-
本版专家分：1结帖率 96.67% -
有没有好的办法识别图中的两条线
-
本版专家分：1724
-
- 红花 2019年1月 移动开发大版内专家分月排行榜第一
-
- 黄花 2018年12月 移动开发大版内专家分月排行榜第二
-
-
你在说啥？我只看到了二维码
-
本版专家分：1
-
二维码右边有两条线啊，搞生物的应该比较熟悉，T C线
-
本版专家分：0
-
画个ROI然后找下矩形再求均值阈值或色通道割一下就好了
- 文献求助论坛
- 1、小木虫是中国最有影响力的学术站点之一。会员主要来自国内各大院校、科研院所的博硕士研究生、企业研发人员，这里拥有旺盛的人气、良好的交流氛围及广阔的交流空间，已成为聚集众多科研工作者的学术资源、经验交流平台。内容涵盖化学化工、生物医药、物理、材料、地理、食品、理工、信息、经管等学科，除此之外还有基金申请、专利标准、留学出国、考研考博、论文投稿、学术<em>求助</em>等实用内容。 欢迎研究的虫子们加入 http
- 求解这几个问题，几个递归算法中的问题，挺有意思的。
- 初学者，<em>求助</em>这几个问题，用递归解决，这是<em>算法</em>中的几个递归问题，不是特别会写，<em>求助</em>
- TestSOS，一键求助的demo
- 自己写了一个一键<em>求助</em>的demo，只有发短信向紧急联系人以及警方（为避免麻烦，未添加向警方发短信功能）报告位置信息的功能，只要系统授权，双击手机电源键即可发<em>求助</em>短信。 只实现相关功能，app界面未经过任何优化 下面是下载链接：https://pan.baidu.com/s/1jIeijTc
- OpenCV算法精解代码
- OpenCV<em>算法</em>精解代码 OpenCV<em>算法</em>精解代码 OpenCV<em>算法</em>精解代码
- OpenCV算法精解资源
- OpenCV<em>算法</em>精解资源OpenCV<em>算法</em>精解资源OpenCV<em>算法</em>精解资源
- Android实现横屏与竖屏之间的转换
- public void switchOrientation(View v){ int orientation = getResources().getConfiguration().orientation; if (orientation == Configuration.ORIENTATION_PORTRAIT){ setRequestedOrientation(
- 基于SURF算法和OpenCV的掌纹识别技术研究
- 基于SURF<em>算法</em>和OpenCV的掌纹识别技术研究 基于SURF<em>算法</em>和OpenCV的掌纹识别技术研究 基于SURF<em>算法</em>和OpenCV的掌纹识别技术研究 基于SURF<em>算法</em>和OpenCV的掌纹识别技术研究
- ［求助］评标办法［求助］评标办法［求助］评标办法
- ［<em>求助</em>］评标办法［<em>求助</em>］评标办法［<em>求助</em>］评标办法［<em>求助</em>］评标办法［<em>求助</em>］评标办法［<em>求助</em>］评标办法
- 魅族手机有SOS功能吗？紧急联络求助如何设置和开启
- 魅族手机SOS紧急联络功能即将上线 前段时间的各种网约车安全事件引起了全国人民的高度重视，搞得满城人人自危。人们在指责犯罪嫌疑人的同时，也在努力寻找各种紧急联络和紧急报警方法。为了向用户提供安全保障，小米、OPPO、三星等手机都紧急加入了SOS紧急联络功能。而近日，魅族官方也正式确认，魅族Flyme系统也将于近期上线「SOS紧急<em>求助</em>功能」。 推荐阅读：How to Add Emergenc...
- 急！急！急！有偿求助
- 我是一家传统企业公司，本月初从别的地方买了一套营销软件，只能在一台电脑上使用。用后感觉效果不错，想在其他电脑上都安装上软件，但是要注册码。有没有人能破解，帮助一下我。有酬劳，跪求。我电话18232010234【微信同号】...
