简介本篇文章中实现车辆检测采用视频中无监督目标检测方法，即不使用任何标记数据的目标检测。使用帧差分技术。帧差分视频是一组按正确顺序堆叠在一起的帧。所以，当我们看到一个物体在视频中移动时，这意味着这个物体在每一个连续的帧上都处于不同的位置。如果我们假设在一对连续的帧中除了该目标之外，没有其他物体移动，那么第一帧与第二帧的像素差将突出显示移动目标的像素，从而我们可以得到移动物体的像素和坐标。这就是帧差
转载
2023-12-03 07:26:00
103阅读
/// <summary> /// 板材瑕疵
检测(凹凸坑、划痕、颜料瑕疵) /// </summary> /// <param name="mat">图片</param> /// <param name="resultMat">结果图片</param> /// <param name="minArc
原创
2024-08-07 17:09:08
128阅读
关于特征子中经常用的的函数：findHomography，estimateRigidTransform关于opencv的特征描述子，我们需要了解DMatch与KPoints的数据结构，如下：DMatch结构体/*
* Struct for matching: query descriptor index, train descriptor index, train image index an
转载
2024-03-15 15:42:35
283阅读
1、准备数据集 正样本、负样本的图片比例为一比三左右； 在这里我为了实验就随手照了50张我鼠标的图片，不含鼠标的图片为150张； （注：这里的样本数我用的可能有点少，根据情况可进行调整） 2、数据集的处理： 在pycharm中新建python项目： test-opencv-train在该项目下新建python文件create_pos_neg()数据集的处理编程用opencv来实现，代码如下：# -
转载
2024-06-19 10:53:49
114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
204阅读
本文将向大家介绍如何使用OpenCV库进行坑洼检测。为什么要检测坑洼？坑洼是道路的结构性指标，事先发现坑洼地可以延长高速公路的使用寿命，防止事故的发生，同时降低死亡率。一种可行的解决方案是构建自动坑洞检测系统，该系统可通过云服务发送实时信息以提醒管理结构，来杜绝每天人工检查所产生的不必要花费。OpenCV是一个帮助研究人员处理图像问题的库，该库提供了大量处理图像的方法。OpenCV的使用将有助于坑
转载
2024-03-23 09:28:53
105阅读
Haar级联由于灯光、视角、视距、摄像头抖动以及数字噪声的变化，一个图像的细节可能会变得不稳定。但是人们在分类时却不会受这些物理细节方面差异的影响。因此，提取出图像的细节对产生稳定分类结果和跟踪结果很有用。即：从图像中提取特征。虽然任意像素都可能影响多个特征，但特征应该比像素数少得多。由此两个图像的相似程度可以通过它们对应特征的欧氏距离来度量。类Haar特征是一种用于实现实时人脸跟踪的特征。每个类
转载
2024-03-17 17:53:24
30阅读
一、前言物体检测分类是一种机器学习任务，旨在识别图像或视频中的物体，并将其分为不同的类别。与传统的物体分类任务不同，物体检测分类不仅可以确定图像中物体的类别，还可以确定它们在图像中的位置和边界框。物体检测分类通常涉及以下步骤：数据收集和标注：收集包含不同类别物体的图像或视频数据，并进行标注，标注包括每个物体的类别和边界框信息。特征提取：使用图像处理和计算机视觉技术，从收集的图像中提取有用的特征。这
转载
2024-03-05 14:06:38
243阅读
目录边缘检测canny算子sobel算子LapIacian 算子 （拉普拉斯）scharr滤波器 边缘检测边缘检测步骤：1、滤波：边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波，即采用离散化的高斯函数产生一组归一化的高斯核，然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。2
转载
2024-05-15 21:02:56
152阅读
一个不知名大学生，江湖人称菜狗 original author: jacky Li Time of completion：2023.2.7 Last edited: 2023.2.7导读本文将使用Python、OpenCV对人脸进行检测，防止痴呆后忘了Quiet。目录基于OpenCV的视频处理 - 人脸检测拍摄影片检测人脸保存面孔和摘要视频输出运行中的管道作者有言基于OpenCV的视频
转载
2024-04-22 14:27:56
92阅读
