注:本系列博客基于OpenCV 2.9.0.0 一,一览图: 二,模块: /* 基础库 */ 1,opencv_core(链接) ,opencv最基础的库.包含exception,point,rect,size,slice,vector,matrix,image等数据结构,和相应的操作函数,已经一些基础算法: 2,opencv_highgui(链接),opencv关于UI以及IO的库.包含各GUI组件,基于vfw/dshow/ffmpeg等库的video输入输出库: 3,opencv_imgpr

OpenCV入门学习笔记 参照OpenCV中文论坛相关文档(http://www.opencv.org.cn/) 一.简介 OpenCV(Open Source Computer Vision),开源计算机视觉库 提供了很多函数,实现了很多计算机视觉算法,算法从最基本的滤波到高级的物体检测皆有涵盖 学习OpenCV所需要的基本知识 C/C++编程基础(编程能力) 了解算法原理(理论基础知识) 提升理论基础知识,所要了解的课程 数字图像处理 计算机视觉 模式识别 OpenCV知识一个算法库,我们并

https://www.jianshu.com/p/c29bb20908da Android NDK开发及OpenCV初步学习笔记 Super_圣代 关注 2017.08.19 00:55* 字数 663 阅读 608评论 0喜欢 2 最近手头的项目接近尾声,时间也稍微宽裕了些,所以抽空准备再深入学习Android,为即将到来的实习期做准备. 1.NDK 首先,什么是NDK? NDK全称:Native Development Kit,顾名思义是Android的原生开发工具,Android平台从诞

OpenCV图像处理学习笔记-Day1 目录 OpenCV图像处理学习笔记-Day1 第1课:图像读入.显示和保存 1. 读入图像 2. 显示图像 3. 保存图像 第2课:图像处理入门基础 1. 基本概念 2. RGB转灰度 第3课:像素处理 1. 读取像素 2. 修改像素 第4课:使用numpy进行像素操作 1. 读取像素 2. 修改像素 第5课:获取图像属性 1. 形状:行.列.通道数 2. 像素数目 3. 获取图像类型 第6课:图像ROI 1. ROI(region of interest

OpenCV图像处理学习笔记-Day03 目录 OpenCV图像处理学习笔记-Day03 第31课:Canny边缘检测原理 第32课:Canny函数及使用 第33课:图像金字塔-理论基础 第34课:pyrDown函数及使用-向下采样 第35课:pyrUP函数及使用-向上采样 第36课:向下取样与向上取样的可逆性研究 第37课:拉普拉斯金字塔 第38课:图像轮廓 第39课:直方图的概念 第40课:绘制直方图 第31课:Canny边缘检测原理 第32课:Canny函数及使用 edges = cv2.

OpenCV图像处理学习笔记-Day4(完结) 第41课:使用OpenCV统计直方图 第42课:绘制OpenCV统计直方图 pass 第43课:使用掩膜的直方图 第44课:掩膜原理及演示 第45课:直方图均衡化原理 第46课:直方图均衡化函数equalizeHist 第47课:subplot函数的使用 第48课:matplotlib.pyplot.imshow函数的使用 第49课:直方图均衡化对比 第50课:傅里叶变换理论基础 第51课:numpy实现傅里叶变换 第52课:使用numpy实现逆傅

如果需要处理的原图及代码,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice 在数字图像处理中,有两个经典的变换被广泛应用--傅里叶变换和霍夫变化.其中,傅里叶变换主要是将时间域上的信号转变为频率域上的信号,用来进行图像降噪,图像增强等处理,这一篇主要学习傅里叶变换,后面在学习霍夫变换. 下面学习一下傅里叶变换.有人说傅里叶分析不仅仅是一个数学工具,更是一种可以彻底颠覆一个人以前

如果需要处理的原图及代码,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice 前言 特征点检测广泛应用到目标匹配,目标跟踪,三维重建等应用中,在进行目标建模时会对图像进行目标特征的提取,常用的有颜色,角点,特征点,轮廓,纹理等特征.而下面学习常用的特征点检测. 总结一下提取特征点的作用: 1,运动目标跟踪 2,物体识别 3,图像配准 4,全景图像拼接 5,三维重建 而一种重要的点

今天我们来做个有趣的程序实现:利用OpenCV读取本地文件夹的视频文件,并且在窗口中创建拖动控制条来显示并且控制视频文件的读取进度. 此程序调试花费了笔者近一天时间,其实大体程序都已经很快写出,结果执行时却出现拖动条不能控制视频读取进度现象,结果发现是”一个大小写字母引发的血案“——在创建拖动条时命名为:Position,但是在设置拖动条的视频位置时却疏忽写为:position.为此笔者反复了N遍,由此可见程序的严格性,以及“搬砖码垛”时专注的重要性. 同样在附上程序之前我们有必要对程序中出现的

继续昨晚的学习总结,昨晚看到轨迹条的创建就没有看下去了,今天继续: 1.轨迹条的创建: 轨迹条往往会和一个回调函数配合使用,当轨迹条发生改变,就调用这个轨迹条的回调函数 int createTrackbar(conststring& trackbarname,  conststring& winname, int* value,  int count, TrackbarCallback onChange=0, void* userdata=0); 第一个参数,表示轨迹条的名字,用来代表我们

