出错PermissionError

大概原因是有一些文件被anaconda(或其他一些进程)锁定，opencv可能需要读写这个文件

正确方法，亲测有效

关闭anaconda，spyder的所有相关进程。
先在Anaconda Prompt窗口输入如下命令：

conda update --all

然后就会出现一些要更新的包，下载的包什么的，反正全部yes就行了

再在Anaconda Prompt窗口输入如下命令：

conda install --channel https://conda.anaconda.org/menpo opencv

过一会儿也会让你输入[y/n]:

直接y就行了。等命令执行完anaconda也就安装好cv2库了

Opencv基本使用方法

Anaconda的代码提醒太慢了，我还是用pycharm，上面的只是给使用Anaconda的童鞋们看的。

图像的读取、显示和保存

图像的读取和显示

import cv2

img = cv2.imread("D:/conda programs/snack2.png") # 读取图像文件（完整文件名）
# cv2.namedWindow("she") # 为窗口命名（其实不需要，下面显示图像的时候也要给窗口命名）
cv2.imshow("she", img) # 显示图像。第一个参数是窗口名，第二个参数就是刚才读入的图像
cv2.waitKey(0) # 参数为窗口等待时间，如果没有这行代码没有，会直接一闪而过。
# 当该参数值小于0时，为等待单击。 参数大于0时，为等待时间。 参数等于0或没有参数则无限等待。
cv2.destroyAllWindows() # 销毁所有窗口，不再占用内存。

注意：python读取和保存文件名中间的分割符与Windows默认的“\”不一样，python读取保存图像中间的分隔符为“/”或“\”

便可以显示图片啦！（🐍姐🐍姐）
在这里插入图片描述

图像的保存

cv2.imwrite("C:/Users/Zhang-Lei/Desktop/snack.png", img) # 保存图像。参数为要保存的完整文件名和读入的图像

这样就成功保存在桌面啦
在这里插入图片描述

像素处理

读取像素

  1. 灰度图像 img[x, y] ： 单通道图像

我将上面的图像转为灰度图，保存为"C:/Users/Zhang-Lei/Desktop/snack_gray.png"，然后读取其中某个点的像素值

img = cv2.imread("C:/Users/Zhang-Lei/Desktop/snack_gray.png")
pixel = img[100, 100]
print(pixel)

结果：
在这里插入图片描述
结果为什么会是三个数字呢？
opencv读取图像时会改变图片的格式。

那么如何读取图像时不改变图片格式呢？
读取图像时加入参数cv2.IMREAD_UNCHANGED

img = cv2.imread("C:/Users/Zhang-Lei/Desktop/snack_gray.png", cv2.IMREAD_UNCHANGED)
pixel = img[100, 100]
print(pixel)

结果：
在这里插入图片描述
这样就是真正的单通道图片啦!

  1. BGR图像 img[x, y, z]
img = cv2.imread("C:/Users/Zhang-Lei/Desktop/snack.png")
blue_pixel = img[100, 100, 0]  # 第三个参数代表通道数，0表示blue通道
green_pixel = img[100, 100, 1]  # 1表示green通道
red_pixel = img[100, 100, 2]  # 2表示red通道
print(blue_pixel, '\n', green_pixel, '\n', red_pixel)```

结果：
在这里插入图片描述
即三通道的像素值分别为139， 160， 188

修改像素值

  1. 分通道处理
img[100, 100, 0] = 255
img[100, 100, 1] = 255
img[100, 100, 2] = 255
print(img[100, 100])

分别将三个通道的像素值都设置为255

结果：
在这里插入图片描述

  1. 三通道同时处理
img[100, 100] = [0, 0, 0]
print(img[100, 100])

同时将三通道的像素值都设置为0

结果：
在这里插入图片描述
3. 区域像素赋值

img[100:150, 100:150] = [255, 255, 255]
cv2.imshow("she", img)
cv2.waitKey()
cv2.destroyAllWindows()

显示结果：
区域内的所有通道像素值都是255，因此该区域为白色。
在这里插入图片描述

使用numpy方法进行像素处理

读取像素

blue = img.item(100, 100, 0)
green = img.item(100, 100, 1)
red = img.item(100, 100, 2)
print(blue, '\n', green, '\n', red)

结果：
在这里插入图片描述
同样可以获取到三通道各自的像素值

注意，彩色图不可以直接使用item查看三通道的像素值，否则会报错，报错如下：
incorrect number of indices for array

修改像素值

img.itemset((100, 100, 0), 255)
img.itemset((100, 100, 1), 255)
img.itemset((100, 100, 2), 255)
print(img.item(100, 100, 0))
print(img.item(100, 100, 1))
print(img.item(100, 100, 2))

