参考参考轮廓的基本概念在OpenCV中，可以通过cv::findContours()函数，在灰度图中寻找轮廓。函数原型：void findContours( InputArray image, OutputArrayOfArrays contours,
OutputArray hierarchy, int mode,
转载
2024-09-25 17:41:18
84阅读
计算机视觉是一个近几年来日益成熟的领域，OpenCV由一系列C函数和C++类构成。轻量且高效。强大的OpenCV除了用C/C++语言进行开发和使用之外，还支持使用C#、Ch、Ruby等编程语言，同时提供了对Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV官方主页：http://
【计算机视觉】关于OpenCV中GPU配置编译的相关事项标签（空格分隔）： 【计算机视觉】前一段发现了OpenCV中关于GPU以及opencl的相关知识，打算升级一下对OpenCV的使用，但是发现从OpenCV官网上下载的都是没有WITH_CUDA这一选项的。于是必须进行OpenCV带CUDA的重编译！下面就记录这一阶段出现的一系列问题。关于OpenCV版本的问题 起初直接尝试使用一直用的Open
转载
2024-05-14 07:18:03
141阅读
最近准备从 Caffe 入手，学习下深度学习的基本知识，于是便在笔记本电脑上的 Deepin 系统中进行了一些实践，其中参考了网上不少资料，特此记录下来。系统配置：显卡： Intel 集成显卡操作系统： Deepin 15.4.1 x64安装步骤：一、安装 OpenCV 3.3.0（1）安装 OpenCV 所需要的库，在终端依次执行以下命令：sudo apt-get update
sudo apt
转载
2024-06-23 13:08:07
340阅读
我们都知道OpenCV中存储图像常用的方法就是用Mat表示. 基本上讲 Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。基于这个考虑,OpenCV使用引用计数机制。其
转载
2024-03-26 21:25:25
294阅读
文章目录1、图片加载、显示和保存2、图像显示窗口创建与销毁3、图片的常用属性的获取4、选取感兴趣的矩形区域（ROI）5、图片颜色通道的分离与合并6、图片两种加法7、加&减&乘&除8、均值&方差9、与、或、非、异或10、计算执行时间11、彩色空间转换12、常见滤波器12.1 均值滤波12.2 中值滤波12.3 高斯滤波12.4 双边滤波12.5 方块滤波13、图像阈
转载
2024-03-27 08:08:33
47阅读
OpenCV之颜色空间转换：cvtColor()和convertTo()函数
OpenCV中用于颜色空间转换的函数是cvtColor()，而convertTo()函数也经常会动到，这两个函数看起来有点像，所以这里顺便介绍一下二者的区别。 1、cvtColor()它是OpenCV库中的函数，包含OpenCV头文件和命名空间后可直接引用，字面意思是颜色
转载
2024-03-19 00:01:28
37阅读
我们已经知道的是，使用copyTo函数可以得到一个复制的矩阵。A.copyTo(B);就可以得到和A一毛一样的矩阵B。当然需要事先声明B。并且两者可以互不相关的做各种操作。copyTo还有一个重构函数copyTo(B,MASK)。意思是可以得到一个附加掩膜MASK的矩阵B。我们从图像的角度来看这个函数的作用。首先需要生成一张掩膜MASK，一般情况下这个膜和你需要操作的对象图像一样大。生成方法见下面
转载
2024-03-21 19:58:00
162阅读
# 理解 NumPy在这篇文章中，我们将介绍使用NumPy的基础知识，NumPy是一个功能强大的Python库，允许更高级的数据操作和数学计算。# 什么是 NumPy?NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。这类数值计算广泛用于以
（一般pip安装会比conda安装较高效）。3 用pip 安装本文安装 torch 1.13.0+cuda11.6 ，命令如下pip install torch1.13.1+cu116 torchvision0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116注意：这个命令将