- sos的几种方案简析
- 关键字： 单点登录 SSO Session 单点登录在现在的系统架构中广泛存在，他将多个子系统的认证体系打通，实现了一个入口多处使用，而在架构单点登录时，也会遇到一些小问题，在不同的应用环境中可以采用不同的单点登录实现方案来满足需求。我将以我所遇到的应用环境以及在其中所经历的各个阶段与大家分享，若有不足，希望各位不吝赐教。 一、共享Session 共享Session可谓是实现单点
- opencv 三种算法
- 不断维护的地址：http://plzcoding.com/face-recognition-with-<em>opencv</em>/ 怎样使用OpenCV进行人脸识别 本文大部分来自OpenCV官网上的Face Reconition with OpenCV这节内容(http://docs.<em>opencv</em>.org/modules/contrib/doc/facerec/facerec_tutorial
- Linux的在线求助（*man page）
- Linux系统下那么多的指令，我们人当然做不到将每个指令详细到每个参数都记住，我在平常的学习总结中也只会记一些常用的命令及参数，或者是平常用的多了不用刻意去记就会很熟悉。所以，这篇博文讲一下在linux系统中如何获取帮助。一一help<em>求助</em>一般很多指令都会有- -help这个参数，我们可以通过这个参数对指令有一个大致的理解。 当然，形式有局限性，协助你曾经使用指令具备的，如你要使用从来没有用过的，或
- 湖南2015省队集训(bzoj4174)tty的求助
- 文章来自我的新博客题外话： ~~~~当时我们老师要我们三个人出一套题目给 noinoi 集训，然后我们当时就吓尿了！！！各种担心出的题目太水被秒。。。。。然而事实上效果还不错，只有 yytyyt 一位爷 AA 掉了，悲伤的是 mxmx 爆 longlonglonglong 了。。。。。 ~~~~距离这道题目出现已经很久了，正好刚刚搭的新博客，所以就来水一发题解。 ~~~~
- 《openCV算法精解》学习——18.04.10
- 不积跬步，无以至千里。不要担心走的太慢，每一步走扎实。1、<em>opencv</em>解压后有两个文件夹，"source"和"build"，前者存放编译好的文件，也是在配置<em>opencv</em>中重要的工具。子文件doc中包含学习文档。 后者存放源码，其中modules里有core、highgui和imgproc。分别实现了数据结构、图像读取（UI)和图像处理基本方法。2、构造矩阵(3行2列）：Mat m=Mat(3,2,...
- opencv 追踪算法
- 追踪的目的是在当前帧找到前一帧确定的对象。因为我们要在当前帧确定其对象位置，因此我们需要知道它是如何运动的，换句话说，需要知道运动模型参数。 如果对象非常简单且没有什么外貌上的变化，我们可以使用模板匹配。但是现实并未如此，当前模型可能随时随地变换(如人脸，你可能下一秒变成侧脸)。 Opencv中集成了诸多<em>算法</em>，随着其不断更新，<em>算法</em>的种类也越来越多，3.3版本的<em>算法</em>种类是6种-BOOSTING,...
- 图像处理OpenCV算法01
- OpenCV<em>算法</em> 1、图像的基本操作读取、显示、存储：通过调用OpenCV中的cv2.imread()，cv2.imshow()，cv2.write()分别实现。 2、图像由数组构成，黑白图像就是一个单通道的二维矩阵，如同一个的棋盘（矩阵），棋盘中每个点的数字大小代表着图像像素灰度的高低，通过像素的差异形成素描般的黑白图像；而彩色图像则是由三个通道组合而成的一个三维矩阵。彩色图像可以通过b，g，r...
- OpenCV学习Rosenfeld细化算法
- 转载至：http://www.cnblogs.com/mikewolf2002/p/3327318.html 本章我们学习Rosenfeld细化<em>算法</em>，参考资料：http://yunpan.cn/QGRjHbkLBzCrn 在开始学习<em>算法</em>之前，我们先看下连通分量，以及4连通性，8连通性的概念： http://www.imageprocessingplace.com/do
- opencv中各种机器算法的调用
- 在<em>opencv</em>3.0中，提供了一个ml.cpp的文件，这里面全是机器学习的<em>算法</em>，共提供了这么几种： 1、正态贝叶斯：normal Bayessian classifier 我已在另外一篇博文中介绍过：在<em>opencv</em>3中实现机器学习之：利用正态贝叶斯分类 2、K最近邻：k nearest neighbors classifier 3、支持向量机：support vectors
- OpenCV 常用算法
- 6月8日关于直方图 图像直方图是图像处理中一种十分重要的图像分析工具，它描述了一幅图像的灰度级内 容。 从数学上来说图像直方图是图像各灰度值统计特性与图像灰度值的函数，它统计一幅图像中各个灰度级出现的次数或概率； 从图形上来说，它是一个二维图， 横坐标表示图像中各个像素点的灰度级，纵坐标为各个灰度级上图像各个像素点出现的 次数或概率。任何一幅
- opencv中人脸识别算法的基本原理
- <em>opencv</em>中人脸识别<em>算法</em>的基本原理（一）使用<em>opencv</em>中自带的三种人脸识别<em>算法</em>进行实验后，特意去了解学习了一下其基本原理，在这里记录下。
- OpenCV算法精解：基于Python与C
- OpenCV<em>算法</em>精解：基于Python与C 带目录，深入讲解图像<em>算法</em>原理，入门OpenCV的好书。
- OpenCV背景检测算法汇总
- 在很多基础应用中背景检出都是一个非常重要的步骤。 例如顾客统计，使用一个静态摄像头来记录进入和离开房间的人数；或者是交通摄像头，需要提取交通工具的信息等。 在所有的这些例子中，首先要将人或车单独提取出来。 技术上来说，我们需要从静止的背景中提取移动的前景 如果你有一张背景(仅有背景不含前景)图像，比如没有顾客的房间，没有交通工具的道路等，那就好办了。我们只需要在新的图像中减去背景就可以得到...
