社区
图形处理/算法
帖子详情
如何实时取得usb摄像头采集的每一帧图像,并对其进行评价
leohart
2004-05-08 05:55:24
用了capCreateCaptureWindow已经可以preview和保存为avi文件了,可是不知道如何连续的的得到每一帧的数据,并计算每一帧的评价函数值,该怎么做?
取到的每一帧图像的格式是怎样的?就是dib?
分数不够再补,谢谢
...全文
305
9
打赏
收藏
如何实时取得usb摄像头采集的每一帧图像,并对其进行评价
用了capCreateCaptureWindow已经可以preview和保存为avi文件了,可是不知道如何连续的的得到每一帧的数据,并计算每一帧的评价函数值,该怎么做? 取到的每一帧图像的格式是怎样的?就是dib? 分数不够再补,谢谢
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
9 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
netxy
2004-05-13
打赏
举报
回复
不想用DX可以用twain_32.dll,很实用。
renshouren
2004-05-13
打赏
举报
回复
就是raw格式,也就是dib去掉它的bmp头
suntao222
2004-05-10
打赏
举报
回复
up
leohart
2004-05-09
打赏
举报
回复
使用那个回调函数得到的似乎是raw格式
imagegirl007
2004-05-09
打赏
举报
回复
vc编程可以么?
leohart
2004-05-08
打赏
举报
回复
哪个我也看到了,它回调回来哪个数据指针里的数据是什么格式啊???莫名其妙给了个指针,msdn也没说是什么格式的
mantianfei
2004-05-08
打赏
举报
回复
使用帧回调函数。capsetcallback..,记不太清楚了,你查查相关。
leohart
2004-05-08
打赏
举报
回复
dx要com编程啊,可是每学过com啊,那不是要花很多时间先学com编程
zslwp
2004-05-08
打赏
举报
回复
用DirectShow解决比较容易些..
安装好Directx9.0SDK后在
C:\DXSDK9.0\Samples\C++\DirectShow\Editing\StillCap目录下的例子。
ESP32-S3
摄像头
直播与MCP服务架构深度解析
嵌入式视觉直播是边缘AI的关键落地形态,其本质是
图像
采集
、
实时
编码与云端协同推理的技术闭环。理解DVP接口时序约束、DMA缓冲机制及JPEG硬件加速原理,是保障QVGA@15fps稳定推流的基础;而MCP(Model-Cloud-Peripheral)架构通过分层解耦,实现了模型调用、网络传输与外设驱动的低耦合协同。该方案在ESP32-S3平台面临PSRAM带宽瓶颈与双核调度冲突等典型挑战,需结合FreeRTOS任务绑定、HTTP/2连接复用与本地缓存策略
进行
工程优化。本文聚焦AI小智终端实践,深入剖析OV
基于深度学习YOLOv10的汽车损坏识别检测系统(YOLOv10+YOLO数据集+UI界面+Python项目源码+模型)
本项目基于前沿的YOLOv10目标检测算法,开发了一套高精度的汽车损坏识别检测系统,专门用于快速准确地识别车辆各类损伤情况。系统采用包含11,675张高质量汽车损伤
图像
的专业数据集
进行
训练和评估,其中训练集10,218张,验证集971张,测试集486张。该检测系统实现了对汽车刮擦、凹陷、裂纹、破碎等多种损伤类型的精准识别,可广泛应用于保险理赔、二手车评估、汽车维修厂质检、共享汽车运营管理以及自动驾驶安全监测等多个领域,为汽车后市场服务提供智能化技术解决方案。
基于YOLOv10的钢材表面缺陷目标检测系统(YOLOv10深度学习+YOLO数据集+UI界面+Python项目源码+模型)
本项目基于YOLOv10算法开发了一套高效的钢材表面缺陷检测系统,旨在实现工业制造过程中钢材表面质量的自动化检测。系统能够识别并分类六种常见的钢材表面缺陷:crazing(裂纹)、inclusion(夹杂物)、patches(斑块)、pitted_surface(点蚀表面)、rolled_in_scale(轧入氧化皮)和scratches(划痕)。项目使用包含2760张标注
图像
的数据集(训练集2352张,验证集295张,测试集113张)
进行
模型训练与评估,通过深度学习技术实现了高精度的缺陷检测,为钢铁制造行
YOLO26+热成像人员检测:从数据集训练到远程部署完整实战,YOLO26热成像人员识别检测系统(项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署)
本文基于YOLO26目标检测算法,构建了一套面向热成像
图像
的人员识别检测系统。系统以YOLO26为骨干网络,采用单类别(人员)检测任务,训练数据集共包含25,000余张热成像
图像
,其中训练集21,422张,验证集3,061张,测试集1,531张。实验结果表明,模型在验证集上的mAP@0.5达到0.91。混淆矩阵分析显示,人员检测准确率为88%。系统在热成像低光照、复杂背景等条件下表现出较好的鲁棒性,适用于夜间安防、边界巡逻、消防救援等典型热成像人员检测场景。
图形处理/算法
19,464
社区成员
50,678
社区内容
发帖
与我相关
我的任务
图形处理/算法
VC/MFC 图形处理/算法
复制链接
扫一扫
分享
社区描述
VC/MFC 图形处理/算法
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章