结果：
在这里插入图片描述
可以看到像素值改变了

访问图像属性

图像的形状

img = cv2.imread("C:/Users/Zhang-Lei/Desktop/snack.png")
print(img.shape)

结果：
在这里插入图片描述
960行*640列， 三通道彩色图

图像的总像素数

print(img.size)

结果：
在这里插入图片描述
960 * 640 = 1843200

图像的数据类型

print(img.dtype)

结果：
在这里插入图片描述
关于数据类型，整型浮点型里面还有细分，这里就不多说了。

ROI（region of interest），感兴趣区域。

提取

cv2.imshow("face", img[100:400, 200:400])
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述
可以看到提取了脸部图像

复制

下面我们将脸部图像复制到图像的下方

img[500:800, 200:400] = img[100:400, 200:400]
cv2.imshow("demo", img)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述

拆分和合并通道

拆分通道（split）

b, g, r = cv2.split(img)
cv2.imshow("blue", b)
cv2.imshow("green", g)
cv2.imshow("red", r)
cv2.waitKey()
cv2.destroyAllWindows()

结果:
在这里插入图片描述
可以看到，b, g, r三通道的图像都被提取了出来
注意：cv.spilt()是一项代价高昂的操作（就时间而言）。所以只有在你需要时才这样做，否则就使用 Numpy 索引。
即：

b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]

合并通道（merge）

new_img = cv2.merge((b, g, r))
cv2.imshow("new", new_img)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述
可以看到，三通道的图片合并在一起成了一张新图片。

制作图像边界（填充）(cv2.copyMakeBorder())

应用于在图像周围创建边框，例如相框效果。

函数参数详解

cv2.copyMakeBorder(src, top, bottom, left, right, borderType, [value])

  • src : 输入的图像。
  • top, bottom, left, right : 上下左右四个方向上的边界拓宽的值。
  • borderType : 指定边框类型。
  • value：当borderType的类型是cv2.BORDER_CONSTANT时，则这个值即为要设置的边框颜色 注意：使用matplotlib展示图像时这里的三通道的顺序是RGB，而不是BGR

borderType的类型可以是如下几种：

  • cv2.BORDER_CONSTANT ：添加一个恒定的彩色边框。该值应作为下一个参数value给出。
  • cv2.BORDER_REFLECT ：边框将是边框元素的镜像反射，如下所示：fedcba|abcdefgh|hgfedcb
  • cv2.BORDER_REFLECT_101或者 cv.BORDER_DEFAULT ：与上面相同，但略有改动，如下所示： gfedcb | abcdefgh | gfedcba
  • cv2.BORDER_REPLICATE ： 最后一个元素被复制，如下所示： aaaaaa | abcdefgh | hhhhhhh
  • cv2.BORDER_WRAP ：不好解释，它看起来像这样： cdefgh | abcdefgh | abcdefg

使用方法示例

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("C:/Users/Zhang-Lei/Desktop/snack_gray.png")
Blue = [0, 0, 255]
replicate = cv2.copyMakeBorder(img, 100, 100, 100, 100, cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, 100, 100, 100, 100, cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, 100, 100, 100, 100, cv2.BORDER_DEFAULT)
wrap = cv2.copyMakeBorder(img, 100, 100, 100, 100, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, 100, 100, 100, 100, cv2.BORDER_CONSTANT, value=Blue)

plt.figure(figsize=(12, 12))

plt.subplot(2, 3, 1)
plt.imshow(img)
plt.title("Original")

plt.subplot(2, 3, 2)
plt.imshow(replicate)
plt.title("Replicate")

plt.subplot(2, 3, 3)
plt.imshow(reflect)
plt.title("Reflect")

plt.subplot(2, 3, 4)
plt.imshow(reflect101)
plt.title("Reflect101")

plt.subplot(2, 3, 5)
plt.imshow(wrap)
plt.title("Wrap")

plt.subplot(2, 3, 6)
plt.imshow(constant)
plt.title("Constant")

plt.show()

结果：
在这里插入图片描述
可以看到除了第一张初始图象外，其他五张的边界都发生了一些变化。

图像的算术运算

图像加法 (cv2.add())

结果图像=图像1+图像2

通过 OpenCV 函数，cv2.add()或简单地通过 numpy 操作将两个图像相加，res = img1 + img2。两个图像应该具有相同的深度和类型，或者第二个图像可以是像素值，比如(255,255,255)，白色值。

