上期文章：机器学习之SKlearn(scikit-learn)的K-means聚类算法我们分享了sklearn的基本知识与基本的聚类算法，这里主要是机器学习的算法思想，前期文章我们也分享过人工智能的深度学习，二者有如何区别，可以先参考如下几个实例来看看机器学习是如何操作的不同K值下的聚类算法首先我们随机创建一些二维数据作为训练集，观察在不同的k值下聚类算法的区别import numpy as np
opencv对多种颜色小球的形状及位置判断 文章目录前言一、opencv是什么？二、使用步骤1.引入库2.设置颜色阈值3.对图片进行加载和处理4.处理图片的函数5.获取颜色空间函数6.运行效果7.完整代码总结 前言在这段时间参加了一个竞赛，写下了这个代码，但是总感觉有一些地方是不完善的，希望有大神可以指导指导呀！这是一个关于使用opencv库判断颜色小球形状及位置的功能实现，其中也参考了一些前辈的
转载
2024-05-04 18:56:26
188阅读
1.视频读取首先把视频读取进来，因为我测试的视频是4k的所以我用resize调整了一下视频的分辨大小cap = cv2.VideoCapture('video/小路口.mp4')
while True:
ret,frame = cap.read()
if ret == False:
break
frame = cv2.resize(frame,(1920,1
转载
2023-08-23 15:46:19
136阅读
HSV模型解释HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。这个模型中颜色的参数分别是：色调（H）饱和度（S）明度（V）色调H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青
转载
2024-06-20 06:27:52
95阅读
目录一、主要函数介绍 二、颜色识别 三、其他相关函数介绍1. cv2.resize2. np.array(x,dtype) 3. cv2.inRange()4. cv2.imshow()5.cv2. waitKey()四、掩膜一、主要函数介绍通常，相机在RGB颜色模式下工作，但这种模式受到光线的影响较大，所以在o
转载
2024-04-28 16:35:33
1221阅读
文章目录opencv3颜色识别(C++)目标思路1. 读取图像2. 对比度调整（直方图均衡）3.RGB颜色分类4.形态学去噪声代码结果参考 opencv3颜色识别(C++)目标给定一幅图像，可以是读取指定文件或者从摄像机获取，识别图像中的颜色。这里我们只识别8种颜色，包括黑、红、绿、黄、蓝、紫、靛、白。这8种颜色是RGB颜色空间中位于8个顶点的颜色。思路1. 读取图像读取摄像机的一帧VideoC
转载
2024-08-10 18:40:11
233阅读
目录一、什么是颜色检测 颜色检测步骤二、HSV图像类型介绍选择HSV进行颜色检测的原因三、实例1.RGB转HSV2. 定义蒙版3. 定义上下限4.颜色检测，得到二值图像，并输出至蒙版 5.番外：转换为实时跟踪检测，可调模式 5.1 创建跟踪栏窗口5.2 创建跟踪栏5.3 写while循环 效果一、什么是颜色检测 颜色检测就是对目标图像的
转载
2023-08-21 15:49:57
182阅读
OpenCV 颜色检测1.导入必要的包并初始化相机import cv2
import numpy as np
# Reading the image
img = cv2.imread('test.jpg')
# Showing the output
cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()2. 从
转载
2023-09-18 03:58:28
134阅读
需要实现倒车辅助标记检测的功能，倒车辅助标记颜色已经确定了，所以不需要使用深度学习的方法，那样成本太高了，直接可以使用颜色检测的方法。首先需要确定待检测目标的HSV值1 import cv2
2
3 img = cv2.imread('l3.png')
4 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
5 hsv = cv2.cvtColor(
转载
2023-06-19 10:10:36
256阅读
# Python OpenCV 利用鼠标颜色判断
在计算机视觉中，OpenCV是一个非常强大的工具。通过它，我们可以进行各种图像处理任务。今天，我们将学习如何利用鼠标点击来判断图像上某个点的颜色。
## 流程概述
在开始编码之前，我们首先梳理一下整个过程。下面是实现这一功能的步骤。
| 步骤 | 描述 |
|
