OpenCV

图像基本处理 1、图像切片 在前面我们了解到opencv中的图像实际上就是一个ndarray数组，我们对ndarray数组进行操作就是对图像进行操作。我们先来看一下切片查找，这是我们非常常用的一个操作。 （1）一维数组的切片 我们来看看切片的语法，对于一维的数组我们可以通过下面的操作获取第0个到第4个元素： array[0:5] 从上面可以知道我们的切片操作是左闭右开的。上面的切片操作我们可以简写一下： array[:5] 如果我们没有设置第一个值，则表示从头开始切片。当然我们还可以省略第二个值，这时含义就是取到最后一个元素，比如下面的操作： array[3:] 我们用一个实际的例子来看看切片操作： import numpy as np # 创建一个一维的ndarray数组，数据为[0, 1, 2, 3, 4, 5, 6, 7] array = np.array([0, 1, 2, 3, 4, 5, 6, 7]) # 取0到4个元素 print(array[0:5]) print(array[:5]) # 取第3个到最后一个元素 print(array[3:]) 输出内容如下： [0 1 2 3 4] [0 1 2 3 4] [3 4 5 6 7] 我们可以把切片操作总结为： # 左闭右开 array[start: end-1] 当我们以第0个开始，获取以最后一个结尾的话

用opencv自带xml。打开摄像头，实时视频检测人脸 可以直接运行在linux下或者Windows下的VS中 1 #include <iostream> 2 #include <stdio.h> 3 #include <ctime> 4 #include <opencv2/opencv.hpp> 5 #include <opencv2/highgui/highgui.hpp> 6 #include <opencv2/imgproc/imgproc.hpp> 7 #include " opencv2/core/core.hpp " 8 using namespace cv; 9 using namespace std; 10 11 #define W 1920 12 #define H 1080 13 14 string face_cascade_name = " E:/opencv_VS/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml " ; 15 CascadeClassifier face_cascade; 16 int facesnum = 0 ; 17 void DectectorAndDis(Mat frame) 18 { 19 Mat face_gray = Mat::zeros(H,

图像梯度 我们知道一阶导数可以用来求极值。把图片想象成连续函数， 因为边缘部分的像素值与旁边的像素明显有区别 ，所以对图片局部求极值，就可以得到整幅图片的边缘信息。 不过图片是二维的离散函数，导数就变成了差分，这个查分就变成了图像梯度。 1. 垂直边缘提取 滤波是应用卷积来实现的，卷积的关键就是卷积核。我们来考察下面这个卷积核： 这个核是用来提取图片中的垂直边缘的，怎么做到的呢？看下图： 当前列左右两侧的元素进行差分，由于边缘的值明显小于（或大于）周边像素，所以边缘的差分结果会明显不同，这样就提取出垂直边缘。同理，把上面的那个矩阵转置一下，就是提取水平边缘。这种差分操作就成为图像的梯度计算： import cv2 import numpy as np img = cv2.imread( ' sudoku.jpg ' , 0) # 自己进行垂直边缘提取 kernel = np.array([[-1, 0, 1 ], [ -2, 0, 2 ], [ -1, 0, 1]], dtype= np.float32) dst_v = cv2.filter2D(img, -1 , kernel) # 自己进行水平边缘提取 dst_h = cv2.filter2D(img, -1 , kernel.T) # 横向并排对比显示 cv2.imshow( ' edge ' , np.hstack(

来源： oschina 链接： https://my.oschina.net/u/4418565/blog/4776261

宽固定，等比例缩放： # -*- coding: utf-8 -*- import cv2 import numpy as np img_raw=cv2.imread(file) if img_raw.shape[1] > 700: x_scale = 640 / img_raw.shape[1] img_raw = cv2.resize(img_raw, None, fx=x_scale, fy=x_scale, interpolation=cv2.INTER_AREA) cv2.imshow("sdf",img_raw) cv2.waitKey() 利用 Python OpenCV 中的 cv.Resize(源，目标，变换方法)就可以实现变换为想要的尺寸了 源文件：就不用说了 目标：你可以对图像进行倍数的放大和缩小 也可以直接的输入尺寸大小 变换的方法： CV_INTER_NN - 最近邻插值, CV_INTER_LINEAR - 双线性插值 (缺省使用) CV_INTER_AREA - 使用象素关系重采样。当图像缩小时候，该方法可以避免波纹出现。当图像放大时，类似于 CV_INTER_NN 方法.. CV_INTER_CUBIC - 立方插值. 如 我要将一个图片变为32*32大小的 image=cv2.imread('test.jpg') res=cv2.resize

在linux 下进行开发很多人选择编写makefile 文件进行项目环境搭建，而makefile 文件依赖关系复杂，工作量很大，搞的人头很大。常常，写代码，效率才是王道。这里还有自动化的项目构建工具Cmake。 cmake 可以将程序员从复杂的makefile 文件中解脱出来。cmake 根据内置的规则和语法来自动生成相关的makefile 文件进行编译，同时还支持静态库和动态库的构建。 具体cmake的介绍和详细语法可以参考： （1）官方资料 http://www.cmake.org/ cmake 要求工程主目录和所有存放源代码子目录下都要编写CMakeLists.txt 文件。使用cmake 很简单，只需要执行cmake, make 两个命令即可，这里只写了常用的简单操作。 1. 确定cmake 最低版本需求 cmake_minimum_required(VERSION 3.0.0) 2. 确定工程名 project(XXX) 这个不是必须，但是最好写一下，这一行会引入两个变量XXX_BINARY_DIR (二进制文件保存路径)和 XXX_SOURCE_DIR(源代码保存路径) 3. 添加需要的库 set(CMAKE_PREFIX_PATH ${CMAKE_PREFIX_PATH} "/usr/local/share/OpenCV") find_package(OpenCV 3

前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 作者：实验楼 市面上有很多C++的实战项目，从简单到进阶，学习每个项目都可以掌握相应的知识点。 如果你还是C++新手的话，那么这个C++的项目列表你可以拿去练手实战开发，毕竟学编程动手实践是少不了的！ 如果你不知道C++可以用来做哪些项目，可以应用在哪些地方，那么，可以去小编的C++交流.裙 ：九起久伞吧起伞留伞（数字的谐音）转换下可以找到了，里面有最新C++教程项目 * C++项目列表：* 1、C++ 实现太阳系行星系统 项目使用 C++实现 OpenGL GLUT 实现一个简单的太阳系行星系统，将涉及一些三维图形技术的数学基础、OpenGL 里的三维坐标系、OpenGL 里的光照模型、GLUT 的键盘事件处理。 2、C++实现运动目标的追踪 这个项目是在前面一个项目的后续项目，利用 OpenCV 来实现对视频中动态物体的追踪。 3、C++ 实现银行排队服务模拟 项目使用 C++对银行排队服务进行模拟，以事件驱动为核心思想，手动实现模板链式队列、随机数产生器等内容，进而学习概率编程等知识。作为可选进阶，这个模型同时还能稍加修改的应用到 CPU 资源争夺模型中。 4、1小时入门增强现实技术 项目利用C+＋