前言使用Qt + OpenCV实现，通过鼠标画线绘制几何图形，然后通过opencv进行图形轮廓识别，返回图形顶点，然后创建对应的几何图形添加到场景中。绘制使用QGraphics体系完成。看效果图：环境: Qt5.15.2 + vs2019 64bit支持图形：直线、圆、椭圆、矩形、三角形。 快捷键：数字3 清屏正文demo的功能实现流程如下：在临时画线层绘制，然后将绘制的图形保存成一张临时图片，再
转载
2024-02-24 16:41:59
141阅读
其实，对于图像显示，对于我们在安装调试opencv的时候，就是作为一个例子，相信看到第三节的话，应该有了正确的配置环境，还有就是对opencv的结构有了一定的理解，那么下面就是进去图像处理的阶段，但是为了更好的学习，所以用已经见过而且能够实现的例子来说问题，相信更加让你感觉到亲近吧。说实话
转载
2024-02-20 17:00:47
124阅读
先建立运动模型和观察模型，不是想用就能用的。如果不能建立运动模型，也就意味着你所要面对的问题不能用kalman滤波解决。kalman.cpp这个例程来介绍一下如何在OpenCV中使用kalman滤波吧，OpenCV已经把Kalman滤波封装到一个类KalmanFilter中了。使用起来非常方便，但那繁多的各种矩阵还是容易让人摸不着头脑。这里要知道的一点是，想要用kalman滤波，要知道前一时刻的状
转载
2024-05-11 19:47:14
50阅读
全景图，相信已经有一部分小伙伴了解过，全景拍摄作为目前非常受欢迎的拍摄方式，也是许多摄影爱好者的追求目标，但是对于想要学习全景图拍摄的初学者来说，全景图的制作并不是那么容易，那么就要先要了解下什么是全景图？怎么做全景图？一、什么是全景图？vr全景展示其实是由全景图片结合于vr技术所呈现出的一种展示效果，是由单反相机或全景相机来进行360度拍摄的照片组成的全景图像。给人身临其境之感。这种新颖的展现方
转载
2024-08-29 14:05:46
82阅读
目录一.汉字点阵字库原理 1.汉字编码1.1区位码1.2机内码 2.点阵字库结构 点阵字库存储 3 汉字点阵获取二、Ubuntu+Opencv+C++显示图片1.将图片、Asci0816.zf和HZKf2424.hz放到文件夹中2.创建test3.cpp文件，并将实现代码写入3.创建logo.txt文件，并写入图片上显示的文字内容4.编译5.运行6.结果一.
转载
2024-03-23 10:51:08
175阅读
小编有个群193369905，里面分享的均是机器视觉的资料， 最近很多朋友问我如何去追踪一个乒乓球，然后利用ＰＩＤ算法来保证活动板的平衡，于是我利用树莓派和arduino实现了这个小实验，本文提出一种基于图像的圆形目标实时跟踪方法，用以解决圆形目标由远及近运动时跟踪稳定性不高的问题。然后将球体的中心坐标通过串口送给电机，利用电机来控制活动板的平衡。前篇博客我已经很好的讲解过了camshif原理和代
转载
2024-05-29 06:35:40
298阅读
需配置好OpenCV和OCR环境下运行1、OpenCV简介OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉库。OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python, Java and MATLAB/OCTAVE (版本2.5)的接口。这些语言的API接口函数可以通过在
转载
2023-11-26 16:43:14
111阅读
图像处理：数黑色格子-基于Java语言的open cv应用1.实验要求2.实验步骤3.有参考意义的书籍4.实验心得 这是本学期我们开设的专业实训课程的作业，任务要求主要是实现：完成一幅方块图像的打开和显示，并统计其中的黑色方块数量，现在特把其完成过程中的心得进行整理。1.实验要求能够读取任何格式的图片文件能读取出来该图片文件的像素点能对图片进行二值化和灰度化的预处理，进而提高角点检测的精确度将图
转载
2024-05-03 17:07:55
39阅读
前言：
今年有一个高等教育部主办，举办地在余姚的比赛，我们报了机械手解魔方的项目！其中的方案之一是用摄像头采集魔方的六面信息！为了最快的采集信息，决定使用两个摄像头顶角照射，一个摄像头读取三面信息，这样两个摄像头一次直接读取完！ 其中最快的方法就是两个摄像头，顶角摆放，采集六面信息！ 这其中，我有两种方案！1- 直接在倾斜面上颜色识别采集信息，在进行面矩阵转换；2-将倾斜面矫正回来，
转载
2024-04-23 14:30:48
134阅读
转载
2024-03-01 14:49:16
122阅读
