Blob在机器视觉中是指图像中的具有相似颜色、纹理等特征所组成的一块连通区域。Blob分析就是对这一块连通区域进行几何分析得到一些重要的几何特征，例如：区域的面积、中心点坐标、质心坐标、最小外接矩形、主轴等。Blob分析的一般步骤：1、图像分割2、连通性分析3、特征量计算经典目标检测分离方法1、背景差分法在检测运动目标时，如果背景是静止的，利用当前图像与预存的背景图像作差分，再利用阈值来检测运动区
转载
2024-03-18 18:57:50
109阅读
# 如何实现“python GPU BFMatcher”
## 引言
在计算机视觉领域，图像匹配是一项非常重要的任务。而BFMatcher（Brute-Force Matcher）是一种常用的图像匹配算法。然而，当处理大规模图像数据时，BFMatcher算法可能会面临性能瓶颈。为了提高匹配速度，我们可以利用GPU加速。本文将介绍如何使用Python和GPU进行BFMatcher算法的加速实现。
原创
2024-01-05 10:35:43
327阅读
# 使用Python中的BFMatcher实现特征匹配
在计算机视觉中，特征匹配是一种重要的技术，用于识别和定位图像之间的相似点。BFMatcher（暴力匹配器）是OpenCV库中的一种简单且有效的方法。本文将指导你如何使用Python实现BFMatcher的特征匹配。
## 流程概述
以下是使用BFMatcher实现特征匹配的基本步骤：
| 步骤 | 描述 |
|-------|----
文章目录BFMatcher演示SURF--BFMatchBFMatcherBrute Force匹配是opencv二维特征点匹配常见的办法，BFMatcher总
原创
2022-08-24 21:27:47
1485阅读
1)SURF特征检测 SURF—-加速稳健特征算法 SURF是尺度不变特征变换SIFT的加速版，一般来说，标准的SURF算子比SIFT算子快好几倍，并且在多幅图像中具有更好的稳定性，SURF最大的特征在于采用harr特征以及积分图像的概念，这大大加快了程序运行时间,可以应用于物体识别以及三维重建中 在检测特征点的过程中计算了Hessian矩阵的行列式，与此同时，计算到了Hessian矩阵的迹，
转载
2024-05-16 10:39:29
130阅读
摘要 图像几何变换又称为图像空间变换， 它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置。几何变换不改变图像的像素值， 只是在图像平面上进行像素的重新安排。几何变换大致分为仿射变换、投影变换、极坐标变换，完成几何变换需要两个独立的算法过程：1、一个用来实现空间坐标变换的算法，用它描述每个像素如何从初始位置移动到终止位置2、一个插值算法完成输出图像的每个像素的灰度值 放射变换?首先
转载
2024-05-20 22:26:48
31阅读
opencv drawContours的工作原理：基于扫描线的多边形填充算法
CollectPolyEdges 收集多边形边缘FillEdgeCollection填充多边形边缘Structural Analysis and Shape Descriptors — OpenCV 2.4.13.7 documentation opencv文档
Optimize FillEdgeCollectio
转载
2024-05-26 17:45:52
53阅读
1.开运算 开运算 = 先腐蚀运算，再膨胀运算（看上去把细微连在一起的两块目标分开了） 开运算的效果图如下图所示： 开运算总结： （１）开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不便。 （２）开运算是一个基于几何运算的滤波器。 （３）结构元素大小的不同将导致滤波效果的不同。 （４）不同的结构元素的选择导致了不同的分割，即提取出不同的特征。2.闭运算 闭运算 = 先膨胀运算，
转载
2024-03-28 22:54:22
296阅读
一、前言 最近在使用floodFill这个算法时，突然想起selective search里的基础图像分割算法 - 基于图的graphsementation。 两者是比较简单的算法，存在相似之处，即都使用了相邻像素之间像素强度关系。 同时又存在不同点，floodFill关注点是像素层面上，生成一个区域； 而graphsementation由像素逐步构建出图块，生成多个区域。 二、gr
转载
2024-05-21 10:46:23
80阅读
GOCW的重点和难点就在于Csharp调用OpenCV，其中的桥梁就是CLR，当然我们也有其他方法，但是CLR是一个比较新的、比较可靠的、关键是能用的桥梁。这里关于CLR的基本原理知识、如何用于GOCW项目的相关内容加以整理思考，以图深入：