- openCV学习笔记（十二） —— 人脸识别算法（1/3）—— 特征脸 EigenFaces
- 一、原理 <em>opencv</em>支持3种人脸识别的<em>算法</em>，分别是： 1. Eigen Faces PCA（特征脸方法） 2. Fisher Faces LDA（线性判别分析） 3. Local Binary Pattern Histograms(LBP 局部二值模式直方图) 详细介绍可以参照以下链接 https://blog.csdn.net/wanghz999/...
- OpenCV算法精解-代码.rar
- 《OpenCV<em>算法</em>精解：基于Python与C++》是以OpenCV 为工具学习数字图像处理的入门书。内容由浅入深，每一章都采用阐述基本概念、数学原理、C++ 实现、Python 实现相结合的方法，使初学者循序渐进地掌握数字图像处理技术。本书既注重基本的概念理论及数学原理，也注重其代码实现及实际应用，力求帮助读者全面系统地掌握图像<em>算法</em>的基本技术，同时为掌握OpenCV 打下良好的基础。
- OpenCV学习笔记（十六）——基于OpenCV内置算法的人脸检测
- 前言： 人脸检测中最常用的是Haar-Adaboost<em>算法</em>，该<em>算法</em>首先在人脸检测中得到广泛运用，而后也被用于其它有关目标检测中。adaboost 是一套机器学习的框架，根据给出的正样本和副样本训练一个用于识别正样本一类物体的模型。这个模型的本质就是分类器，又叫做级联（cascade）分类器。本文主要是学习使用OpenCV自带的adaboost+haar特征程序，并展示其用于人脸检测的效...
- Opencv学习之SURF算法
- Opencv学习之SURF<em>算法</em> SURF（加速版的具有鲁棒性的特征，SpeededUp Robust Features），SURF是尺度不变特征变换<em>算法</em>（SIFT<em>算法</em>）的加速版。SURF最大的特征在于采用了harr特征以及积分图像的概念。 SURF原理： （1）构建Hessian矩阵构造高斯金字塔尺度空间 SIFT采用的是DoG图像，而SURF采用的是Hess
- 求助帮忙调试下MFC源代码
- <em>求助</em>，帮忙调试下MFC源代码。<em>求助</em>，帮忙调试下MFC源代码。<em>求助</em>，帮忙调试下MFC源代码
- SIFT算法原理步骤及opencv实现
- <em>opencv</em> sift需要在2版本，3不行。 步骤 整体步骤 1）原图像—-&amp;gt;特征点检测（位置，角度，层）——-&amp;gt;特征点描述（16*8维的特征向量）—–&amp;gt;原图目标的特征点集 2）目标图像–&amp;gt;特征点检测——-&amp;gt;特征点描述—–&amp;gt;目标图的特征点集 3）两幅图片的特征点集合进行：特征点匹配——–&amp;gt;匹配点矫正 <em>opencv</em><em>算法</em>步骤 1）读入两幅图片
- 使用OpenCV进行人脸识别的三种算法（官方网翻译）
- 怎样使用OpenCV进行人脸识别 本文大部分来自OpenCV官网上的Face Reconition with OpenCV这节内容(http://docs.<em>opencv</em>.org/modules/contrib/doc/facerec/facerec_tutorial.html)，小弟我尝试翻译一些重要内容。这部分内容是Philipp Wagner写的，他的github：https://githu
- Opencv的lsd算法
- 检测效果比霍夫变换要好 #include&lt;iostream&gt; #include&lt;<em>opencv</em>.hpp&gt; using namespace cv; using namespace std; int main() { cout &lt;&lt; "hello world" &lt;&lt; endl; Mat image = imread("E:/Proje...
- Opencv 学习---8种常用图像增强算法
- 常见的8种图像增强<em>算法</em>及其<em>opencv</em>实现 1.直方图均衡化 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。 这种方法通常用来增加许多图像的局部对比度。这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作...
- 图像细化算法 opencv实现 完整代码（附实验结果）
- 一、关于图像细化的<em>算法</em>可以参看下面两个PDF链接： http://www.uel.br/pessoal/josealexandre/stuff/thinning/ftp/lam-lee-survey.pdf ：总结了几乎所有92年以前的经典细化<em>算法</em> http://www-prima.inrialpes.fr/perso/Tran/Draft/gateway.cfm.pdf ：本文所附代码
- openCV人脸识别三种算法实现（官网翻译）
- 本文转自：http://blog.csdn.net/ningningxl/article/details/10903581 怎样使用OpenCV进行人脸识别 本文大部分来自OpenCV官网上的Face Reconition with OpenCV这节内容(http://docs.<em>opencv</em>.org/modules/contrib/doc/facerec/facerec_tutoria
- 基于opencv的Niblack二值化算法
- Niblack<em>算法</em>是比较出名的二值化<em>算法</em>，网上很多Niblack代码是基于Matlab的，本人觉得其速度比较慢，所以便基于OpenCV改写了其<em>算法</em>，具体参考的博客链接已经忘记了，希望博主原谅。如果缺少某些函数，比如最大值最小值函数，可以参考本人其他博客，里面会提供。废话不多说，直接上代码： /** @brief 计算单通道灰度图像的平均值 @param src 单通道灰度图 */ static...