书签:另外跳过的内容有待跟进 学习资源: opencv视频教程目录(初级)   主讲:庞锋,毕业于电子科技大学 知识基础支持: 线性代数 应用数学 跳过的内容: 1.第1~6集跳过,简单.(2014-05-14之前已看完) 知识要点: 1.一维直方图(假设单通道)可以理解为:用来形象表示各bin值区间像素个数的多少.[第11集]讲的很好. 2.亮度公式:Y=0.299R+0.587G+0.114B;RGB颜色空间转化为灰度图的时候,用的就是这个公式,灰度图所表示的就是亮度这个概念. 3.通过第1

开发配置 OpenCV的例程中已经带有了人脸检测的例程,位置在:OpenCV\samples\facedetect.cpp文件,OpenCV的安装与这个例子的测试可以参考我之前的博文Linux 下编译安装OpenCV. 网上能够找到关于OpenCV人脸检测的例子也比较多,大多也都是基于这个例程来更改,只是多数使用的是OpenCV 1.0的版本,而OpenCV2.0以后由于模块结构的更改,很多人并没有将例程运行起来.如果是新版的OpenCV跑旧的例程,编译运行出错的话,需要确保: #include

一.简介 ''' 分辨率(resolution,港台称之为解析度)就是屏幕图像的精密度,是指显示器所能显示的像素的多少.由于屏幕上的点.线和面都是由像素组成的,显示器可显示的像素越多,画面就越精细,同样的屏幕区域内能显示的信息也越多,所以分辨率是个非常重要的性能指标之一.可以把整个图像想象成是一个大型的棋盘,而分辨率的表示方式就是所有经线和纬线交叉点的数目. 1.图象分辨率(PPI) 图像分辨率(ImageResolution):指图像中存储的信息量.这种分辨率有多种衡量方法,典型的是以每英寸的

OpenCV学习文档资料 OpenCV学习:1)OpenCV中文网站——http://wiki.opencv.org.cn/index.php/%E9%A6%96%E9%A1%B5 2)python实现OpenCV学习:https://blog.csdn.net/u011321546/article/category/7495016 问题issue 总结: IplImage* 访问图像像素? opencv学习笔记(八)IplImage* 访问图像像素的值:https://www.cnblogs.

1,计算机眼中的图像 我们打开经典的 Lena图片,看看计算机是如何看待图片的: 我们点击图中的一个小格子,发现计算机会将其分为R,G,B三种通道.每个通道分别由一堆0~256之间的数字组成,那OpenCV如何读取,处理图片呢,我们下面详细学习. 2,图像的加载,显示和保存 我们看看在OpenCV中如何操作: import cv2 # 生成图片 img = cv2.imread("lena.jpg") # 生成灰色图片 imgGrey = cv2.imread("lena.j

在OpenCV中我们经常会遇到一个名字:Mask(掩膜).很多函数都使用到它,那么这个Mask到底是什么呢,下面我们从图像基本运算开始,一步一步学习掩膜. 1,图像算术运算 图像的算术运算有很多种,比如两幅图像可以相加,相减,相乘,相除,位运算,平方根,对数,绝对值等:图像也可以放大,缩小,旋转,还可以截取其中的一部分作为ROI(感兴趣区域)进行操作,各个颜色通道还可以分别提取对各个颜色通道进行各种运算操作.总之,对图像可以进行的算术运算非常的多.这里先学习图片间的数学运算,图像混合,按位运算.

如果需要处理的原图及代码,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice 下面主要学习图像灰度化的知识,结合OpenCV调用 cv2.cvtColor()函数实现图像灰度化,使用像素处理方法对图像进行灰度化处理. 1.  图像灰度化 1.1  图像灰度化原理 图像灰度化是将一幅彩色图像转换为灰度化图像的过程.彩色图像通常包括R.G.B三个分量,分别显示出红绿蓝等各种颜色,灰度

如果需要处理的原图及代码,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice "平滑处理"(smoothing)也称"模糊处理"(bluring),是一项简单且使用频率很高的图像处理方法.平滑处理的用途有很多,最常见的是用来减少图像上的噪点或者失真.在涉及到降低图像分辨率时,平滑处理是非常好用的方法. 图像滤波,就是在尽量保留图像细节特征的条件下对目

如果需要处理的原图及代码,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice 形态学操作简单来说,就是改变物体的形状,下面学习一下,首先本文的目录如下: 1,定义结构元素 2,腐蚀和膨胀 3,开运算和闭运算 4,礼帽/顶帽,黑帽算法 5,梯度运算 6,形态学运算 检测边和角点(1,检测边缘 : 2,检测拐角) 1,定义结构元素 形态学操作的原理:在特殊领域运算形式--结构元素(S

如果需要处理的原图及代码,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice 本节学习图像金字塔,图像金字塔包括高斯金字塔和拉普拉斯金字塔.它是图像中多尺度表达的一种,最主要用于图像的分割,是一种以多分辨率来解释图像的有效但概念简单的结构.简单来说,图像金字塔就是用来进行图像缩放的. 1,图像金字塔 图像金字塔是指一组图像且不同分辨率的子图集合,它是图像多尺度表达的一种,以多分辨

如果需要处理的原图及代码,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice 1,简单几何图像绘制 简单几何图像一般包括点,直线,矩阵,圆,椭圆,多边形等等. 下面学习一下 opencv对像素点的定义.图像的一个像素点有1或3个值,对灰度图像有一个灰度值,对彩色图像有3个值组成一个像素值,他们表现出不同的颜色. 其实有了点才能组成各种多边形,才能对多边形进行轮廓检测,所以下面先练