opencv3
文章平均质量分 63
猿来不容易
学生
展开
-
opencv视频录制及解码器的一些说明
opencv 作为一个图像处理库,对视频方面采取了一些简单的方法封装。OpenCV只支持avi的格式,而且生成的视频文件不能大于2GB,而且不能添加音频。videocapture 打开摄像头参数为0时打开默认的摄像头。vediowriter是对视频的存储。读取视频可以用采用videocapture的read方法 或者 >> 存储视频也可以使用 videowriter 中的write方法或者原创 2016-04-10 10:38:45 · 4826 阅读 · 0 评论 -
opencv 模版匹配matchtemplate方法介绍
matchTemplate函数的输入是一个小图像模版和一个被搜索的图像,结果返回一个Mat函数,表示每一个像素位置上的相似度。 matchTemplate( InputArray image, InputArray templ, OutputArray result, int method, InputArray mask = noArray() ); image 为被搜索的图像(原创 2016-04-08 20:57:54 · 4743 阅读 · 2 评论 -
threshold的用法介绍
函数threshold()是对单通道的灰度图像进行阙值处理的(函数compare()也可以达到同样的效果)。 彩色图像可以使用cvtColor(strImage,grayImage,COLOR_RGB2GRAY)来变为灰度图像。 double threshold( InputArray src, OutputArray dst,double thresh, double原创 2016-04-29 17:56:32 · 20683 阅读 · 3 评论 -
使用迭代器操作像素
在迭代器中我们仅仅是获得图像矩阵的begin和end,然后增加迭代直至从begin到end,将*操作符添加在迭代器指针前,就可以访问当前指向的内容。 使用迭代器访问像素比较安全,不会出现越界的问题。 int main(){ int div=16; Mat outputimage=imread("");//路径 Mat_::iterator it=output原创 2016-04-19 11:02:30 · 793 阅读 · 0 评论 -
opencv中检测视频内容是否变化,并且能够进行人脸检测。
本程序主要通过videocapture打开摄像头,并且对所录视频的内容进行检测,如果视频内容发生改变则保存所录视频,并且对变化的内容进行检查是否包含人脸,包含人脸则将人脸标记出来,主要用到了opencv提供的haarcascade_frontalface_alt.xml分类器。话不多说,直接上代码。 #include <opencv\cvaux.hpp&g...原创 2016-04-18 21:21:31 · 4102 阅读 · 0 评论 -
使用指针ptr指针访问像素,并且减少颜色数量
众所周知对于三通道图像,所存储的颜色个数太多,用如此多的颜色来进行处理,可能会对算法性能造成很大的影响,其实,只要使用这些颜色中具有代表性的小部分就可以达到同样的效果。于是一般都会对图像的颜色进行缩减。主要的做法是将现有的颜色空间值除以某一个输入值来减少颜色数量。 主要思路为: 1、遍历图像矩阵的每一个像素。 2、对像素应用缩减的算法。#include#include原创 2016-04-18 20:54:55 · 1137 阅读 · 0 评论 -
opencv中的bitwise_not,bitwise_xor,bitwise_or,bitwise_and的使用方法与效果。
1.将二指图片的效果反转既黑色变白色,白色变黑色。 使用 bitwise_not(InputArray src, OutputArray dst, InputArray mask = noArray());使用前使用后:int main() { Mat image,image2;image=imread("")//路径;threshold(image, im原创 2016-04-10 17:07:15 · 42832 阅读 · 7 评论 -
opencv3重映射基础介绍
重映射就是把一幅图像上某处的像素放在另一个图像的指定位置。因为源图像与目标图像的像素坐标不是一一对应的额,于是会使用重映射来表达像素的位置(x,y);g(x,y)=f(h(x,y));f()指源图像,h(x,y)指作用于(x,y)的映射方法。 实现重映射可以通过remap函数 remap(InputArray src,OutputArray dst,InputArra原创 2016-07-22 15:23:16 · 742 阅读 · 0 评论 -
基于TLD的人脸检测跟踪系统
目标检测与跟踪作为计算机视觉领域重点难点之一,一直一来受到广泛的关注与研究。目前,运动物体的检测与跟踪主要运用与人机交互、智能家具、视频监控等领域。尽管目标检测与跟踪发展迅速也提出了很多有效的方法。但在实际应用中任然存在各种困难,如跟踪目标体积变化,周围环境突变,跟踪目标被遮挡等。 目前主流的跟踪算法基本都基于检测跟踪,TLD就是基于检测的跟踪算法,TLD(Tracking-Lear原创 2017-08-16 20:20:23 · 1271 阅读 · 0 评论