提前准备 使用工具Python3.5 使用包cv2,numpy 任务1 获取并修改像素值 读取一副图像,根据像素的行和列的坐标获取它的像素值,对于RGB图像而言,返回RGB的值,对于灰度图则返回灰度值 import cv2 import numpy img = cv2.imread('45.jpg')
注释 本节对仿人视觉没什么作用,只是想把opencv里面的这个函数给讲一下,以后就算不用opencv去做仿人视觉,也可以派的上用场。 事先准备 使用库numpy;cv2 使用函数cv2.getTrackbarPos();cv2.creatTrackbar() cv2.creatTrackbar():可在显
准备工作 使用工具:Python3.5 涉及包:cv2 numpy 涉及函数 函数:cv2.setMouseCallback() 任务开始 简单的程序,在图片上双击过的位置绘制一个圆圈 任务1.创建鼠标事件回调函数,当鼠标事件发生时就会被执行。
准备 使用工具:Python3.5, 使用库: numpy opencv 涉及函数 涉及的函数:cv2.line() , cv2.circle() , cv2.rectangle() , cv2.ellipse() , cv2.putText()等 参数说明 需要设置的参数: im
OpenCV 形态学、模板匹配和运动检测 5. 形态学变换 5.1 膨胀 5.2 腐蚀 5.3 开操作 5.4 闭操作 5.5 示例 6. 模板匹配 7. 运动检测 5. 形态学变换 首先放上形态学变换的官方文档:[官网文档] 形态学
摄像头为什么要标定 摄像头是一种非常精密的光学仪器,它对外界环境的感知是非常敏感的。由于摄像头内部和外部的一些原因,生成的物体图像常常会发生一定的畸变,例如在鱼眼摄像头,畸变是非常大的,如果直接将采集到的图像拿来进行图像处理的话,会产生很大的问题,为了避免数据源造成的误差,需要针对摄像头的参数进行标定。 安装标定功能包 选择适合自己的ROS版本进行安装
我的系统:Win10 64位(其实所有系统都差不多的流程) 软件工具:Visual Studio 2017 目录 一、安装CMake 二、使用CMake编译生成Dlib库文件(Release版) 三、在Visual Studio中配置Dlib 四、配置openCv 五、实现人脸特征点检测 一、安装CMake
OpenCV 霍夫变换与轮廓提取 3. 霍夫变换 3.1 霍夫直线 3.2 霍夫圆 4. 轮廓提取 4.1 查找轮廓 4.2 绘制轮廓 3. 霍夫变换 首先放上霍夫变换官方文档:[霍夫直线变换官网文档] 3.1 霍夫直线 &nb
ROS无法直接进行图像处理,需要借助于opencv,要使用cv_bridge把ROS 的图像数据格式转为Opencv可以使用的数据格式。即是一个提供ROS和OpenCV库提供之间的接口的开发包。然后可以将opencv处理好的图像再转换回ros中的数据格式。 包含的头文件如下: #include <stdio.h> #includ
OpenCV 图像卷积 2.1 图像卷积 2.2 均值滤波 2.3 中值滤波 2.4 高斯模糊 2.5 Sobel算子 2.6 拉普拉斯算子 2.7 Canny边缘检测算法 2.8 双边滤波 2.9 锐化滤波 最近因项目需要加上自己的兴趣,需要用一些opencv相关的东西,虽然之前零零碎碎学习过一些,但是很久不用就忘了,打算写篇文章总结一
OpenCV 图像的基本处理 1.1 图片读取和显示 1.2 写入文件(保存) 1.3 像素操作 1.4 图片剪切 1.5 镜像处理: 1.6 图像缩放 1.7 图像位移 1.8 图像旋转 1.9 仿射变换 1.10 图像融合 1.11 灰度处理 1.12 颜色反转 1.13 马赛克 1.14 毛玻璃 1
机器人对物体进行移动跟随 1.物体识别 2.移动跟随 1.物体识别 本案例实现对特殊颜色物体的识别,并实现根据物体位置的改变进行控制跟随。 import cv2 as cv # 定义结构元素 kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3)) # print kernel c
双目相机计算稠密深度点云 1、双目立体匹配原理 1.1 图像矫正 1.2 视差计算 2、elas_ros 包运行 3、KITTI数据集运行 3.1 kitti数据集转换为rosbag 3.2 运行KITTI数据集 参考资料 本教程主要内容为介绍如何使用双目相机计算出稠密的3D点云。主要涉及到e
主题 本章我们要学习的是运动物体的跟踪,现代图像处理中经典的几种跟踪方法主要是:meanshift(均值漂移),Camshift(meanshift的优化版本),KCF,光流法等。 我们本章主要介绍的是前两种,meanshift(均值漂移)以及Camshift(meanshift的优化版本) 均值漂移 首先我们需要了解什么是均值漂移,该算法是一种寻找概率函数离散样本的最大密度区域的算法,我
准备工作 使用库: numpy opencv 任务1 用摄像头捕获视频 cv2.VideoCapture() :0为默认计算机默认摄像头,1可以更换来源; import numpy as np import cv2 cap = cv2.VideoCapture(0) while(True): #capture frame-by-frame ret
事前准备 使用库: opencv,可以用pip install opencv-python来安装(注意!不是pip install opencv!!!) numpy(这个本节不用,但是以后经常要用到) 从零开始 我们先来讲从图片的导入和将灰度图另存到另一个地方 概念 彩色图:图片每个像素都由Blue,Green,Red三种通过颜色的搭配获得,每
主题 在本节中我们将描述一种称为图像修复的区域填充算法。 这种图片修复算法的作用是可以通过使用OpenCV模块来进行图片上异常划痕或斑点等噪线、噪点的修复,而且代码相对其他的图片修复算法而言要稍微简单一些。(最后效果类似于PhotoShop) 图像修复算法是计算机仿人视觉中的一类基本算法,算法的主要目标是填充图像或视频内的区域,该区域主要使用二进制掩模来进行标识,填充通常根据需要我们来填充的
主题 之前我们在 (Python)从零开始,简单快速学机器仿人视觉Opencv—运用三:物体运动跟踪 中已经学习了关于Meanshift和Camshift的运算,本章节将对其进行更好的优化。 没有看过之前章节内容的读者不用着急,为了方便观看,已经将前提章节中的内容移植了过来,第一看我写的文章的可以顺着往下读;如果是老读者的话,可以直接跳到下方 “优化” 区域,进行继续阅读。 &nbs
在linux下使用opencv编译yolo 前言 安装opencv 1) 安装依赖文件 2)安装源码并编译 3)测试 安装darknet 1)安装源码并编译 2)修改为使用opencv编译 遇到的问题 前言 系统版本:Ubuntu 18.04 opencv版本:3.4.0 本教
主题 本章我们要学习的是目标物体检测,这里我们需要使用到SIFT特征提取,BOW词袋建立以及SVM支持向量机的知识(这些讲起来有点费劲(所以还是咕咕咕吧)),使用的数据集为UIUC数据集,可以去百度云盘免费下载,提取码为:wdzr。 这里我们要进行的是车辆的检测:检测图像中是否存在车辆,具体实现的我们可以将程序分为以下几步: 第1步:生成sift检测和提取器(注意:由
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信