图像操作代码示例：

img = cv2.imread('C:/Users/Zhang-Lei/Desktop/snack_gray.png')
img_add1 = cv2.add(img, img)
img_add2 = img + img
cv2.imshow('original', img)
cv2.imshow('add1', img_add1)
cv2.imshow('add2', img_add2)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述

注意：注OpenCV相加操作和 Numpy 相加操作之间存在差异。OpenCV 添加是饱和操作，而 Numpy 添加是模运算。要注意的是，两种加法对于结果溢出的数据，会通过某种方法使其在限定的数据范围内。

代码示例：

import cv2
import numpy as np

x = np.uint8([250])
y = np.uint8([10])
print(cv2.add(x, y))
print(x + y)

结果：
在这里插入图片描述
cv2.add()操作中：250+10 = 260 > 255 => 255
直接相加操作中：（250+10）% 256 = 4

图像混合 (cv2.addWeighted())

结果图像=图像1*系数1+图像2*系数2+亮度调节量
cv.addWeighted(src1, alpha, src2, beta, gamma)
注意：参数gamma不能省略

也就是将图像相加，但是对图像赋予不同的权重，从而给出混合感或透明感。

注意：这里想要混合的两个图像尺寸，类型必须完全相同，否则将报错。

报错如下：
error: (-209:Sizes of input arguments do not match) The operation is neither ‘array op array’ (where arrays have the same size)

代码示例：

img1 = cv2.imread('C:/Users/Zhang-Lei/Desktop/5.jpg')
img2 = cv2.imread('C:/Users/Zhang-Lei/Desktop/6.jpg')
res = cv2.addWeighted(img1, 0.3, img2, 0.7, 0)
cv2.imshow('img1', img1)
cv2.imshow('img2', img2)
cv2.imshow('res', res)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述

可以看到，两个图像按照一定的比例融合在一起。

按位运算

这包括按位 AND（与），OR（或），NOT（非） 和 XOR（异或） 运算。它们在提取图像的某一部分、定义和使用非矩形 ROI 等方面非常有用。

假如我想加一个OpenCV的 logo在一个图像上，如果只是简单的将两张图像想加，则会改变叠加处的颜色。如果进行上面所说的混叠操作，则会得到一个有透明效应的结果，但我希望得到一个不透明的logo。如果logo是一个矩形logo，那可以用上节所讲的ROI来做。但是OpenCV的logo是不规则形状的，所以用下面的bitwise操作来进行。

img1 = cv2.imread('C:/Users/Zhang-Lei/Desktop/snack.png')
img2 = cv2.imread('C:/Users/Zhang-Lei/Desktop/opencv.jpg')
rows, cols, channels = img2.shape
roi = img1[:rows, :cols]
img2gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
ret, mask = cv2.threshold(img2gray, 200, 255, cv2.THRESH_BINARY)  # 二值化，使ROI中的徽标区域变黑
cv2.imshow('mask', mask)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述
可见图片已经二值化，只有黑白两部分了。

mask_inv = cv2.bitwise_not(mask)  # 非运算，黑白反转
cv2.imshow('mask_inv', mask_inv)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述
可见，与上图相比黑白发生反转。

img1_bg = cv2.bitwise_and(roi, roi, mask=mask_inv)
img2_fg = cv2.bitwise_and(img2, img2, mask=mask_inv)
cv2.imshow('img1_bg', img1_bg) # 仅从徽标图像中获取徽标区域。
cv2.imshow('img2_fg', img2_fg) # 在ROI 中放置徽标并修改主图像
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述

res = cv2.add(img1_bg, img2_fg)
img1[:rows, :cols] = res
cv2.imshow('res', res)
cv2.imshow('img1', img1)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述

可见，我在蛇姐的图片上做了一个不透明的opencv的logo。

图像类型转换

BGR图像转RGB图像

BGR = cv2.imread("C:/Users/Zhang-Lei/Desktop/snack.png")
RGB = cv2.cvtColor(BGR, cv2.COLOR_BGR2RGB)  # BGR图像转RGB图像
cv2.imshow("BGR", BGR)
cv2.imshow("RGB", RGB)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述

BGR图像转灰度图

BGR = cv2.imread("C:/Users/Zhang-Lei/Desktop/snack.png")
GRAY = cv2.cvtColor(BGR, cv2.COLOR_BGR2GRAY)  # BGR图像转灰度图
cv2.imshow("BGR", BGR)
cv2.imshow("GRAY", GRAY)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述

