[wiki,blog]使用opencv自带的融合函数 [wiki,blog]使用opencv自带的融合函数 /*M/// // // IMPORTANT: READ BEFORE DOWNLOADING...            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2022-12-26 16:55:49
                            
                                132阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            OpenCV杂谈_05一. 需要做的前期准备环境配置: Python版本:3.9.0 功能包:opencv-python(4.5.2.52) 提前安装Tesseract_OCR工具,下载地址:http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe(切记:记录好Tesseract_OCR文件夹所安装的位            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-01-08 18:13:09
                            
                                101阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            实验八 图像分割实验一、实验目的和要求二、实验内容三、实验仪器、设备四、实验原理五、实验步骤六、实验注意事项七、实验结果八、实验总结 一、实验目的和要求  理解使用meanShfit进行图像分割的基本原理;掌握使用OpenCV通过均值漂移算法实现彩色图像分割的代码编写方法。二、实验内容  (一)新建工程;   (二)在Vs2015中配置OpenCV;   (三)使用OpenCV中的pyrMean            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-04-23 06:01:44
                            
                                56阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            OpenCV 3.3中给出了支持向量机(Support Vector Machines)的实现,即cv::ml::SVM类,
此类的声明在include/opencv2/ml.hpp文件中,实现在modules/ml/src/svm.cpp文件中,它既支持两分类,也支持多分类,还支持回归等,
OpenCV中SVM的实现源自libsvm库。其中:
(1)、cv::ml::SVM类:继承自cv::ml            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-04-16 08:29:48
                            
                                29阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            一.环境准备Ubuntu16.04
ROS-kinetic
opencv3.3.1
video-stream-opencv(Python)
或者usb_cam (c++)
一个USB摄像头video-stream-opencv是USB摄像头驱动,关于它的介绍,请看github:https://github.com/ros-drivers/video_stream_opencv 二. 在R            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-05-16 20:17:31
                            
                                167阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            一.安装ros由于直接下载opencv实在是遇到了及其多的问题,最后没有办法下载下来,询问老师之后发现可能是因为买到的板子是翻版的,所以才会出现那那么多的错误。其实在网上包括官网有各种各样的教程对直接下载opencv进行了讲解,主要内容是下载相关的库文件,然后解压下载的opencv版本,再进行编译,可是由于每个板子的型号不同,下载的opencv版本也不同,跟着网上走总是出现各种问题,总是显示缺失各            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-05-14 14:54:00
                            
                                118阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            把图像分成若干个特定的、具有独特性质的区域,每一个区域代表一个像素的集合,每一个集合代表一个物体,而完成该过程的技术通常称为图像分割。图像分割方法主要分为:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法,以及基于特定理论的分割方法等。 阈值分割实现简单、计算量小、性能稳定。 阈值分割处理又称为图像的二值化处理。 文章目录1 全局阈值分割APIOTSU优化TRIANGLE优化直方图技术法            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-05-10 13:59:35
                            
                                52阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            YOLACT,全称为:You Only Look At CoefficienTs,从标题可以看出这个模型的名称有些致敬YOLO的意思。YOLACT是2019年ICCV会议论文,它是在现有的一阶段(one-stage)目标检测模型里添加掩模分支。而经典的mask-rcnn是两阶段实例分割模型是在faster-rcnn(两阶段目标检测模型)添加掩模分支,但是在YOLACT里没有feature roi            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-25 13:46:52
                            
                                42阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            最近在撸一个unity小程序,要用到自动识别纸张,然后就找了一些相关资料,刚开始准备用C# Aforge类库来做图像处理,然而并不适合我,也许是我掌握不到精髓,最后选择用OpencvForUnity来做。 废话一大堆,直接进入正题… 先贴几个可能用得到API原型:void Canny(InputArray image, OutputArray edges, double threshold1, d            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-09-25 09:16:34
                            
                                171阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            最简单的图像分割的方法。应用举例:从一副图像中利用阈值分割出我们需要的物体部分(当然这里的物体可以是一部分或者整体)。这样的图像分割方法是基于图像中物体与背景之间的灰度差异,而且此分割属于像素级的分割。为了从一副图像中提取出我们需要的部分,应该用图像中的每一个像素点的灰度值与选取的阈值进行比较,并作出相应的判断。(注意:阈值的选取依赖于具体的问题。即:物体在不同的图像中有可能会有不同的灰度值。一旦            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-07-10 18:27:36
                            