图像处理第一步——Python+OpenCV环境搭建摘要笔者在完成一项《数字图像处理》课程设计的时候接触到了这个令不少数字图像处理小白十分头疼的问题，那就是一个好用的Python+Opencv环境搭建，版本的差别造成的错误，还有各种奇葩的问题，笔者也是搭建了好几天，总算是搭建好了，在这里必须要记录一下。 说明：本文中采用的环境为Python 3.7，OpenCV 4.5.2，TensorFlow2
转载
2024-07-22 11:19:50
139阅读
定义和用法：copyTo这个函数有两种定义方式，分别是：void copyTo( OutputArray m ) const;和void copyTo( OutputArray m, InputArray mask ) const; 也就是参数可以是一张输出图像，或者一张输出图像和一个掩码图。那么：image.copyTo(imageROI);就是把image这张
转载
2024-02-18 20:37:56
134阅读
1.OpenCV常用的Python内置函数1.1 ord 函数 在计算机视觉中，使用者时常需要与计算机本身进行交互。比如打开摄像头进行拍照时，机器本身可能很难知道使用者想要它在什么时刻进行拍照动作，但是我们可以通过手动操作来实现。而我们与系统的交互一般传递的是 ASCII (American Standard Code for Information Interchange, 美国信息交换标准码)
转载
2024-05-08 22:25:14
49阅读
配置环境环境变量 D:\opencv\opencv 3.4\build\x64\vc15\lib新建项目opencv\build\x64\vc15\bin下，复制 opencv_world440.dll opencv_world440d.dll opencv_videoio_ffmpeg440_64.dll 三个动态链接库到 C:\Windows\System32 路径下：项目右键，属性。平台 x
完整人脸识别系统（源码+教程+环境）：开源毕业设计：基于嵌入式ARM-Linux的应用OpenCV和QT实现的人脸识别系统(源码+论文)完全毕设教程：Linux上Opencv与Qt实现的人脸识别的考勤点名/门禁系统(PC与嵌入式ARM版本) 按照上篇之一的进度，已经编译及安装好了opencv库及opencv_contrib扩展库。安装好库之后，无非就还有两件事要做：1、配置环境 
个人总结：为什么要翻转卷积核？卷积的概念来源于数学的卷积公式，而卷积核是按照卷积公式给出的，它和要处理的像素块之间位置不对应，翻转之后就一一对应了，就可以直接在程序中对应相乘再相加，也就是说我们拿到一个卷积核后，可以手动先把它反转好，然后输入到程序中，这样在程序中就不用翻转了，整个程序执行过程中并没有所谓卷积的概念，公式，只有简单的数学相乘和相加而已 神经网络中的卷积层，它的
# 查看 PyTorch 是 CPU 还是 GPU 的方法
在深度学习和机器学习的工作中，选择合适的计算资源至关重要。PyTorch 是一个流行的深度学习框架，支持 CPU 和 GPU 运算。对于刚入行的小白来说，了解如何查看 PyTorch 当前工作的是 CPU 还是 GPU 是非常重要的。本文将带你一步步完成这个任务。
## 流程概述
以下是查看 PyTorch 是 CPU 还是 GPU
原创
2024-08-01 11:10:23
558阅读
目录安装cuda下载cuDNN包cuda配置验证pycharm内下载gpu版TensorFlow 安装cuda下载链接：https://developer.nvidia.cn/cuda-downloads? 直接安装，首先提取在temp目录：这个temp目录在退出安装以及安装完成后会自动删除，如果没有，我们也可以手动将其删除提取完成后，就进入安装步骤直接精简安装即可，省事快捷，占点储存空间在现在
setx.exe不是系统默认自带的命令，但可以从微软的网站(2K,XP)上下载到，是官方的咚咚，所以可以放心使用。这里是我从2K里的安装文件中抽取出来的exe文件，不想安装又信得过我的话可以下载。以下是它的用法，转载的别人的：Setx在本地或系统环境中设置环境变量，无需编写程序或制作脚本。Setx 还检索注册表项并将其写入到文本文件。语法setx [/s Computer [/u [Domain\
在前一阶段的项目中用到了LGB，比起刚开始准备的XGB，结果告诉我LGB速度更快，且准确率更高，鉴于目前各大比赛或者面试中常考这两种算法，总结一下目前两者的区别和联系：xgboost采用的是level-wise的分裂策略，而lightGBM采用了leaf-wise的策略，区别是xgboost对每一层所有节点做无差别分裂，可能有些节点的增益非常小，对结果影响不大，但是xgboost也进行了分裂，带来