灰度图转BGR图像

BGR = cv2.imread("C:/Users/Zhang-Lei/Desktop/snack.png")
GRAY = cv2.cvtColor(BGR, cv2.COLOR_BGR2GRAY)  # BGR图像转灰度图
BGR2 = cv2.cvtColor(GRAY, cv2.COLOR_GRAY2BGR)  # 灰度图转BGR图像
cv2.imshow("GRAY", GRAY)
cv2.imshow("BGR2", BGR2)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述
这在图像上可能看不出什么变化，但我们可以答应出图像的尺寸看看它们之间的区别。

print(GRAY.shape)
print(BGR2.shape)

结果：
在这里插入图片描述
可以看到，BGR图像的通道数为3。

灰度图转RGB图像

BGR = cv2.imread("C:/Users/Zhang-Lei/Desktop/snack.png")
GRAY = cv2.cvtColor(BGR, cv2.COLOR_BGR2GRAY)  # BGR图像转灰度图
RGB2 = cv2.cvtColor(GRAY, cv2.COLOR_GRAY2RGB)  # 灰度图转RGB图像
cv2.imshow("GRAY", GRAY)
cv2.imshow("RGB2", RGB2)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述
与上面灰度图转BGR图像同理，从图像上看不出变化，但通道数为3。

在这里插入图片描述

giegie界清流
关注
专栏目录
[Python从零到壹] 十三.机器学习之聚类算法四万字总结全网首发（K-Means、BIRCH、树状聚类、MeanShift）
杨秀璋的专栏
07-06 1万+
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍，看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解，真心想把自己近十年的编程经验分享给大家，希望对您有所帮助，文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇、图像识别30篇、人工智能40篇、Python安全20篇、其他技巧10篇。您的关注、点赞和转发就是对秀璋最大的支持，知识无价人有情，希望
2021-02-14 大数据课程笔记 day25
qq_44745905的博客
02-14 1039
@R星校长 Python教程 第一章Python的介绍 python介绍 一种面向对象，面向函数的解释型计算机程序设计语言，由荷兰人Guido van Rossum(龟叔)于1989年发明，第一个公开发行版发行于1991年。Python是纯粹的自由软件， 源代码和解释器 CPython 遵循 GPL(GNU General Public License) 协议[2]. Python 语法简洁清晰，特色之一是强制用空白符(white space)作为语句缩进。Python 具有丰富和强大的库。它常被昵称为胶.
OpenCV-Python -- Basic Operations on Images
DAOCHI
06-21 667
学习目标： 访问像素，以及修改像素 获取图像的属性 设置图像ROI区域 图像通道分离和通道合并 访问、修改像素 import cv2 import numpy as np img = cv2.imread('messi5.jpg')
Mingw32编译opencv库
最新发布
qq_40622955的博客
01-11 825
注意：mingw32-make编译的库和MSVC编译的库不兼容，MSVC和mingw-make生成的动态库使用的是不同的ABI（Application Binary Interface），不能混合使用由这两个编译器生成的库。例如，如果你的程序使用了由MSVC编译的库，那么你的程序也必须使用MSVC来编译。另外mingw32-make编译的库的库文件是.a后缀，MSVC编译的库的库文件是.lib。
Android:如何从源码编译OpenCV4Android库
katerdaisy的博客
05-26 2169
原文摘自知乎网友稚晖的文章《如何从源码编译OpenCV4Android库》我在这里根据自己的经验，增加一些备注。
图标点选验证码识别---python破解代码
qq_44749634的博客
11-11 5522
在线测试：http://121.4.108.95:8000/index/ 开源地址：https://github.com/Bump-mann/simple_ocr首先我们看一个较简单的图标点选验证码 从上面图片中依次点击以下图形 笔者的思路（其实就是对着别人的抄）是先识别出图形切割下来，然后分别对比相似度，就可以得出需要点击位置啦~模型下载链接放在文章末尾！显而易见，识别分为两部分，以下为目标识别代码 效果如下： 有些龟裂是因为我加了一些自以为可以“提高”识别效果的东西…以下是相似度代码 效果如下
source tree clone error:fatal remote error: Repository not found
Linda的前端开发路
07-23 2798
source tree clone error:fatal remote error: Repository not found
2021-01-29 深度学习技术 图像处理入门笔记
m0_50140251的博客
01-29 268
1 Opencv的安装 2 Pip安装keras 3 Cifar-10 4 VGG16
opencv_contrib-4.x.zip
12-23
