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
开启学习之旅吧！
寻路：寻找最短路径并避开障碍物
首先将地图虚拟化，将地图划分为一个一个的小方块，这样可以用二维数组来表示地图。如下所示，绿色块(A)是起点，红色块(B)是终点，中间蓝色块是障碍物，白色块是空地。
先罗列出所有的步骤，等会按照例子一步一步分析
1 寻路步骤：
步骤1.从起点A开始，把A作为一个等待检查的
转载
2024-09-27 19:59:07
52阅读
人脸检测一种主流的方法就是类haar+adaboosting，opencv中也是用的这种方法。这种方法可以推广到刚性物体的检测，前提是要训练好级联分类器(比如说用类haar特征)，一旦训练数据弄好了，直接调用opencv中的类CascadeClassifier，用它的几个简单的成员函数就可以完成检测功能。所以说用起来还是很简单的。下面就是用的ope
转载
2024-03-04 06:51:18
188阅读
作者 | 李秋键今天我们将利用python+OpenCV实现对视频中物体数量的监控，达到视频监控的效果，比如洗煤厂的监控水龙头的水柱颜色，当水柱为黑色的超过了一半，那么将说明过滤网发生了故障。当然不仅如此，我们看的是图像视频处理的技巧，你也可以将项目迁移到其他地方等，这仅仅是一个例子而已。我们知道计算机视觉中关于图像识别有四大类任务：分类-Classification：解决“是什么？”的问题，
转载
2024-02-02 18:19:32
265阅读
文章目录前言一、物体识别算法原理概述1、物体识别的概念2、Yolo算法原理概述二、opencv调用darknet物体识别模型（yolov3/yolov4）1、darknet模型的获取2、python调用darknet模型实现物体识别3、LabVIEW调用darknet模型实现物体识别yolo_example.vi4、LabVIEW实现实时摄像头物体识别（yolo_example_camera.v
转载
2023-11-21 19:29:00
142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
322阅读
OpenCV单目视觉定位（测量）系统The System of Vision Location with Signal CameraAbstract:This passage mainly describes how to locate with signalcamera,which bases on OpenCV library.Key words: OpenCV; Locate;Signalc
转载
2023-12-17 17:38:57
85阅读
一、图像像素的操作访问图像像素值是图像处理的基本操作。OpenCV提供了很多访问方式，比较常用的三种方式： （1） 通过指针访问 （2） 通过迭代器访问 （3） 动态地址计算，通过at()函数实现方法比较： （1）用指针访问像素，速度最快；但在彩色图像处理中，如果要单独对某一个颜色分量处理，则需要通过数学公式计算，不是很直观； （2）推荐
目标检测技术作为计算机视觉的基础任务之一，在过去几十年取得了显著的进步，尤其近几年，随着深度学习的发展，基于深度神经网络的标准正框目标检测方法迅速取代了传统方法，成为智能安防、家居、出行等领域不可或缺的关键技术，比如人脸检测、人体检测、车辆检测、通用物体检测等。然而，还有一些场景的目标普遍带有任意旋转的多角度并且呈现密集排列，普通正框检测的方法无法满足需求，比如遥感目标检测、货架商品
1.windows系统下需要编译安装opencv3.4(注意opencv4.1没有分类器)遇到windows下的opencv编译问题参考：windows7+vs2019编译opencv注意：本机编译的opencv_createsamples.exe程序和opencv_traincascade.exe程序只有通过本机编译才能在本机正常使用。2.然后按照这个教程执行：opencv实时识别指定物体注意：
转载
2023-09-27 19:55:39
415阅读
数字图像与机器视觉--基于python+opencv识别硬币和细胞数量以及条形码检测一、用奇异值分解（SVD）对一张图片进行特征值提取（降维）处理奇异值分解(Singular Value Decomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。具体代码如下import numpy as np
imp
转载
2023-08-17 16:14:26
714阅读
Opencv识别物体大小在这里，我们通过opencv读取图像来识别我们所需要的物体尺寸，其中经过了一系列形态化处理，包括：灰度化–高斯滤波–边缘检测–膨胀–腐蚀–面积计算–轮廓检测–矩形识别–透视变换，以及各种绘制技巧，对大家学习opencv有很大的帮助。计算识别物体大小的方法其实很简单，如下图：已知白色背景的大小为30mm（目测30mm,没有测量，更注重讲解方法），其所占的像素假设为Z，通过op
转载
2023-10-24 22:02:44
715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
尺度不变特征核心是不同尺度拍摄的两幅图像的同一个物体，对应的两个theta比率等于拍摄两幅图像的尺度的比率。而OpenCV提供的SIFT和Surf正是利用尺度不变性就行特征点检测的代表。它们的原理可以参考本文的参考文献，写的很详细，本来想在这里介绍下它们的原理的，但是看到参考的blog中写的太好了，我不能写的这么清楚，就省去了。使用起来也很方便，比如利用Sift找到匹配物体代码如下：int mai
转载
2024-01-12 11:09:50
179阅读
本文作者：小嗷 例如，在上面的图片中，你可以看到，汽车的镜子只不过是一个包含了像素点的所有强度值的矩阵。我们如何获取和存储像素值可能根据我们的需要而变化，但最终，计算机世界中的所有图像都可能被简化为数字矩阵和描述矩阵本身的其他信息。OpenCV是一个计算机视觉库，它的主要焦点是处理和操作这些信息。因此，您需要熟悉的第一件事是OpenCV如何存储和处理图像。MatOpenCV自2001年以来就一直存
转载
2024-06-18 21:32:12
133阅读
物体检测物体检测算法，按算法结构，可以分为one-stage和two-stage两类。two-stage经典算法主要是R-CNN族，以准确度见长，速度稍慢，一般不如one-stage。one-stage算法主要包括YOLO、SSD、CornerNet等，以速度快见长，准确度一般不如two-stage。下面介绍这些经典网络。两阶段模型：【rcnn=region proposals（候选区域） + C
转载
2024-04-19 06:55:31
125阅读
简介本篇讲解opencv video鼠标选中的物体跟踪，使用的是opencv提供的calcOpticalFlowPyrLK。calcOpticalFlowPyrLK介绍void calcOpticalFlowPyrLK(InputArray prevImg, InputArray nextImg, InputArray prevPts, InputOutputArray nextPts,
转载
2024-03-24 20:11:47
505阅读
前言： 第一种方法是人脸检测中最常用的是Haar-Adaboost算法，该算法首先在人脸检测中得到广泛运用，而后也被用于其它有关目标检测中。adaboost 是一套机器学习的框架，根据给出的正样本和副样本训练一个用于识别正样本一类物体的模型。这个模型的本质就是分类器，又叫做级联（cascade）分类器。本文主要是学习使用OpenCV自带的adaboost+haar特征程序
转载
2023-11-28 14:57:17
447阅读
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
主题 本章我们要学习的是运动物体的跟踪，现代图像处理中经典的几种跟踪方法主要是：meanshift（均值漂移），Camshift（meanshift的优化版本），KCF，光流法等。 我们本章主要介绍的是前两种，meanshift（均值漂移）以及Camshift（meanshift的优化版本）均值漂移 首先我们需要了解什么是均值漂移，该算法是一种寻找概率函数离散样本的最大密度区域
转载
2024-04-29 20:57:17
83阅读
