前言定位二维码不仅仅是为了识别二维码；还可以通过二维码对图像进行水平纠正以及相邻区域定位。定位二维码，不仅需要图像处理相关知识，还需要分析二维码的特性，本文先从二维码的特性讲起。 1 二维码特性二维码在设计之初就考虑到了识别问题，所以二维码有一些特征是非常明显的。二维码有三个“回“”字形图案，这一点非常明显。中间的一个点位于图案的左上角，如果图像偏转，也可以根据二维码来纠正。思考题：为什
转载
2024-04-25 12:30:35
21阅读
项目要求在包含（一个或多个）人脸的图片中对脸上的某些部位（嘴巴、眉毛等部位）进行标记。代码实现1、导入工具包import numpy as np
import dlib
import cv22、对脸上的部位进行定义在关键点定位的官方文档中，提取68个关键点来表示脸上的部位。其中：第1个点到第17个点：脸颊；第18个点到第22个点：右边眉毛；第23个点到第27个点：左边眉毛；第28个点到第36个点：
转载
2024-02-24 14:13:36
271阅读
OpenCV—圆检测 圆检测圆的表示方式两点确定一条直线，不在一条直线上的三点确定一个圆。与使用（r,theta）来表示一条直线相似，使用（a,b,r）来确定一个圆心为（a,b）半径为 r 的圆。如何判断多个点是否在一个圆上同样经过一个点可以作出无数个圆，假设某个点平面坐标为(xi,yi)，使用的参数为（ai,bi,ri）则经过此点的圆的表达式为（xi-ai）^2 +（yi-bi） ^ 2=r
转载
2023-12-01 21:14:16
757阅读
查找表颜色缩减法：如果矩阵元素存储的是单通道像素，使用C或C++的无符号字符类型，那么像素可有256个不同值。但若是三通道图像，这种存储格式的颜色数就太多了（确切地说，有一千六百多万种）。用如此之多的颜色可能会对我们的算法性能造成严重影响。其实有时候，仅用这些颜色的一小部分，就足以达到同样效果。这种情况下，一种常用的做法是，颜色空间缩减，将现有颜色空间值除以某个值，以获得较少的颜色数。 Inew=
转载
2024-10-25 23:56:55
13阅读
作者 | 小白介绍跟踪对象的基本思想是找到对象的轮廓，基于HSV颜色值。轮廓：突出显示对象的图像片段。例如，如果将二进制阈值应用于具有（180,255）的图像，则大于180的像素将以白色突出显示，而其他则为黑色。白色部分称为轮廓。在继续下面的操作之前，请在系统中安装OpenCV。打开命令提示符并键入pip install opencv-python步骤1：从相机读取数据import cv
转载
2024-04-23 21:37:57
162阅读
# 使用Python进行Logo检测的探索
在现代社会，LOGO作为品牌的象征，无处不在。从商店的招牌到网站的角落，LOGO每天都在与我们互动。随着图像处理和计算机视觉技术的发展，使用Python进行LOGO检测已经成为了一种流行的方法。本文将介绍如何使用Python进行LOGO的检测，并提供相关的代码示例。
## 1. 什么是LOGO检测？
LOGO检测旨在识别和定位图像或视频中出现的特定
logo是包含了颜色、形状、特征等信息的图形实体。logo检测有很多挑战，比如视角变化、弯曲、形状和颜色的变化、遮挡、背景变化等。下图是我跑的一个（百度随便找的，非项目图）识别一般的效果图，虽然可以识别出指定的logo（1中左图），也受到logo多余部分的影响，最终匹配获取的logo区域有所放大，仔细观察发现logo外围区域颜色都是自下而上渐变变淡，野点（离群点）阈值不够，导致识别区域多了一部分。
转载
2024-01-10 22:26:52
549阅读
Python基本语法标识符第一个字符必须是英文字母或下划线 _ 。标识符的其他的部分由字母、数字和下划线组成。标识符对大小写敏感。保留字保留字即关键字，不能用作任何标识符名称。keyword 模块可以输出当前版本的所有关键字：注释单行注释采用#，注释是给人看的，可以是任意内容，解释器会忽略掉注释。多行注释采用’’'或"""。行与缩进Python 使用缩进来表示代码块而不是大括号 {}。缩进的空格数
转载
2024-10-18 09:49:49
23阅读
使用Opencv中的Camshift进行视频中目标跟踪是一个不错的选择，这方面的示例很多，但是大多代码不全，或者代码存在问题，不能正常使用，这里，对很多文章进行整理后，贴出了正确可以使用的代码。 首先下载OpenCV， http://sourceforge.net/projects/opencvlibr
转载
2024-03-26 16:16:25
67阅读
椭圆 椭圆（Ellipse）是平面内到定点F1、F2的距离之和等于常数（大于|F1F2|）的动点P的轨迹，F1、F2称为椭圆的两个焦点。其数学表达式为： &n
转载
2024-05-09 13:33:07
276阅读