一、什么是CLR; 1、什么是CLRCLR（Common Language Runtime）是“公共语言运行时”的缩写，简单来
透视变换的原理和矩阵求解请参见前一篇
《透视变换 Perspective Transformation》
。在OpenCV中也实现了透视变换的公式求解和变换函数。
求解变换公式的函数： Mat getPerspectiveTransform(const Point2f src[], const 
转载
2024-08-29 17:47:54
75阅读
最近在做图像增强方面的算法，在参考了一些博客，论文和源代码后 ，自己整理了Retinex相关算法的opencv实现，在这里贴出来供大家参考 一.Retinex算法原理 基础理论：物体的颜色是由物体对长波（红色），中波（绿色），短波（蓝色）光线的反射能力来决定的，而不是由反射光强度的绝对值来决定的；物体的颜色不受光照非均匀性的影响，具有一致性，即Retinex算法是基于物体的颜色恒常性来实现的。 R
转载
2024-03-29 14:46:02
268阅读
输入图像 void Detect_Object(Mat img)
{
Mat gray, binaryIMG;
Mat correct_IMG;
cvtColor(img, gray, CV_BGR2GRAY);
Canny(gray, binaryIMG, 90, 180);
blur(binaryIMG, binaryIMG, Size(3, 3))
Histogram of Oriented Gradients(HOG)特征描述子原理解释以及在OpenCV中的使用一、什么是特征描述子？特征描述子是对一张图片或者一个图片块的一种表示，通过提取有用信息并扔掉多余的信息来简化图像。通常，特征描述子将一张大小为width×height×3 (通道数)的图片化成一个长度为n的特征向量/数组。以HOG特征为例，输入图像的大小是64×128×3，输出是一个
今天学习了稀疏的光束平差法，基于上一篇博文Levenberg–Marquardt算法学习，这里对学习内容做一个理论梳理。本次内容包括： BA简介 BA迭代步长的数学推导 稀疏BA迭代步长的算法求解过程1.BA简介 摄像机在静态环境中移动，得到不同时刻拍
转载
2024-09-24 23:26:42
91阅读
写在前面：xfeature2d模块是contrib中对于feature2d模块的扩展，其中包含的功能受专利保护或功能较新用于测试由于feature2d模块主要用途是特征点检测，而特征点匹配也与之密切相关，因此匹配器也一并介绍文章对两个模块中的Feature2D类进行归类和特点总结先写这么多吧，后面填坑进行特征匹配的一般步骤实例化特征点检测器，进行特征点检测实例化描述子提取器，对计算得到特征点提取描
转载
2024-09-29 10:50:35
39阅读
一、一维测量 基本流程： 1.采集图像 2.产生测量矩形或弧形 gen_measure_rectangle(); gen_measure_arc(); 3.测量： measure_pos();边缘测量 measure_pairs();测量对 4.关闭测量:close_measure();常用算子参数说明： gen_measure_rectangle2 (Row, Column, Angle, Le
综合网上上各种车牌识别方法，总结出一个较为简单的车牌识别方案，采用VS2013+OpenCv2.4.9实现。并且附上可运行的源代码以及测试图片和视频，详细参数设置请参照源代码。识别部分的训练样本见我上传的资源。实现方法(一) 检测车辆（基于混合高斯模型的背景差分法）读取视频（avi格式），选定目标区域框用于检测车辆检测车辆，基于混合高斯模型的背景差分法检测前景，经过腐蚀、膨胀后，若像素值大于200
转载
2024-04-05 13:39:40
120阅读
此文章主要是学习的记录。使用opencv的版本是 3.4.6。实现了图片的人脸检测及人的眼睛、鼻子和嘴巴的检测。里面使用的窗口显示相关的代码都是opencv的函数。 人脸检测 openCV的人脸识别主要通过Haar特征分类器实现
转载
2024-08-27 14:46:30
68阅读
目录1. findContours函数1.1. 轮廓contours1.2 cv2.findContours、cv::findContours函数简介1.3 参数说明：2. opencv各版本cv2.findContours说明2.1 opencv3.x2.2 opencv2.x和4.x3 cv2.findContours使用示例：3.1 opencv3.x版本
转载
2024-04-22 10:23:59
2457阅读