                                56阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            最近需要做一个图像分割的程序,查了opencv的源代码,发现opencv里实现的图像分割一共有两个方法,watershed和mean-shift算法。这两个算法的具体实现都在segmentation.cpp文件内。watershed(分水岭算法)方法是一种基于边界点的分割算法。我想好好的研究一下, 网上找了一些博客和教程,感觉也就泛泛的解释了一下实验的流程,具体算法的运行过程并不清楚,又把原始论文            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-31 11:04:06
                            
                                57阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            Ubuntu 自带了一些已经预装的默认应用程序,包括非常流行的 Mozilla 火狐浏览器和 Thunderbird 的 e-mail 客户端。尽管这两个应用都有它们自己的粉丝,但是没有一个应用能符合每个人的口味和需要。我们经常收到邮件或者推文,询问我们可以怎样在 Ubuntu 上更改默认浏览器或者设置处理邮件链接为不同的电子邮件客户端等。我们在这里不仅讨论如何安装不同的软件,还包括如何给一个特定            
                
         
            
            
            
            openvino的安装与环境配置openvino的安装1.1安装Dev Tools1.2安装Runtimeopenvino环境配置visual studio环境配置:本地电脑的环境配置:测试代码 openvino的安装1.1安装Dev Tools下载链接 一般在Frameworks中选择onnx(默认你的环境中已经安装好了pytorch和tensorflow)。 复制红色方框中的指令,打开ana            
                
         
            
            
            
            导读:在对处理后的图像数据进行分析之前,图像分割是最重要的步骤之一。它的主要目标是将图像化分为与其中含有的真实世界的物体或区域有枪相关性的组成部分。 根据目标可将图像分割分为完全分割 —— 结果是一组唯一对应于输入图像中物体的互不相交的区域。部分分割 —— 区域并不直接对应于图像物体。其中图像数据的不确定性是主要的分割问题之一,通常伴随着信息噪声。按照主要特征可以将分割方法分为:有关图像或部分的全            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-07-16 19:31:23
                            
                                54阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            Python版本是Python3.7.3,OpenCV版本OpenCV 3.4.1,开发环境为PyCharm17.2 相关函数介绍在OpenCV中,可以使用函数cv2.watershed()实现分水岭算法。在具体的实现过程中,还需要借助于形态学函数、距离变换函数cv2.distanceTransform()、cv2.connectedComponents()来完成图像分割。下面对分水岭算法中用到的            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-28 22:01:52
                            
                                176阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
                  分割的结果中通常包含不想要的干扰,如我们感兴趣的物体被干扰了,如由于反射对分割结果造成的干扰,这时,形态学操作提供了特别有用的方法,让我们调整和描述物体的形状。        本文聚焦形态学操作的若干典型应用,不会对形态学操作的基本数学理论进行系统的阐述,也不会对Op            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-04 21:32:30
                            
                                89阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            图像分割之(四)OpenCV的GrabCut函数使用和源码解读zouxy09@.com GrabCut做了一个了解。OpenCV中的GrabCut算法是依据《"GrabCut" - Interactive Foreground Extraction using Iterated Graph Cuts》这篇文章来实现的。现在我对源码做了些注释,以便我们更深入的了解该算法。一直觉得论文和            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-05-24 18:03:23
                            
                                108阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            文章目录前言一、二值化二、形态学去噪点三、创建maker四、应用分水岭五、完整代码 前言我们将展示一个如何使用距离变换和分水岭分割相互接触的物体的例子。 考虑一下下面的硬币图像,这些硬币相互接触。即使你去阈值化它,它也会互相碰触。一、二值化我们从找到硬币的大概估计值开始。为此,我们可以利用自适应的二值化。#include<iostream>
#include<opencv2\o            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-01-16 16:05:35
                            
                                49阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            目录0x01 FloodFill分割0x02 均值漂移MeanShift0x03 图割Grabcut0x04 奇异区域检测0x05 肤色检测0x01 FloodFill分割FloodFill泛洪填充算法是在很多图形绘制软件中常用的填充算法,通常来说是自动选中与种子像素相关的区域,利用指定的颜色进行区域颜色替换,可用于标记或分离图形的某些部分。比如windows系统中的图像编辑软件中的油漆桶这一功能            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-19 16:59:26
                            
                                359阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            最近我发现,在很多特定问题上传统的分割方法挺方便的,比如分割打印字体文件,网站爬下来的表格图像,pdf中的特定格式文件等。在实战中,我总结了几点记录一下。主要采用opencv-python来应用这些算法。 大体来分,传统的分割算法可分为三类: 基于阈值的分割方法基于区域的分割方法基于边缘的分割方法以及基于特定理论的分割方法 从数学角度来看,图像分割是将数字图像划分成互不相交的区域的过程。图像分割的            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-08-07 15:24:10
                            
                                228阅读
                            
                                                                             
                 
                
                                
                    