gray | 易学教程

【OpenCV】学习笔记（一）：基础操作部分

阅读更多关于【OpenCV】学习笔记（一）：基础操作部分

前言：跟着浅墨大神，学习OpenCV3后，笔记如下。 1 基础知识 1.1 加载、修改、保存图像加载 cv::imread 保存 cv::cvtColor 保存 cv::imwrite Mat image = imread("E:/result/MyPic1.png", 0); //路径,0代表灰度打开 imshow("image1", image); Mat gray_image; cvtColor(image, gray_image, COLOR_BGR2GRAY); //转换色彩空间 imshow("out_gray_image", gray_image); imwrite("E:/result/Mypic1_opencv.jpg", gray_image); //保存图片 1.2 获取图像像素指针 void showCamera() { VideoCapture capture(0); //从摄像头中读取视频 while (true) { Mat frame; capture >> frame; namedWindow("读取视频"); imshow("读取视频", frame); waitKey(30); } } void showCapture() { VideoCapture capture; capture.open("E:/result/MyVid.avi"

opencv学习笔记17-Canny算法

阅读更多关于 opencv学习笔记17-Canny算法

只用来记录学习笔记 Canny算法 int t1_value = 50 ; const char * OUTPUT_TITLE = "Canny Result" ; cvtColor ( src , gray_src , CV_BGR2GRAY ) ; //转灰度图像 blur ( gray_src , gray_src , Size ( 3 , 3 ) , Point ( - 1 , - 1 ) , BORDER_DEFAULT ) ; //模糊 Canny ( gray_src , edge_output , t1_value , t1_value * 2 , 3 , false ) ; //gray_src：灰度图像 //edge_output //t1_value：低阈值 //t1_value * 2：高阈值 //3：孔径大小 imshow ( OUTPUT_TITLE , edge_output ) ; 效果图：来源： CSDN 作者：没有改不了的bug 链接： https://blog.csdn.net/weixin_44177447/article/details/104572510

opencv之傅里叶变换

阅读更多关于 opencv之傅里叶变换

图像处理一般分为空间域处理和频率域处理空间域处理是直接对图像内的像素进行处理。主要划分为灰度变换核空间滤波两种形式，灰度变换对图像内的单个像素进行处理，滤波处理涉及对图像质量的改变频率域处理是先将图像变换到频率域，然后在频率域对图像进行处理，最后通过反变换将图像变为空间域。傅里叶变换可以将图像变换为频率域，傅立叶反变换将频率域变换为空间域时域是以时间为坐标轴表示动态信号的关系，频域则是把信号变为一频率为坐标轴表示出来。时域是实际存在的，而频域则是数学构造。 numpy实现傅里叶变换函数 dst = numpy.fft.fft2(src) dst为一个复数数组 src 原始图像的类型应是灰度图像该函数处理之后就能得到图像的频谱信息零频率分量位于频谱图像的左上角函数 dst = numpy.ffr.fftshift(src) 使用该函数处理后，图像频谱中的零频率分量会被移到频域图像的中心位置对图像傅里叶变换后得到的是一个复数数组，为了显示图像需要将他们的值调整到 [0 , 255 ] 的灰度空间公式为像素新值 = 20 * np.log( np.abs( 频谱值 ) ) 1 import cv2 2 import numpy as np 3 import matplotlib.pyplot as plt 4 img = cv2.imread("/home

OpenCV--图像特征(harris角点检测)

阅读更多关于 OpenCV--图像特征(harris角点检测)

图像特征--harris角点检测基本原理 cv2.cornerHarris() - img：数据类型为 ﬂoat32 的入图像 - blockSize：角点检测中指定区域的大小 - ksize： Sobel求导中使用的窗口大小 - k：取值参数为 [0,04,0.06] import cv2 import numpy as np img = cv2.imread('test_1.jpg') print ('img.shape:',img.shape) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # gray = np.float32(gray) dst = cv2.cornerHarris(gray, 2, 3, 0.04) print ('dst.shape:',dst.shape) 效果： img.shape: (800, 1200, 3) dst.shape: (800, 1200) img[dst>0.01*dst.max()]=[0,0,255] cv2.imshow('dst',img) cv2.waitKey(0) cv2.destroyAllWindows() 效果：来源： https://www.cnblogs.com/SCCQ/p/12299472.html

bootstrap实现首页轮播加缩放

阅读更多关于 bootstrap实现首页轮播加缩放

需要用到一些组件 BootStrap组件给个官网网址（自己想要的再找）：https://v2.bootcss.com/index.html 需要一些其他的相关文件，这里都有：链接: https://pan.baidu.com/s/16O9eZm3KphXCS7tFW8asFg 提取码: 7md4 复制这段内容后打开百度网盘手机App，操作更方便哦 1 <!DOCTYPE html> 2 <html lang="zh-CN"> 3 4 <head> 5 <meta charset="utf-8"> 6 <meta http-equiv="X-UA-Compatible" content="IE=edge"> 7 <meta name="viewport" content="width=device-width, initial-scale=1"> 8  9 <title>商城首页</title> 10 11  12 <link href="../css/bootstrap.css" rel="stylesheet"> 13 14

