xiao_lxl的专栏

OpenCV_图像梯度化#include "stdafx.h"#include "cv.h"#include "cxcore.h"#include "highgui.h"using namespace std;using namespace cv;int main(int argc, char **argv){ CvPoint center;//定义一个二维坐标的点 do

hog(cv::Size(64,48),cv::Size(8,6),cv::Size(8,6),cv::Size(4,3),9);  其中，cvSize(64,48)表示窗口的大小，cvSize(8, 6)表示块（block）大小，cvSize(8,6)表示块滑动增量（blockStride）大小，cvSize(4, 3)表示胞元（cell）大小，9表示每个胞单元中梯度直方图的数量。

#include "OpenCV.h"#include "std.h"int main(int argc, char** argv){ char* filename = "1.jpg"; //带有检测目标的源图像 Mat img; //定义梯度方向直方图 HOGDescriptor hog; //读取一块特征数组，也就是训练出的检测目标的特征，例如人，车 hog.se

发现Mat类中的at方法对于获取图像矩阵某点的RGB值或者改变某点的值很方便，对于单通道的图像，则可以使用：[cpp] view plain copyimage.at(i, j)  来获取或改变该点的值，而RGB通道的则可以使用：[cpp] view plain copy

关于原理，其他博客有的已经介绍的很详细了，这里主要把我进行训练时的步骤列出来，有的是根据别人的博客参考的，但进行过程中还是会出错，现在把我真正使用的步骤列出来，以供参考一、关于正样本的准备正样本的选取原则正样本的尺寸不是必须一致的，但是要和生成的正样本矢量文件中的宽高有相同的比例（训练过程中，会根据矢量文件中设置的宽高，自动对正样本进行缩放）正样本图片中可以包含背景信息，但是不能太多。因为如果正

火焰检测小程序前几天，偶然看到了An Early Fire-Detection Method Based on Image Processing ,The Author is:Thou-Ho (Chao-Ho) Chen, Ping-Hsueh Wu, and Yung-Chuen Chiou这篇文章，参照他的颜色模型做了一个火焰检测的小程序，以此记录并与大家分享。针对视频，若是加上火

KLT 特征提取KLT算法的理论部分参考自：http://blog.csdn.net/lanbing510/article/details/40451317opencv中 封装好了 KLT特征点提取函数//调用函数进行Shi-Tomasi角点检测 goodFeaturesToTrack( src1_copy, corners1, maxCo

OpenCV_检测图像中的条形码看了StackOverflow上的这篇文章后，加以改进，基于C++实现先上几张效果图：算法的主要流程为：1、首先将读入图片归一化到640*480大小以内的，图片太大的话，一是运行速度慢，而是影响检测效果；2、将彩色图转换成灰度图；3、得到灰度图分别在水平方向和垂直方向上的梯度幅值；4、将水平方向上梯度幅值减去垂直方向上的梯

OpenCV_把彩色照片转换成素描卡通片#include"stdafx.h"//#include//#include#include #include #include using namespace cv;using namespace std;int main(){ Mat src,smallImg,tmp,bigImg,gray,edges,masks,dst; const int MEDIAN_B

紧接上一篇文章 opencv 级联分类器训练步骤和方法级联分类器训练中命令行和训练过程中参数注释：

OpenCV_人脸检测#include "cv.h"#include "highgui.h"#include #include #include #include #include #include #include #include #include using namespace std;static CvMemStorage

Python3+OpenCV在一个显示画面上同时显示两个不同的视频，希望能给需要的你提供个思路。

转载自http://www.cnblogs.com/dwdxdy/archive/2013/08/07/3244508.htmlCUDA基本使用方法在介绍OpenCV中GPU模块使用之前，先回顾下CUDA的一般使用方法，其基本步骤如下：1.主机代码执行；2.传输数据到GPU；3.确定grid，block大小；4.调用内核函数，GPU运行程序；5.传输结果到CPU

利用Mask将不规则区域保存下来Point2f pt1, pt2, pt3, pt4; pt1.x = 17; pt1.y = 75; pt2.x = 374; pt2.y = 48; pt3.x = 44; pt3.y = 249; pt4.x = 394; pt4.y = 234; line(img, pt1, pt2, Scalar(0,0,255),1); l

1.反转图像函数：cv::flip()void flip(InputArray src, OutputArray dst, int flipCode); 参数fipCode: 整数，水平发转；0垂直反转；负数，水平垂直均反转。2.sobel边缘检测函数：cv::sobel()例程：//从文件中读入图像 const char* imagename = "lena.BMP

1、生产vec文件时，报错dressPantsPositives.txt(421) : parse errorDone. Created 583 samples是因为调用默认cans

在图像中绘制透明白色背景Mat ColorMask(130,300,CV_8UC3,Scalar(218,239,239));   //绘制半透明背景   Mat roiA(frame,Rect(0,0,300,130));addWeighted( roiA,0.6,ColorMask,0.4,0,roiA);

OpenCV矩阵运算 加 减 乘 除 深度等一、矩阵Mat I,img,I1,I2,dst,A,B;double k,alpha;Scalar s;1.加法I=I1+I2;//等同add(I1,I2,I);add(I1,I2,dst,mask,dtype);scaleAdd(I1,scale,I2,dst);//dst=scale*I1+I2;2.减法absdiff(I1,I2,I);//I=|I1-I2

级联分类器训练时，到某个级数时报错：Traincascade Error: Bad argument (Can not get new positive sample. Themost possible reason is insufficient count of samples in given vec-file.）解析：

找轮廓，清除不满足条件的轮廓,将满足条件的轮廓内的图像拷贝出来Mat img = imread("0.jpg");Mat res;cvtColor(img,res,CV_BGR2GRAY);vector<vector<Point> > contours_set;//保存轮廓提取后的点集及拓扑关系findContours(res,contours_...

轮廓 画外接圆外接矩形

Mat矩阵 将多幅图像叠加并求平均值

转载，找不到原地址了，等找到了再补上grabCut 抠图#include "stdafx.h"#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include using namespace std;using namespace cv;static void

1、cvLoadImage：将图像文件加载至内存；　　2、cvNamedWindow：在屏幕上创建一个窗口；　　3、cvShowImage：在一个已创建好的窗口中显示图像；　　4、cvWaitKey：使程序暂停，等待用户触发一个按键操作；　　5、cvReleaseImage：释放图像文件所分配的内存；　　6、cvDestroyWindow：销毁显示图像文件的

示例代码是需要mat转换为img：Mat mat,mat1; // mat1是临时变量IplImage * img;mat1=mat.clone();// 包括数据的深度复制，以防对mat数据的更改img=cvCreateImage(cvSize(mat.cols,mat.rows),8,3); //根据实际进行初始化img->imageData=(char*)mat1.dat

直接调用opencv中的EM算法：在头文件中定义：CvEM em;CvEMParams em_params;但这时候会提示CvEM 未定义。查了相关资料发现CvEM类在opencv2.4.9版本中被放在legacy.hpp中，因此调用时需要加头文件#include

OpenCV_利用均值漂移（Mean Shift）和getHueHistogram进行目标跟踪待详解。。。。

文章目录Python2 在图片上加汉字代码实现Python3 在图片上加汉字代码实现遇到的问题python2和python3实现在图片上加汉字,最主要的区别还是内部编码方式不一样导致的,在代码上表现为些许的差别。理解了内部编码原理也就不会遇到这些问题了，以下代码是在WIN10系统上时测好用的。Python2 在图片上加汉字代码实现# -*- coding: cp936 -*-import ...