- OpenCv算法编程优化
- 优化C++和OpenCv过程中的若干技巧
- 张平OpenCV算法精讲基于python和C++教材源码和测试图片
- 张平OpenCV<em>算法</em>精讲基于python和C++教材源码和测试图片，PDF清楚，代码包含数据集，和测试图片，可以顺利运行
- opencv拼图算法
- 编程环境：VS2012+OpenCV2.4.6 功能： 第一种是将指定三幅图的指定位置的像素直接搬移到新的图像上 第二种是讲指定三幅图按照我们设定好的大小非等比缩放到第三幅图上 三张源图像 两种效果图 #include #include #include #include using namespace std; using
- opencv中6种减色算法
- 6种减色<em>算法</em> 方法1：使用整数除法 方法2：使用取模运算符方法 方法3：使用位运算符方法 方法4：使用整数除法非就地处理方法 方法5：使用整数除法和迭代器方法 方法6：使用整数除法，按一维数组处理 方法一：使用整数除法 void first(cv::Mat image, int div = 64) { // 如果图像每行末尾没有填充额外像素，则当作一维数组处理 if (image....
- 基于opencv的Bernsen二值化算法
- Bernsen<em>算法</em>是比较出名的二值化<em>算法</em>，网上很多Bernsen代码是基于Matlab的，本人觉得其速度比较慢，所以便基于OpenCV改写了其<em>算法</em>，具体参考的博客链接已经忘记了，希望博主原谅。如果缺少某些函数，比如最大值最小值函数，可以参考本人其他博客，里面会提供。废话不多说，直接上代码： /** @brief 得到矩阵中的最大值与最小值 @param m 单通道CV_8UC1类型矩阵 @...
- OpenCV 现实高斯金字塔的源码，非常经典的SIFT算法
- OpenCV 现实高斯金字塔的源码，非常经典的SIFT<em>算法</em> OpenCV 现实高斯金字塔的源码，非常经典的SIFT<em>算法</em>
- BM、GC、SGBM三种算法的比较和BM在OpenCV3下的参数设置
- 第一部分BM、GC和SGBM<em>算法</em>的性能比较转自：http://blog.csdn.net/chenyusiyuan/article/details/5967291，其中原博主推荐的Stefano Mattoccia大神的讲义Stereo Vision：algorithms and applications，我看了以后觉得非常受用，讲的非常条理全面，里面的参考文献也很经典。第二部分为原创，主要是
- openCV区域生长算法demo
- 基于openCV区域生长<em>算法</em>demo，使用VS2010直接打开
- 【opencv】边缘检测之Canny算法详解
- 图像的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位，自从1959提出边缘检测以来，经过五十多年的发展，已有许多中不
- RANSAC算法应用及opencv实现
- 一、概述 RANSAC<em>算法</em>的输入是一组观测数据（往往含有较大的噪声或无效点），一个用于解释观测数据的参数化模型以及一些可信的参数。RANSAC通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点，并用下述方法进行验证： 1.有一个模型适应于假设的局内点，即所有的未知参数都能从假设的局内点计算得出。 2.用1中得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它
- 【opencv学习之四十一】SIFT和SUFT算法
- SIFT和SUFT<em>算法</em>是有相关专利的，所以在<em>opencv</em>中属于"nonfree"里的，在<em>opencv</em>2.x.x版本可能还有保留，但是在<em>opencv</em>3.x.x后就没有了，需要单独下载<em>opencv</em>_contrib库，然后自己Cmake;相关<em>算法</em>的详解这里不做过多解释了，推举两个大神博客：1.小魏的修行的博客：http://blog.csdn.net/xiaowei_cqu/article/detail...
- Opencv 分水岭算法用于图像分割
- • 使用分水岭<em>算法</em>基于掩模的图像分割 • 学习函数： cv2.watershed()
- OpenCV算法精讲学习笔记1
- 打开和显示一张图像 import cv2 as cv image=cv.imread("/home/zw/下载/timg.jpeg") cv.imshow("image",image) cv.waitKey(0) cv.destroyAllWindows()
- opencv之SURF算法原理及关键点检测
- 1.概述在基础篇里面讲模板匹配的时候已经介绍过，图像匹配主要有基于灰度和基于特征两种方法。基于特征匹配的方法有很多种如：FAST、HARRIS、SIFT、SURF、SUSAN等。其中SIFT<em>算法</em>由D.G.Lowe于1999年提出，2004年完善总结。SIFT是一种鲁棒性好的尺度不变特征描述方法，但SIFT<em>算法</em>计算数据量大、时间复杂度高、<em>算法</em>耗时长。针对上述缺点许多研究者对SIFT<em>算法</em>做了不同的改进，
- Opencv2.4学习：：二值化（1）OTSU算法
- 二值化系列： （1）OTSU<em>算法</em> （2）固定二值化 （3）自适应二值化 code： #include&lt;stdio.h&gt; #include&lt;string&gt; #include&lt;<em>opencv</em>2/highgui/highgui.hpp&gt; #include&lt;<em>opencv</em>2/<em>opencv</em>.hpp&gt; using namespace std; us...
