实战篇：粘连物体分割——利用角点检测、定ROI区域、透视变换、几何分割实现瓶盖分割计数一、背景二、思路三、代码四、效果五、声明 一、背景 在去年学习opencv的过程当中，做过一张瓶盖分割的练习。目的就是为了分割出每个瓶盖，当时想着，除了霍夫圆检测思路之外，能不能根据相连瓶盖的特征进行分割呢?于是便想到了根据角点检测其相连位置，然后在相连位置之间画一根线进行切除。是不是想法很单纯，觉得很好
转载
2024-05-02 22:01:20
586阅读
OpenCV物体检测需要的叠层分类器, OpenCv自带的训练器OpenCV 2.4windows 7 64<1> 收集样本样本分为正样本和负样本,并且大小要一致, 一般为20 *20大小的图片, 正样本是包含要检测的物体, 不能包含其他物体, 负样本只要不是要检测的物体就可以.例如要检测人脸, 则正样本只能包含人脸. 不能有其他, 负样本则不能包含有人脸, 样本最好是能突显所要检
转载
2024-03-20 10:10:26
227阅读
摩擦力摩擦力的定义：两个相互接触的物体，当它们发生相对运动或具有相对运动趋势时，就会在接触面上产生阻碍相对运动的力，这种力叫做摩擦力.产生条件：①相互接触的物体间有弹力；②接触面粗糙；③接触面间有相对运动或相对运动趋势.这三个条件缺一不可.分类：分为滚动摩擦（初中已经学习过）、滑动摩擦力和静摩擦力滑动摩擦力定义：一个物体在另一个物体表面上相对于另一个物体发生相对滑动时，另一个物体阻碍
重叠相关的算法在实际中，常遇到长序列卷积短序列的问题。 一长序列x(n)在和单位抽样响应h(n)进行卷积时，需要利用截短（分块）x(n)的方法，变成和h(n)长度接近。每段分别和h(n）线性卷积，首尾相接时需要进行一些处理，才能得到成和原来长序列卷积h(n)相同的结果。 假设h(n)长度为M,分块的xL(n)长度为N:重叠相加法顾名思义，就是需要将重叠部分相加，这里的重叠指的是线性卷积之后的数据前
转载
2024-10-30 09:29:51
126阅读
本文将介绍如何使用分水岭算法对触摸和重叠的图像中的对象进行分割和提取。 参考：https://www.pyimagesearch.com/2015/11/02/watershed-opencv/分水岭算法是一种分割的经典算法，在提取图像中连接或重叠的图像中的对象（例如上图中的硬币）时特别有用。 使用传统的图像处理方法（例如阈值检测和轮廓检测），我们将无法从图像中提取每个硬币–但是，利用分水岭算法，
转载
2023-12-13 00:08:26
151阅读
实战篇：粘连物体分割——利用角点检测、定ROI区域、透视变换、几何分割实现硬币分割计数一、背景二、思路三、代码四、效果五、声明 一、背景 前面分享过一篇文章，是利用几何分割的方法，实现了 瓶盖的分割检测瓶盖的分割检测，本文主要利用该文章算法，应用到硬币检测当中（因为图像分辨率有一些不一样，质量也有点不同，所有需要稍微调参），经过稍微调参之后，这里附上可以直接运行的代码。 图1 瓶盖检测效果
转载
2024-05-13 19:51:16
537阅读
注意，这里介绍的是 v4-24.0.0以下的版本出现的问题，在 v4-24.0.0+ 以后，官方修复了下面的问题。情景再现我们在使用 Fragment 时，都将它关联到 Activity 中。有时系统资源紧张我们的应用资源被回收，或者程序出现错误后系统重新加载页面，会出现界面中出现了 Fragment 重叠的异常现象。分析原因onSaveInstanceState() 保存机制我们知道 Activ
跟踪就是在连续视频帧中定位物体，通常的跟踪算法包括以下几类：1. Dense Optical Flow 稠密光流2. Sparse Optical Flow 稀疏光流 最典型的如KLT算法（Kanade-Lucas-Tomshi）3. Kalman Filter4. Meanshift and Camshift5. Multiple object tracking需要注意跟踪和识别的区别，通常来说
转载
2023-05-31 13:45:39
402阅读
利用opencv进行移动物体检测
进行运动物体检测就是将动态的前景从静态的背景中分离出来。将当前画面与假设是静态背景进行比较发现有明显的变化的区域，就可以认为该区域出现移动的物体。在实际情况中由于光照阴影等因素干扰比较大，通过像素直接进行比较往往很容易造成误检。因此有不少算法被开发出来在进行前后景分离的时候对运动和其他因素造成的变动进行区分。opencv中提供了多种背景减除的算法，其中基于高斯混
转载
2023-07-25 23:38:28
186阅读