传入一张图，生成它的油画版！（python实现）（转）

阅读更多关于传入一张图，生成它的油画版！（python实现）（转）

来自：https://blog.csdn.net/miracleoa/article/details/104210597import cv2 import numpy def oilPainting(img, templateSize, bucketSize, step): # templateSize模板大小,bucketSize桶阵列,step模板滑动步长 gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) gray = ((gray / 256) * bucketSize).astype(int) # 灰度图在桶中的所属分区 h, w = img.shape[:2] oilImg = numpy.zeros(img.shape, numpy.uint8) # 用来存放过滤图像 for i in range(0, h, step): top = i - templateSize bottom = i + templateSize + 1 if top < 0: top = 0 if bottom >= h: bottom = h - 1 for j in range(0, w, step): left = j - templateSize right = j + templateSize + 1 if left < 0: left = 0

传入一张图，生成它的油画版！（python实现）

阅读更多关于传入一张图，生成它的油画版！（python实现）

文章目录一、函数 1、主函数 2、使用方法二、效果展示 1、原图像 2、油画版效果一、函数 1、主函数 import cv2 import numpy def oilPainting ( img , templateSize , bucketSize , step ) : # templateSize模板大小,bucketSize桶阵列,step模板滑动步长 gray = cv2 . cvtColor ( img , cv2 . COLOR_RGB2GRAY ) gray = ( ( gray / 256 ) * bucketSize ) . astype ( int ) # 灰度图在桶中的所属分区 h , w = img . shape [ : 2 ] oilImg = numpy . zeros ( img . shape , numpy . uint8 ) # 用来存放过滤图像 for i in range ( 0 , h , step ) : top = i - templateSize bottom = i + templateSize + 1 if top < 0 : top = 0 if bottom >= h : bottom = h - 1 for j in range ( 0 , w , step ) : left = j - templateSize

【学习笔记】OpenCV+C++(二）

阅读更多关于【学习笔记】OpenCV+C++(二）

Mat对象 Mat对象与IplImage对象 Mat对象OpenCV2.0之后引进的图像数据结构、自动分配内存、不存在内存泄漏的问题，是面向对象的数据结构，分了两部分，头部和数据部分。 IplImage是从2001年OpenCV发布之后就一直存在，是C语言风格的数据结构，需要开发者自己分配与管理内存，对大的程序使用它容易导致内存泄漏问题。 //Mat对象构造函数与常用方法 // Mat() // Mat(int rows,int cols,int type) // Mat(Size size,int type) // Mat(int rows,int cols,int type,const Scalar &s) // Mat(Size size,int type,const Scalar &s) // Mat(int ndims,const int *sizes,int type) // Mat(int ndims,const int *sizes,int type,const Scalar &s) // // 常用方法： // void copyTo(Mat mat) // void convertTo(Mat dst,int type) // Mat clone() // int channels() // int depth() // bool empty() //

Canny边缘检测

阅读更多关于 Canny边缘检测

步骤：噪声去除，计算图像梯度，非极大值抑制，滞后阈值 cv2.Canny()可以完成以上几步。 import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('messi5.jpg',0) edges = cv2.Canny(img,100,200) plt.subplot(121),plt.imshow(img,cmap = 'gray') plt.title('Original Image'), plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(edges,cmap = 'gray') plt.title('Edge Image'), plt.xticks([]), plt.yticks([]) plt.show() 来源： https://www.cnblogs.com/h694879357/p/12272609.html

纯JS写的小众游戏——走四棋

阅读更多关于纯JS写的小众游戏——走四棋

过年正赶上新冠病毒不让出门，在家闲着没事，偶尔玩了一下老家流行的游戏（走四棋），然后就想把这个游戏用JS写出来，先练了一下贪吃蛇，等下也会在我的博客中单独贴出来，按照贪吃蛇动态生成dom元素的方法，粗略的写了一下走四棋，有很多地方存在代码冗余，设计也有待优化，但是基本效果是有了，首次效果做成这样，我也很满意了，话不多说，上代码，仅供大家参考。 <html> <body> 步数：<input type="text" value="0" id="stepCount" disabled></input> <button id="rule" οnclick="rule()">玩法说明</button> <script> var stepCount = 0; var user; //创建棋盘 function Map(){ //属性 this.width = 30; this.height = 30; this.jianju = 100;//每个棋子之间的间距 this.backgroundColor = "gray"; //棋盘的每一个可走点，定义为二维数组 this.route = [[1,1,"gray",null],[2,1,"gray",null],[3,1,"gray",null],[4,1,"gray",null],[1,2,"gray",null],[2,2,"gray"

订阅 gray