一、前言 最初想写这篇文章就是想帮助和我一样的热心于图像处理的初学者尽快掌握SVM。通过自学毛星云编著的《Opencv3编程入门》一书，并亲自一个一个地码上所有的示例代码，做了一个项目后，算是真正地入门图像处理领域了吧，但也仅仅是入门。 学海无涯，愿每个对图像处理，甚至机器人学感兴趣的人都能保持初心，勇往直前。 本文工程基于Opencv2.4.9和vs2010搭建。而本文也
转载
2024-03-18 20:57:06
20阅读
此文章主要是学习的记录。使用opencv的版本是 3.4.6。实现了图片的人脸检测及人的眼睛、鼻子和嘴巴的检测。里面使用的窗口显示相关的代码都是opencv的函数。 人脸检测 openCV的人脸识别主要通过Haar特征分类器实现
转载
2024-08-27 14:46:30
68阅读
1、实验内容：自动是被下列九宫格图像中小人的位置，并将小人分割出来2、思路分析：本实验的难点首先在于如何在一幅图像中把九幅图片分离出来，其次如何能够从分离出来的九幅图片中识别出小人图像。本人的具体思路是这样的：分离九幅图片：通过findContours()函数寻找到图像中所有物体的轮廓，并用boundingRect()获得所有轮廓的包围矩形，但是我们需要的只是九宫格中的九个矩形区域，因此可以通过比
转载
2024-03-18 07:18:35
106阅读
目录前言 一、图像处理?二值化处理?膨胀、腐蚀?开运算、闭运算二、案例实现Step1：灰度处理Step2：对视频进行帧差处理Step3：二值化处理Step4：腐蚀处理Step5：膨胀处理 Step6：标记、框选目标?完整代码三、总结 前言 本文主要以车辆识别为目标，利用 C++语言 结合 Qt + OpenCV 进行图像处理相关步骤的讲解一、图像处理?二值化
转载
2023-10-08 11:58:37
187阅读
§00 前 本文将会介绍使用OpenCV进行图像块简单检测算法。0.1 什么是图像块？ 所谓图像块就是在图像中一组相邻的具有相同特性（比如灰度值）像素区域。在前面的图像中，那些紧挨在一起的黑色像素区域就是图像块。图像块检测就是找到并标记出这些区域。0.2 检测样例代码 OpenCV提供了检测图像块的方便方法并使用不同特征将它们过滤出来。 下面以简单示例开始：Python# Standar
转载
2023-11-01 23:56:29
340阅读
霍夫线变换的思想是：霍夫线变换必须应用在二值图像上，它认为图像上每一个点都有可能是某条直线上的一个点，对过每点的所有直线进行投票，根据设定的权重做最终的判断，这个是霍夫线变换的理论基础。OpenCV 4 提供了检测图像边缘是否存在直线和圆形的检测算法直线检测霍夫直线变换霍夫变换中存在的两个重要的结论(1)图像空间中的每条直线在参数空间中都对应着单独一个点来表示。(2)图像空间中的直线上任何像素点在
转载
2023-11-28 06:08:38
131阅读
霍夫线变换 简介：1.霍夫变换(Hough Transform) 霍夫变换是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法。主要用来从图像中分离出具有某种相同特征的几何形状（如，直线，圆等）。最基本的霍夫变换是从黑白图像中检测直线(线段)。2.Hough变换的原理是将特定图形上的点变换到一组参数空间上，根据参数空间点的累计结果找到一个极大值对应的解，那么这个解就对应着
转载
2023-08-02 15:18:04
356阅读
最近在学习opencv，在学习唐宇迪老师的课程，将其中的一个停车位识别做一下笔记，该项目用到了opencv做图像处理，还用到了keras的cnn网络来学习图片做分类，我觉得是一个很与代表的小项目，故做一个完整的笔记。 首先，我们应该下来明确一下思路，我们要做什么（目的），目的是为了什么，然后怎么做（方法），我们下来看一下停车场的图片 可以看到这个类似于卫星图的照片，首先我们看到停车场是个多边形的，
转载
2024-04-08 19:58:06
193阅读
部分边缘检测仅提供主要实现代码工程需要自己补充完整1、Robert原理：任意一对互相垂直方向上的差分可以看成求梯度的近似方法优缺点：边缘定位精度较高，对于陡峭边缘且噪声低的图像效果较好，但没有进行平滑处理，没有抑制噪声能力应用具有陡峭的低噪声的图像处理效果较好/*****************************Robert*******************************/
M
转载
2024-03-25 05:41:48
139阅读
第一次写长博，记录一个项目。这几天一直在接小活，有一个是客户的要求是将目标图片上的文字（目测是好多器材上边的编号）检测出来，并对比，要求长字符串和长字符串相同，短字符串和短字符串相同，不一样的需要标识出来。感觉还挺有意思的，就把过程贴出来以便日后复习。话不多说先贴图：待检测图片和最终识别结果如下图，相同的长字符串用蓝色框标出，短字符串用绿色框标出，而疑似不一致字符串用红色框标出，对客户传来的待测试
转载
2023-10-12 06:27:26
165阅读