- opencv 计算算法运行时间
- #include &lt;iostream&gt; #include &lt;<em>opencv</em>2/<em>opencv</em>.hpp&gt; using namespace cv; using namespace std; int main(int argc, char** argv) { int a[10] = { 0 }; for (size_t i = 0; i &lt; 10; i++) { a...
- 基于OpenCV的人脸识别算法之一---理论基础
- 摘 要：人脸识别几乎是所有刚入门机器视觉方面的同学最感兴趣的一个方面，当然我也不例外。利用OpenCV，我们可以很方便的就实现人脸识别<em>算法</em>，当然精度有待提高，所以就要求我们必须掌握其原理才能更进一步的提升自己的能力。这里给出利用OpenCV实现人脸识别程序的整个流程，一来巩固自己所学的知识，二来也能帮助刚入门的同学们。本文首先介绍了OpenCV中FaceRecognizer类的理论基础，然后结合具...
- opencv中人脸识别算法的基本原理（二）
- <em>opencv</em>中人脸识别<em>算法</em>的基本原理（二）上一篇博客介绍了<em>opencv</em>自带的人脸识别方法中的Eigenfaces和Fisherfaces，本文主要介绍最后一种LBPH方法的原理和过程。
- OPENCV EM算法详解和JAVA实现
- 1EM<em>算法</em>是一种迭代<em>算法</em>，主要用于计算后验分布的众数或极大似然估计，广泛地应用于缺损数据、截尾数据、成群数据、带有讨厌参数的数据等所谓不完全数据的统计推断问题。2EM<em>算法</em>是一种非监督的学习<em>算法</em>，它的输入数据事先不需要进行标注。相反，该<em>算法</em>从给定的样本集中，能计算出高斯混和参数的最大似然估计。也能得到每个样本对应的标注值，类似于kmeans聚类（输入样本数据，输出样本数据的标注）。3优点：EM<em>算法</em>简
- 基于opencv的单张图像去雾算法（三）
- 导向滤波<em>算法</em>基本已取得不错的效果，保留完整细节信息。观察去雾后的图像其亮度要比原图要低。那是因为物体光线的亮度通常不及大气光线。看一些论文里提到了自动色阶<em>算法</em>。查阅资料发现其就是RGB三通道进行灰度拉伸。 实现过程中使用<em>opencv</em>的通道分离和和合并函数并结合普通的灰度拉伸函数就可以实现 RGB三通道灰度拉伸 实现代码： int main() { //[6] --自动色阶（
- OpenCV中findContours所用的算法
- 先上代码，<em>opencv</em>官方文档中的代码如下： #include "<em>opencv</em>2/highgui.hpp" #include "<em>opencv</em>2/imgproc.hpp" #include #include #include using namespace cv; using namespace std; Mat src; Mat src_gray; int thresh = 100;
- 基于OpenCV的人脸识别算法之二---代码实现
- Opencv代码实现人脸识别程序功能:能够利用摄像头自主检测人脸，检测到人脸后才进入人脸识别子函数，与识别模板进行比对，通过PCA<em>算法</em>进行人脸识别，若识别为模板人脸，则在视频上显示姓名。程序流程：打开摄像头拍摄自己的头像，作为人脸检测模型，写入磁盘加载人脸检测器，加载人脸模型人脸检测把检测到的人脸与人脸模型里面的对比，找出这是谁的脸如果人脸是自己的，显示自己的名字。人脸检测的数据集的获取方法参考博...
- 基于OpenCV的多种条形码识别算法
- 压缩包中包括三个部分:源文件，示例图片，参考文档。该项目实现了对EAN13，Code39，Code93，Code128的条形码识别，包含了指定编码方式和不指定两种重载方式，代码结构清晰，易于新手理解，易于读者根据需求截取部分代码。旨在互相学习，高手请勿喷，谢谢。
- 结合OPENCV SIFT代码浅谈Lowe的一些SIFT算法细节
- 前言 最近在做毕设的过程中，看了一些网上以及书本的资料，今天主要介绍一下个人通过对OPENCV SIFT代码的分析，进一步理解SIFT<em>算法</em>的相关细节。 SIFT（scale-invariant feature transform尺度不变特征转换）：是一种广泛使用的尺度不变点特征，其基本思想是在尺度空间中寻找极值点来检测稳定的关键点（也叫特征点或兴趣点）。 SIFT可分为三大工
- 基于opencv的单张图像去雾算法（一）
- 最近对图像去雾<em>算法</em>产生了兴趣，查阅学习了大量论文和大牛博客后，决定动手用自己熟悉的<em>opencv</em>来编写程序完成。文章专门记录了具体<em>算法</em>实现过程以及其中遇见的大量问题。供自己以后参考，当然也希望能给广大博友提供一些参考。本文着重讲实现过程，图像去雾理论会同过参考文献形式给出。整个内容拟大概分成三个章节来介绍。 开发环境： 计算机系统：win10(64-bit) 编译器：MS
- 找到的opencv一些算法理解
- http://blog.csdn.net/q6541oijhk/article/details/43085195?ref=myread codebook理解 https://blog.csdn.net/lixiang2012521/article/details/9848965 平均背景法代码理解 http://blog.csdn.net/xiaoxiaosuzhenxi/article...