在本文中，我们将讨论如何使用 python 和 OpenCV 检测单色对象。单色是指单一波长的光。我们将使用使用网络摄像头捕获的视频作为输入，并尝试检测单一颜色的对象，尤其是蓝色。但是，如果您正确设置范围，您可以检测到任何颜色，我们将在稍后讨论。 为此，强烈建议将颜色从 RGB 格式转换为 HSV。HSV 代表色相、饱和度和值。色调表示颜色本身，从技术上讲，它表示 HSV 颜色模型中的角
转载
2023-10-19 17:07:24
287阅读
说明这篇博客只用来记录目前我已经接触过的API，只涉及用法及效果，不涉及背后算法，具体算法我会在其他的博客中进行介绍。随着逐渐学习，我也会对这篇博客进行动态更新，有些内容缺少的就是我也还没弄懂的。并不会详细解释API，更适合有一定经验的人查阅。我也只是个初学者，很多内容都是跟着教程的框架进行学习，如果内容上有错误欢迎大家指正与补充。基础操作读入图片imread()函数Mat imread( con
转载
2024-07-02 05:22:34
281阅读
一、图像处理的基本操作因为这是第一篇写opencv的笔记，故先讲讲在python下写opencv的基本操作。总共总结了三点如下：开头一定要加编码声明:-*- coding: utf-8 -*-python下记得引入opencv模块:import cv2要知道如何读取并展示图片,代码如下:# -*- coding: utf-8 -*-
import cv2
import numpy as np
na
转载
2024-05-10 18:37:35
44阅读
学习颜色识别之前先介绍一下新认识的图像格式HSV：色调H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,紫色为300°； 饱和度S饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就
转载
2023-10-03 18:19:20
514阅读
使用OpenCV基于特定的色彩范围进行图像分割操作
一、遍历图像实现色彩掩码本节我们实现这样一个算法，我们指定某种颜色和一个阈值，根据输入图片生成一张掩码，标记符合的像素（和指定颜色的差异在阈值容忍内）。源代码如下，我们使用一个class完成这个目标，其指定了两种构建函数，并通过逐像素扫描的形式生成掩码（process成员函数）。另外，本class做了仿
转载
2024-06-12 05:39:04
176阅读
OpenCV中的图像处理 —— 图像阈值+图像平滑+形态转换 目录OpenCV中的图像处理 —— 图像阈值+图像平滑+形态转换1. 图像阈值1.1 简单阈值1.2 自适应阈值1.3 Otsu的二值化2. 图像平滑2.1 2D卷积（图像过滤）2.2 图像平滑（图像模糊）3. 形态转换3.1 侵蚀与膨胀3.2 开运算与闭运算3.3 顶帽与黑帽3.4 结构元素 1. 图像阈值关于图像阈值主要涉及到两个函
转载
2024-07-20 17:10:40
30阅读
前言还记得这个图吗？前阵子有篇文章《【综合练习】C++OpenCV实战---获取数量》里面中我们利用学到了一些OpenCV的基本知识进行了数量的提取。当时算是完成了，可以看看文章中的实现思路里面用到了距离变换，连通区域计算，还是归一化等一些API，比较烦所，其中里面一个最关键的问题是通过图像二值化后进行形态学操作，需要反复不停的测试找到一个合适的点才能把最左侧的两个枣区分开，上一章中我们学习了In
转载
2024-02-26 16:55:55
49阅读
在本教程中，我们将了解计算机视觉中经常使用的色彩空间，并将其用于基于颜色的分割。我们还将用C ++和Python分享演示代码。 RGB色彩空间 RGB颜色空间具有以下属性 1. 它是一种加色空间，其中颜色通过红色，绿色和蓝色值的线性组合获得。 2. 三个通道通过照射到表面的光量相关联。 让我们将这两个图像分成R，G和B分量并观察它们以更深入地了解色彩空间。 图1：RGB颜色空间的不同通道：蓝（B
转载
2024-04-29 12:57:28
71阅读
目录图像梯度处理1. Sobel算子2. Scharr算子3. Laplacian算子4. 不同算子的比较Canny边缘检测 图像梯度处理1. Sobel算子dst = cv2.Sobel(src, ddepth, dx, dy, ksize)ddepth：输出图像的深度，-1 表示采用的是与原图像相同的深度。dx：代表 x 方向上的求导阶数，0 表示这个方向上没有求导，一般为 0、1、2。 d
转载
2024-06-20 14:40:13
72阅读
一、BGR颜色空间在opencv中，硬件所使用的颜色顺序为BGR，而非RGB，虽然排序有所不同，但是在进行图像操作的时候会有很大的区别，BGR颜色空间分别对应蓝、绿、红；这三种颜色的排列组合可以组成人眼所看到的所有颜色，如图2.1： 二、HSV颜色空间HSV分别对应色度、饱和度、亮度，HSV颜色空间数据分明，适合计算机处理数据，HSV是一种比较直观的颜色模型，所以在许多图像编辑工具中应用
转载
2024-03-17 13:57:28
67阅读
