文章目录前言一、什么是拍照测距？二、双目测距步骤1.双目标定2.测距测试结果 前言最近有项目需要用到摄像测距，于是开始接触opencv机器视觉。学了好几天的摄像机测距相关的知识后就开始动手验证，刚开始是单目测距，搞了个树莓派的开发板，然后下载网上的一些代码验证，发现单目需要预先知道被测物，因为要实现避障功能，所以后面选了双目测距。目前的进度是能在PC上利用双目进行测距，近距离双目测距精度还
转载
2024-02-27 14:39:47
44阅读
文章目录一、第一种：安装opencv-contrib-python二、换一种算法实现角点检测：ORB算法 一、第一种：安装opencv-contrib-python使用此种方法的原因：由于SIFT算法需要用到opencv-contrib-python包中的cv2.xfeatures2d，所以可以通过安装opencv-contrib-python来解决这个问题。 1.卸载opencv-python
转载
2024-09-29 11:25:17
43阅读
1.检索2.图表2.1.饼图2.1.1.Split Slices切片Aggregation-Terms条件 Field-选择关键词 二次切分 会在第一次切片的基础上，在外层再次切分 三次切分2.1.2.分图Split Chartchart只能在首层分割，其后只能进行切片。此处chart选择用户，再次切片选择版本。世纪结果如下图 默认是Rows，行 chart选择columns。列2.1.3用途示例
1.检索2.图表2.1.饼图2.1.1.Split Slices切片Aggregation-Terms条件 Field-选择关键词 二次切分 会在第一次切片的基础上，在外层再次切分 三次切分2.1.2.分图Split Chartchart只能在首层分割，其后只能进行切片。此处chart选择用户，再次切片选择版本。世纪结果如下图 默认是Rows，行 chart选择columns。列2.1.3用途示例
OpenCV矩形检测需求：提取图像中的
矩形，图像存在污染现象，即
矩形区域不是完全规则的
矩形。思路一：轮廓法
OpenCV里提取目标轮廓的函数是findContours，它的输入图像是一幅二值图像，输出的是每一个连通区域的轮廓
点的集合：vector<vector<Point>>。外层vector的size代表了图像中轮廓的个数，里面vector的size代表了轮廓上点的个数。该
转载
2017-09-10 16:33:00
2194阅读
2评论
前言这篇文章对于我实在是太有用了，害怕原链接哪天会失效，因此转过来了。分析问题照片中的PPT区域总是沿着x,y,z三个轴都有倾斜（如下图），要想把照片翻转到平行位置，需要进行透视变换，而透视变换需要同一像素点变换前后的坐标。由此可以想到，提取矩形区域四个角的坐标作为变换前的坐标，变换后的坐标可以设为照片的四个角落，经过投影变换，矩形区域将会翻转并充满图像。因此我们要解决的问题变为：提取矩形的四个角
转载
2023-12-12 21:05:42
141阅读
8. 几何形状的
检测和拟合8.1
点集的最小外包8.1.1 最小外包
矩形OpenCV提供如下函数：cv::RotatedRect cv::minAreaRect(cv::InputArray points)points：接收三种
点集形式 第一种：N×2的Mat类型，每一行代表一个
点的坐标且数据类型只能是 CV_32S 或者 CV_32F； 第二种：vector<Point>或者vect
转载
2024-01-28 18:47:10
10000+阅读
利用OPENCV对矩形表面进行角点检测简单介绍一下思路，标记一个很像矩形的表面，首先得对图像或视频（以下只说图像，其实视频一样道理）进行预处理，尽可能消除噪声、不感兴趣部分的干扰，比如说我这个示例的图像中有几处灯光，但是我只想提取黄色两条小灯以及其连成的矩形。示例目标大概样子思路+代码分析以下是一些头文件，有些可能用不上，这里用了ros在下一遍文章中将会进一步讲到如何用rviz显示提取的部分仿真内
转载
2024-01-02 15:00:28
133阅读
采用OPENCV，从一幅图像中提取部分区域，并保存为新图像。
转载
2023-06-09 17:27:17
10000+阅读
检测直线：cvHoughLines，cvHoughLines2检测圆：cvHoughCircles检测矩形：opencv中没有对应的函数，下面有段代码可以检测矩形，是通过先找直线，然后找到直线平行与垂直的四根线。 检测直线代码：/* This is a standalone program. Pass an image name as a first parameter of the p
转载
2024-03-15 15:54:46
150阅读
OpenCV版本：4.0.0.21(已兼容4.5.2.X版本)算法实现思路如下：对图像做降噪滤波处理提取边缘检测轮廓检测轮廓最小外接矩形（旋转矩形）旋转图像裁剪代码如下：import cv2