c++版本opencv（36.霍夫直线检测37.直线类型与线段-）一、36.霍夫直线检测-二，37.直线类型与线段- 来自网易云课堂贾志刚老师 一、36.霍夫直线检测-同一条直线上的点，r和c塔应该一样！二，37.直线类型与线段- 那通过这两个例子呢，也是告诉大家霍夫直线检测呢，一个是原始数据类型，另外一个的话就是啊，直接是出来线段的，顶点坐标的，那这两个呢，各有各的应用场景，那通过这个例子的话
转载
2024-05-07 21:00:26
106阅读
本文主要介绍下opencv中怎样使用hog算法，因为在opencv中已经集成了hog这个类。其实使用起来是很简单的，从后面的代码就可以看出来。本文参考的资料为opencv自带的sample。 关于opencv中hog的源码分析，可以参考本人的另一篇博客：opencv源码解析之(6)：hog源码分析开发环境：opencv2.4.2+Qt4.8.2+ubuntu12.04+QtCrea
转载
2024-04-28 11:21:36
0阅读
1、Opencv DNN1.1 opencv DNNOpenCV DNN githubDeep Neural Networks (dnn module)（opencv dnn 教程）TensorFlow Object Detection APIROS工程不使用ROS自带的OpenCVhttps://github.com/Smorodov/Multitarget-trackerhttps://git
转载
2024-05-22 22:22:48
80阅读
简介 OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV的官方网址为：https://opencv.org/， 其Gi
转载
2024-04-22 14:45:26
104阅读
物体尺寸测量的思路是找一个确定尺寸的物体作为参照物，根据已知的计算未知物体尺寸。如下图所示，绿色的板子尺寸为220*300（单位：毫米），通过程序计算白色纸片的长度。目录1、相关库2、读图+图片预处理3、寻找轮廓4、找到参照物的轮廓，并且进行图像矫正5、结束 完整代码：实时实现物体尺寸计算代码： 1、相关库opencv-python==4.2.0.34numpy==1.21.6
转载
2023-07-16 19:28:43
423阅读
点赞
文章目录单张人脸关键点检测单张图像人脸检测摄像头实时关键点检测 单张人脸关键点检测定义可视化图像函数 导入三维人脸关键点检测模型 导入可视化函数和可视化样式 读取图像 将图像模型输入，获取预测结果 BGR转RGB 将RGB图像输入模型，获取预测结果 预测人人脸个数 可视化人脸关键点检测效果 绘制人来脸和重点区域轮廓线，返回annotated_image 绘制人脸轮廓、眼睫毛、眼眶、嘴唇 在三维坐
转载
2024-03-19 08:31:40
87阅读
基于内容的图像分析的重点是提取出图像中具有代表性的特征，而线条、轮廓、块往往是最能体现特征的几个元素，这篇文章就针对于这几个重要的图像特征，研究它们在OpenCV中的用法，以及做一些简单的基础应用。一、Canny检测轮廓在上一篇文章中有提到sobel边缘检测，并重写了soble的C++代码让其与matlab中算法效果一致，而soble边缘检测是基于单一阈值的，我们不能兼顾到低阈值的丰富边缘和高阈值
转载
2024-02-23 11:41:48
248阅读
环境：Python3.8 和 OpenCV内容：Hough圆检测将直角坐标系中的一个圆映射为新坐标系中的一个点，对于原直角坐标系中的每一个圆，可以对应(a, b, r) 这样一个点，这个点即为新三维中的点。标准法实现步骤： 1.获取原图像的边缘检测图像；2.设置最小半径、最大半径和半径分辨率等超参数；3.根据转化后空间的圆心分辨率等信息，设置计数器N(a, b, r)；4.对边缘检测图像的每个白色
转载
2023-12-02 21:01:28
344阅读
直线检测直线检测可以通过OpenCV的HoughLines和HoughLinesP函数来完成，它们仅有的差别是：第一个函数使用标准的Hough变换，第二个函数使用概率Hough变换，即只通过分析点的子集并估计这些点都属于一条直线的概率，这在计算速度上更快。函数原型：HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength
转载
2023-12-27 21:31:33
347阅读
目录c++检测垂直线 检测所有线：python RANSAC直线检测c++C++: void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta, int threshold, double minLineLength=0, double maxLineGap=0 )第一个参数，InputAr
转载
2024-01-08 17:04:27
116阅读