- OpenCV中KMeans算法介绍与应用
- OpenCV中KMeans<em>算法</em>介绍与应用 OpenCV学堂 微信号 CVSCHOOL 功能介绍 OpenCV学习教程分享、源码讨论、图像处理与计算视觉<em>算法</em>介绍，行业知识介绍，行业大牛经验分析，人才交流，学习交流。是学习图像处理、计算视觉的最好园地。我们都爱OpenCV 一：KMeans<em>算法</em>介绍 KMeans<em>算法</em>MacQue
- Opencv轮廓跟踪算法源码分析（1）——icvFetchContour()
- 想要看懂Opencv源码，打算从findContours()开始。 源文件： C:\***\<em>opencv</em>\sources\modules\imgproc\src\contours.cpp 环境：<em>opencv</em>2.4.9 + VS2010 void cv::findContours( InputOutputArray _image, OutputArrayOfArrays _contours
- 使用OPENCV简单实现具有肤质保留功能的磨皮增白算法
- 在一个美颜高手那里发现一个美颜<em>算法</em>，他写出了数学表达式，没有给出代码，正好在研究OPENCV，顺手实现之。具体过程就是一系列矩阵运算，据说是从一个PS高手那里研究 出来的，一并表示感谢。这是数学表达式：Dest =(Src * (100 - Opacity) + (Src + 2 * GuassBlur(EPFFilter(Src) - Src + 128) - 256) * Opacity) /
- ACE图像增强算法Opencv实现
- 1. 概述最近翻阅图像增强<em>算法</em>方面的文献，偶然中找到一篇博客是写的有关ACE图像增强<em>算法</em>的，<em>算法</em>的原理比较简单。本文章中使用到的基本计算方法也是从那篇文章中得到的，这里使用Opencv进行了简单的仿真，暴露出来的问题就是这个<em>算法</em>运算量相当大，特别是在运算窗口很大的时候。这里作为记录就直接贴代码了，有兴趣的可以去查看他的博客原文。2. 实现代码//**************************
- opencv 学习之 K近邻算法解析
- http://blog.csdn.net/u010477528/article/details/53707845 该篇博文中有对 K 近邻的应用讲解，本文简单说下 K 近邻原理。 在已拿到 traindata 的基础上，如何识别。 主要计算样本与图像间的距离，而距离主要有以下。 1、欧氏距离(EuclideanDistance) 欧氏距离是最易于理解的一种距离计算方法，源自欧
- 用OpenCV实现Photoshop算法(十): 美白磨皮（未完）
- 人像美白磨皮是一个复杂的综合的高技术活。目前尚在研究中
- opencv角点检测算法之susan算法的实现
- 前言知识： 角点检测<em>算法</em>目前主流的有三类： 1.基于灰度图像的 2.基于二值图像的 3.基于轮廓曲线的 而基于灰度图像的也可以细分类为： 1.基于梯度的 2.基于模板的 3.梯度和模板结合的 本文的susan<em>算法</em>就是基于模板的角点检测<em>算法</em>，<em>算法</em>的原理待更新 以下贴出源码： 环境：windows7 64 IDE: <em>opencv</em>2.48+vs201
- Opencv常用前景提取算法
- 包括常用的前景提取<em>算法</em>，有GMM，VIBE，帧差法等，方便实用
- A*算法的c++实现+opencv动态显示
- A*<em>算法</em>的c++实现+<em>opencv</em>动态显示 想了解<em>算法</em>原理的可以看 A*<em>算法</em> 这篇博客，个人觉得非常通俗易懂而且很详细。 先看一下效果图吧：蓝色的是找到的路径，其它颜色的找路径过程中遍历的点。 这里贴出代码，关键的地方都有注释。 使用的是<em>opencv</em>3的版本，用2的可能要修改一下。 这里我规定它只能上下左右走，如果想让它可以斜着走，可以修改getSurroundNotes()...