import numpy as np
image = cv2.imread("rice.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 转为灰
转载
2024-02-27 10:04:50
232阅读
# 使用 Python 和 OpenCV 进行矩形检测
在计算机视觉中，矩形检测是一种常见的任务，广泛应用于图像处理、目标检测以及图形识别等领域。通过使用 OpenCV，Python 开发者可以轻松实现矩形检测功能。在本文中，我们将讨论如何使用 OpenCV 函数进行矩形检测，并提供一个完整的代码示例。
## 什么是 OpenCV？
OpenCV（Open Source Computer V
# 使用OpenCV进行矩形检测的Python实现
在计算机视觉领域，矩形检测是一项基本而重要的任务。它在许多实际应用中都有广泛的应用，如物体识别、场景重建等。OpenCV是一个功能强大的计算机视觉库，它提供了许多用于图像处理和计算机视觉的算法。本文将介绍如何使用OpenCV和Python进行矩形检测。
## 矩形检测的基本原理
矩形检测的基本原理是识别图像中的矩形区域。这通常涉及到以下步骤
原创
2024-07-19 04:18:38
284阅读
[Opencv]图像的梯度与边缘检测（转） 梯度简单来说就是求导，在图像上表现出来的就是提取图像的边缘（不管是横向的、纵向的、斜方向的等等），所需要的无非也是一个核模板，模板的不同结果也不同。所以可以看到，所有的这些个算子函数，归结到底都可以用函数cv2.filter2D()来表示，不同的方法给予不同的核模板，然后演化为不同的算子而已。并且这只是这类滤波函数的一个用途，曾经写过一
前情提要上期结束前我们经过一些形态学处理得到了一幅这样的图（根据大家用的方法和参数设置可能会有出入）。 可以看到即使经过一些腐蚀膨胀滤波的处理，图像依然有不少噪声，做计算机视觉就是这样的，没有银弹，只能不断的利用已有的信息逐步逼近我们想要的结果。本期内容本期介绍一些轮廓检测的方法，结合一些骚皮操作就能得到我们想要的车牌区域。一、矩形检测在OpenCV中检测矩形是用cv2.boundRect，接受
转载
2024-02-20 07:10:27
195阅读
python opencv提取图片中的矩形区域 s_x, s_y,e_x,e_y = int(xyxy[0]), int(xyxy[1]), int(xyxy[2]), int(xyxy[3])
index_rect_obj = im0[s_y:e_y,s_x:e_x]
cv2.imshow(str(detect_obj_count),index_rect_obj)
转载
2022-05-04 15:37:00
271阅读
一种基于opencv的分辨圆形，三角形，矩形的思路题目要求是分辨出一个随机颜色（红色，绿色，蓝色）的图形（矩形，圆形，三角形）。上篇文章给大家讲了基于openmv的思路，这篇文章大致讲讲如何用opencv来做。 我事先查了一下，我这个方法不知道有多少人早就用过了。（可能是因为当时我也是疯狂查出来的，已经记忆模糊了）他们讲的比我详细多了，我就简单说说思路。我的思路是：色块识别+轮廓提取+角点检测1.
转载
2023-10-17 16:04:01
1235阅读
利用霍夫变换提取矩形的角点坐标背景：一张图包含矩形，要提取其中矩形的角点。思路：对图片进行概率霍夫变换线变换，再筛选出特定矩形的边，求两个边的直线角点流程：边缘检测，得到边缘二值图像概率霍夫线变换HoughLinesP()设定矩形边界从直线中筛选出矩形的边并绘制求矩形边的交点并绘制代码：主函数文件//-------------------------------------------------
转载
2024-01-08 19:32:09
135阅读
一是监控鼠标操作，鼠标点击，移动，松开，然后通过mouse_event识别判断出那一种鼠标的操作，根据不同的操作然后进行处理，二是在主函数中加入鼠标的回调函数，将鼠标操作与程序的窗口绑定。第一节 函数介绍暂时只接触了两个关于opencv2鼠标响应操作的函数，下面分别介绍一下:1.1 回调函数opencv2.4.5中，提供的鼠标回调函数是 setMouseCallback，函数声明如下：CV_EXP
转载
2024-03-02 09:14:10
46阅读
交并比(Intersection-over-Union，IoU)，目标检测中使用的一个概念，我们在进行目标检测算法测试时，重要的指标，是产生的预测框(candidate bound)与标记框(ground truth bound)的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。通常，我们所说的目标检测检测的框是规则的矩形框，计算IOU也非常简单，一般两种方法：两个矩形的宽之和
转载
2023-08-23 20:13:58
10000+阅读