参考：Contour Detection using OpenCV (Python/C++)边缘检测应用：运动检测和分割轮廓：连接物体边界的所有点，通常，轮廓指的是有相同颜色和密度的边界像素寻找轮廓步骤： 1.读取图像转为灰度图2.二值转换，将图像转为黑白，高亮目标物体（canny边缘检测或者二值化阈值）。阈值化把图像中目标的边界转化为白色，所有边界像素有同样灰度值（“same intensity
转载
2024-08-22 14:41:10
89阅读
# 形状重叠检查：Python 实现指南
在图形编程和游戏开发中，形状重叠检查是一个常见的需求。小白开发者，如果你想学习如何在 Python 中实现形状重叠检查，下面是一个详细的指南，包括流程、代码实现和解释。
## 流程概述
首先，我们将整个过程分为几个步骤，如下表所示：
| 步骤 | 描述 |
|------|-----------
某些时候，需要验证控件之间是否存在重叠的情况，可以借助 System.Windows.Rect.IntersectsWith 来验证；如果需要获取重叠的部分，则使用 System.Windows.Rect.Intersect 来实现！
<Window x:Class="轨迹规划Demo.MainWindow"
xmlns="http://schemas.microsof
原创
2021-06-16 09:57:16
716阅读
某些时候，需要验证控件之间是否存在重叠的情况，可以借助 System.Windows.Rect.IntersectsWith 来验证；如果需要获取重叠的部分，则使用 System.Windows.Rect.Intersect 来实现！ <Window x:Class="轨迹规划Demo.MainWi
原创
2021-07-02 15:55:20
212阅读
问题描述：假设有两个字符，要求检查两个字符串的重叠部分并进行拼接。例如abcd
原创
2023-06-10 07:07:48
197阅读
利用OpenCV将实时读取视频流，将每一帧的图像转换为hsv类型，将特定hsv颜色区间的物体的像素值置为255，将区间之外的像素值置为0，形成黑白图像，再利用erode对图像进行腐蚀消除部分噪音区域和dilate对图像进行膨胀，将检测到的物体放大，最后在进行绘制操作。特别注意：因为我用的是绿色的笔来作为待检测物体，所以颜色接近绿色的物体都可能会被检测到。这个方法容易受到外界光线，背景颜色的影响，通
转载
2023-08-04 12:55:19
475阅读
百度目标检测7日打卡常见问题汇总原文位置： 百度目标检测7日打卡常见问题汇总 (原文保持更新)鉴于大家遇到的问题比较多，且这些问题很多是相似的，故在此做个汇总。环境版本说明： 推荐版本 Paddle：1.8.4 Python： 3.7 CUDA：10.0 pip: 9.0.1+ PaddleDetection: 0.4 … 版本错误容易导致运行不成功，请注意版本号。Paddle具体安装说明如果自己
什么是人脸识别人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。目前的人脸识别技术已经非常成熟了，还发展成3D人脸识别。而且现在各大厂商也都提供了人脸识别的API接口供我们调用，可以说几行代码就可以完成人脸识别。但是人脸识别的根本还是
Opencv学习之图像的矩 一个从一幅数字图形中计算出来的矩集，通常描述了该图像形状的全局特征，并提供了大量的关于该图像不同类型的几何特性信息，比如大小、位置、方向及形状等。一阶矩与形状有关，二阶矩显示曲线围绕直线平均值的扩展程度，三阶矩则是关于平均值的对称性的测量。由二阶矩和三阶矩可以导出一组共7个不变矩。而不变矩是图像的统计特性，满足平移、伸缩、旋转均不变的不变性，在图像识别领域得到了广泛的
转载
2024-02-11 07:15:51
68阅读
目录一、分水岭算法（Watershed）简介二、分水岭算法实现步骤三、阈值和轮廓检测硬币分割代码实现与分析四、分水岭硬币分割代码实现五、代码效果展示与分析参考资料 一、分水岭算法（Watershed）简介 所有的灰度图像都可视为拓扑平面,我们将灰度值高的区域看成山峰,将灰度值低的区域看成山谷,我们向图像上所有的"山谷"中注入不同颜色的水,不断的注水,水位则会不断上升,注入的水将灌满山谷,并可能
遇到的问题，下面就详细介绍一下cvMatchShape的含义以及用法使用Hu矩进行匹配：double cvMatchShapes(
const void* object1,
const void* object2,
int method,
double parameter = 0
);这个函数的第一个参数为待匹配的物体1第二个参数为待匹配的物