- OpenCV算法精解基于Python与C++
- 《OpenCV<em>算法</em>精解：基于Python与C++》是以OpenCV 为工具学习数字图像处理的入门书。内容由浅入深，每一章都采用阐述基本概念、数学原理、C++ 实现、Python 实现相结合的方法，使初学者循序渐进地掌握数字图像处理技术。本书既注重基本的概念理论及数学原理，也注重其代码实现及实际应用，力求帮助读者全面系统地掌握图像<em>算法</em>的基本技术，同时为掌握OpenCV 打下良好的基础。 《OpenCV<em>算法</em>精解：基于Python与C++》适合入门图像处理和计算机视觉领域的初学者阅读，要求读者具备一定的C++ 或Python 编程基础。
- opencv自带标定算法解析
- Procedure1.Dilation of the white squares by 1 pixel, so that the black squares don’t touch.2.Thresholding with a value beneath the medium intensity.3.Contour extraction and approximation to a rectangle
- OpenCV小例程_KLT 特征提取
- KLT 特征提取 KLT<em>算法</em>的理论部分参考自： http://blog.csdn.net/lanbing510/article/details/40451317 <em>opencv</em>中 封装好了 KLT特征点提取函数 //调用函数进行Shi-Tomasi角点检测 goodFeaturesToTrack( src1_copy, corners1, maxCo
- 学习OpenCV——EMD算法
- //adapted by the example of leanring <em>opencv</em> by mikewolf //2008-11-26 #include "stdafx.h" #include #include int _tmain(int argc, _TCHAR* argv[]) { IplImage* src, *src1; src=cvLoad
- OpenCV21（金字塔LK光流算法）
- 最好的教程，就是看Blog，然后最后一定要回归书本。 一、LK<em>算法</em>提到了三个假设 （高深：就是用你认识的字写你看不懂的东西。办法：多看几遍，查阅Blog上接地气的说法） 1.灰度不变 解释一下：假设有一段博尔特跑过的视频，相邻两帧上，博尔特的头的灰度是不变的。 好像是废话，其实不然。博尔特的头，确切的来讲，要说他头上的某一像素点。在不同帧间，坐标
- 基于opencv的区域生长算法
- 基于<em>opencv</em>的区域生长，可以进行阈值和一个生长点的选择，也可以转换为多个生长点的区域生长
- OpenCV算法精讲：基于Python与c++
- 本书是以OpenCV为工具学习数字图像处理的入门书。内容由浅入深，每一章都采用阐述基本概念、数学原理、C++实现、Py thon实现相结合的法，使初学者循序渐进地掌握数字图像处理技术。本书既注重基本的概念理论及数学原理，也注重代码实现及实际应用，力求帮助读者全面系统地掌握图像<em>算法</em>的基本技术，同时为掌握OpenCV打下良好的基础。
- 几种阴影去除算法，包括相除法、HSV法等四种
- 详细说明：实现了几种阴影去除<em>算法</em>，包括相除法、HSV法等四种-Achieved several shadow removal algorithms, including the phase division, HSV law four kinds of
- LSD算法在opencv中的实现
- 最近在自学<em>opencv</em><em>算法</em>，保存代码和效果图配置：<em>opencv</em>3.0.0+VS2010#include &lt;iostream&gt; #include &lt;string&gt; #include "<em>opencv</em>2/core/core.hpp" #include "<em>opencv</em>2/core/utility.hpp" #include "<em>opencv</em>2/imgproc/imgproc....
- OpenCV实例精解 普拉蒂克·乔希（高清PDF）
- 经典的学习OpenCV的教材，能够让读者快速掌握计算机视觉的相关知识，尽快掌握图像处理的相关<em>算法</em>和系统构建，让图像处理的零基础入门开发者能够尽快成为一名从业人员。
- 学习OpenCV(中文版).zip
- <em>opencv</em> 非常好的学习材料，看了它<em>opencv</em>的<em>算法</em>就都懂了
- BM算法原理图示详细讲解
- BM<em>算法</em>原理图示详细讲解
- BRISK算法在OpenCV3.0中的使用
- BRISK<em>算法</em>在OpenCV3.0中的使用在OpenCV3.0中一些局部特征相关的接口还是有一些改动的，因为最近在测试BRISK部分内容，所以将OpenCV3.0中BRISK的使用贴出来，其他局部特征提取、匹配的<em>算法</em>类似。【注意】BRISK<em>算法</em>descriptors是二进制串，因此最后进行特征点匹配时是使用的汉明距离，调用的radiusMatch进行匹配**代码#include <<em>opencv</em>2/c
- openCV3中双目深度BM算法参数解析
- 最近使用<em>opencv</em>做有关双目校正以及深度检测的工作，在深度检测时使用到BM<em>算法</em>，特别感谢这两位的博客解析https://blog.csdn.net/bennygato/article/details/37708195 ， https://blog.csdn.net/zilanpotou182/article/details/72329903在这两篇博文的指导下很快就熟悉了<em>opencv</em>中视差的使...