Opencv特征提取与目标检测04：亚像素级角点检测具体概念无论是Harris角点检测，Shi-Tomasi角点检测都无法对像素点精准定位，进而无法满足一些高精度图像角点处理，追踪的问题。如跟踪。相机矫正，三维重建，几何测量等。正如图所描述的。 因此，亚像素级别角点检测应运而生。亚像素面阵摄像机的成像面以像素为最小单位。例如某CMOS摄像芯片，其像素间距为5.2微米。摄像机拍摄时，将物理世界中连续
转载
2024-03-25 20:56:12
290阅读
drawFrame的操作步骤是：1.清除场景。2.启动正射投影绘制背景。3.在视口绘制最后一个从相机获取到的图像。4.根据相机内在参数设置透视投影。5.把每个侦测到的标记的坐标系移动到标记的3维位置(把4x4的变换矩阵应用到opengl的模型矩阵上)。6.呈现一个任意的3维物体。7.展示帧缓存。准备好时调用drawFrame - 当一个新的相机帧被上传到视频内存中，并且标记监测的步骤已经完成。&n
其实在深度学习中我们已经介绍了目标检测和目标识别的概念、为了照顾一些没有学过深度学习的童鞋，这里我重新说明一次：目标检测是用来确定图像上某个区域是否有我们要识别的对象，目标识别是用来判断图片上这个对象是什么。识别通常只处理已经检测到对象的区域，例如，人们总是会在已有的人脸图像的区域去识别人脸。传统的目标检测方法与识别不同于深度学习方法，后者主要利用神经网络来实现分类和回归问题。在这里我们主要介绍如
转载
2024-08-08 16:47:00
93阅读
42.摄像头标定在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数（内参、外参、畸变参数）的过程就称之为相机标定（或摄像机标定）。无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳
转载
2024-02-23 12:08:06
92阅读
一、预期目标如下图，要识别图中的国旗，然后框选出来，并且返回国旗的中心位置，效果如下: 彩色图像大小: (400,264) 目标中心位置: (225, 218)二、准备工作 1、将下面的图像另存为在本地，命名为 findflag.jpg 2、新建Python文件 findflag.py，与图像保存在同一目录下。三、开始编写代码1、读取与显示图像#include <stdio.h>
#i
转载
2023-10-16 01:23:43
43阅读
人脸对比是现在比较常用的功能，比如出租车司机人脸与司机驾照照片对比，门禁系统中进入者的人脸与人脸库中的人脸进行对比。要实现人脸对比，首先要实现的是人脸检测，在摄像头拍摄到的一张图片中，正确的检测到人脸的位置，并且将人脸提取出来。1 原理先知1.1 68点标定和OpenCV绘点考虑到免费开源，OpenCV 就可以很好的实现这个功能。这里使用OpenCV提供好的人脸分类模型xml：haarcascade_frontalface_alt_tree.xml。同时利用Dlib官方给的人脸识别预测器.
原创
2021-12-28 17:37:17
1389阅读
# Python 印刷 Logo 缺陷检测
在现代制造业中，产品的外观质量直接影响到品牌形象与消费者的购买意愿。特别是印刷 Logo 的质量，若出现缺陷，可能导致产品无法销售。因此，开发一个能够自动识别印刷 Logo 缺陷的程序显得尤为重要。本文将介绍如何使用 Python 进行印刷 Logo 的缺陷检测，并提供相关的代码示例。
## 缺陷检测的基本原理
缺陷检测的基本原理是利用计算机视觉技
基于vs2015+opencv3.3的简易的车牌定位直接上代码#include<opencv2\opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int areas;
//该函数用来验证是否是我们想要的区域，车牌定位原理其实就是在图片上寻找矩形，我们可以用长宽比例以及面积来验证是否
转载
2024-04-16 14:33:10
104阅读
opencv是一个很强大的机器视觉库，利用它我们可以开发出丰富多彩的使用项目。近日，我在研究一个图中物体定位系统。本程序用的是OpenCV2.4.9，附带OpenCV3.0。程序中的原图为我随手拍的一张图片图中有三个物体，都是蓝色的，我首先取原图的蓝色通道变为灰度图灰度图经过中值滤波后可以得到去噪后的图片根据原图的蓝色通道和红色通道的大概取值范围，我们可得到比较满意的二值图为了去掉物体中少量的黑色
转载
2023-11-16 14:41:52
318阅读
文章目录前言一、函数介绍1、HoughLinesP2、HoughCircles3、findContours4、 drawContours二、演示1、GUI2、代码实现总结 前言越来越多的开发人员选择基于开源的Qt框架与OpenCV来实现界面和算法，其原因不单单是无版权问题，更多是两个社区的发展蓬勃，可用来学习的资料与例程特别丰富。以下是关于利用Qt构建GUI并使用OpenCV中的HoughLin
转载
2024-08-21 14:01:04
201阅读