"opencv_contrib-4.x.zip" 文件是一个包含OpenCV扩展模块的压缩包，日期为2021年12月22日。这个版本很可能是OpenCV 4系列的一个更新或修订版，提供了更多的特性和实验性模块。 OpenCV 4.x 是OpenCV的一个主要版本，...
OpenCV简介及安装
Mr_Nobody17的博客
08-25 390
1.简述 OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉和机器学习软件库。 OpenCV是由英特尔公司发起并参与开发，以BSD许可证授权发行，可以在商业和研究领域中免费使用。 支持的操作系统：Linux、Windows、Android和Mac OS。 支持的接口语言：C ++，Python，Java和MATLAB 官网：https://opencv.org/ 2.发展历史 1999年1月，CVL项目启动。主要目标是人机界面，能被U
opencv+opencv_contrib编译下载失败问题解决
闲逸的炫鹰
10-25 2628
主要是下载时出错的五处： ippicv ffmpeg boostdesc vgg_generated face_landmark_model.dat github搜opencv_3rdparty 下载慢了可以创建个码云账号，克隆到码云上，享受极速下载。 ippicv 我显示ippicv_2020_win_intel64_20191018_general.zip下载失败，在opencv_3rdparty的分支中找对应的版本，下载，记住保存的路径，比如我的路径"D:\Software\OpenCV\do
Opencv HighGUI函数_载入，保存，显示图像
Csdn_999的博客
10-14 406
载入，保存，显示图像
opencv出现error
mn08290125的博客
09-18 686
opencv报错： cv2.error: OpenCV(3.4.2) /tmp/build/80754af9/opencv-suite_1535558553474/work/modules/highgui/src/window.cpp:632: error: (-2:Unspecified error) The function is not implemented. Rebuild the li...
Opencv_3rdparty相关的模块
Wall-Feng
02-27 3747
1 3dparty介绍 该文件夹包含imgcodecs模块使用的一些非常流行的静止图像的编解码器的库文件和头文件。如下图所示为OpenCV3.4.1的3rdparty文件夹下包含的子文件夹和文件。 图1 OpenCV3.4.1 3rdparty文件夹内容 在OpenCV编译过程中 2 ffmpeg 3 ippicv ...
opencv opencv_contrib fatal error: boostdesc_bgm.i: No such file or directory
邹九的个人博客
12-19 2259
在安装opencv的时候，要是加装了opencv_contrib模块，往往会遇到下载某些内容卡住了，这个时候就要自己下载，然后修改源码了，一般都是在cmake里面的download*.cmake， 类似这样子的 function(download_vgg_descriptors dst_dir status_var) set(OPENCV_3RDPARTY_COMMIT "fccf7cd6a4b12079f73bbfb21745f9babcd4eb1d") set(ids VGG_48 VG
第三讲 i.MX系列芯片简介
热门推荐
夜雨的博客
07-03 19万+
第三讲 i.MX系列芯片简介 文章目录第三讲 i.MX系列芯片简介一、 i.MX 系列处理器芯片选型i.MX 6ULL 总览i.MX 6ULL 特性i.MX 6ULL 框图注意二、 ARM 体系架构指令集架构处理器与内核芯片ARM授权方式Cortex A7 内核三、 i.MX RT 简介 一、 i.MX 系列处理器 芯片选型 性能稳定 芯片稳定，产品才能稳定 资料齐全 数据手册，编程参考手册齐全 芯片内部资源丰富 根据具体需要的功能查看芯片是否具备资格 开发工具 拥有好的开发工具能够极大节省
学习机器学习时遇IndexError: too many indices for array错误
xGuardian的博客
07-23 3万+
在我们学习机器学习的时候，往往会碰到许多的新手坑，这里简单介绍下自己遇到的一个坑，以及解决思路 以下是我之前在学习决策树遇到的一个坑，初始代码如下： X = np.linspace(-100,100,100) y = np.sin(X) z = np.cos(X) #以上代码能够绘制一个由100个点构成的圆 #将y,z进行级联 np.concatenate([y.reshape(-1,...
opencv安装时生成makefile文件报错：The source directory “/home/wangbin“ does not appear to contain CMakeLists.t
nyist_yangguang的博客
09-24 1191
Releases - OpenCV
opencv-mingw-build-opencv-4.5.5-x64
11-11
opencv-mingw-build-opencv-4.5.5-x64 是一个用于在 Windows 平台上构建 OpenCV 4.5.5 版本的 Mingw 工具链的项目。OpenCV 是一个用于计算机视觉和图像处理的开源库，通过 opencv-mingw-build-opencv-4.5.5-x64，...
评论 6
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

打赏作者

giegie界清流

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