- OpenCV中的图像修复算法
- Opencv中有图像修复的函数，其<em>算法</em>参考文献为Alexandru Telea 于2004年发表于Journal of Graphic Tools上的“An Image Inpainting Technique Based On the Fast Marching Method”。 该<em>算法</em>的原理如下：
- opencv自带 camshift追踪算法
- #include "<em>opencv</em>2/video/tracking.hpp" #include "<em>opencv</em>2/imgproc/imgproc.hpp" #include "<em>opencv</em>2/highgui/highgui.hpp" #include &lt;iostream&gt; #include &lt;ctype.h&gt; using namespace cv; using namesp...
- OpenCV GrabCut算法 物体分割(python语言)
- import numpy as np import cv2 from matplotlib import pyplot as plt imgpath = 'G:/Python_code/OpenCVStudy/images/grabcut.jpg' img = cv2.imread(imgpath) # 预先绘制图片 fig = plt.figure() plt.subplot(121), p
- 基于opencv的sauvola二值算法
- sauvola<em>算法</em>是一个比较不错的局部二值化<em>算法</em>，有不少人也具体实现了其代码，但是本人觉得里面存在一些bug和不方便<em>opencv</em>调用，所以对其适当的修改。 但是修改之后，仍然就是存在一些问题，就是难以找到一个比较大的数据类型去存储，这个bug等以后有空再处理。不过通过修改后的代码进行学习，还是很不错的。代码如下： #include &quot;<em>opencv</em>2/<em>opencv</em>.hpp&quot; static...
- opencv优质资源：OpenCV算法精解：基于Python与C
- OpenCV<em>算法</em>精解：基于Python与C(优秀教材，值得一看)，需要请自行下载
- OpenCV——PS 图层混合算法 （三）
- 具体的<em>算法</em>原理可以参考 PS图层混合<em>算法</em>之三（滤色， 叠加， 柔光， 强光） // PS_Algorithm.h #ifndef PS_ALGORITHM_H_INCLUDED #define PS_ALGORITHM_H_INCLUDED #include #include #include "cv.h" #include "highgu
- OpenCV3.0立体匹配算法对比研究（SGBM、BM、GC）
- 立体匹配<em>算法</em>对比研究 引言：基于OpenCV3.0，对BM、SGBM和GC<em>算法</em>进行了对比测试研究。由于SGBM<em>算法</em>视差效果好速度快的特点，常常被广泛应用和改进，本文针对SGBM<em>算法</em>主要参数设置作了对比测试，以供大家参考。 BM：Block Matching ，采用SAD方法计算匹配代价； SGBM： 修改自Heiko Hirschmuller的《Stereo Processing by
- 基于暗通道去雾算法的实现与优化（二）opencv在pc上的实现
- 上一篇中，学习了何的论文中的去雾方法，这一篇中，我按照何的论文思路借助<em>opencv</em> 2.4.10 进行了实现，效果的确很好，就是耗时太多了，效果见下图：蓝色圆圈代表大气光值的取值点。 突然发现上一篇中忘了介绍大气光值A的求解了，论文中是这样做的： 1.首先取暗通道图中最亮的千分之一的像素点。 2.根据这些像素点的位置在原图中搜索一个最亮的点，这个点的强度（intensity）
- Opencv图像识别从零到精通（37）----KNN算法
- 一 KNN简介 K最近邻(k-Nearest Neighbor，KNN)分类<em>算法</em>，该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。你可以简单的理解为由那离自己最近的K个点来投票决定待分类数据归为哪一类。 KNN<em>算法</em>的过程为: 选择一种距离计算方式, 通过数据所有的特征计算新数据与已
- OpenCV实践之ORB算法
- ORB<em>算法</em>简述 ORB：An Efficient Alternative to SIFT or SURF是2011年ICCV上作者Rublee所提出，主要针对目前主流的SIFT或者SURF等<em>算法</em>的实时性进行改进。当然在实时性大为提升的基础上，匹配性能也在一定程度较SIFT与SURF<em>算法</em>降低。但是，在图像Two Views匹配对之间变换关系较小时，能够匹配性能逼近SIFT<em>算法</em>，同时计算耗时极大...
- 【学习 OpenCV】—— 图像减色（color reduced）
- 彩色图像由三通道像素组成，每个通道表示红、绿、蓝三原色中一种颜色的亮度值，每个数值都是 8 位的无符号字符类型（uchar），因此颜色总数（number of colors，而是像素总数）为 ：256×256×256=224=16777216256×256×256=2^{24}=16777216超过 1600 万种颜色，因此为了降低分析的复杂性，有时需要减少图像中颜色的数量，一种实现方法是把 RGB
- 【视觉=立体视觉】立体匹配算法 StereoBM/StereoSGBM/StereoVar（OpenCV中源码分析）+SAD块匹配算法+GC算法+HH算法
- OpenCV2源码： // OpenCVTest.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include /* * stereo_match.cpp * calibration * * Created by Victor Eruhimov on 1/18/10. * Copyright 2010 Argus Corp. All
我们是很有底线的