引言：配置环境真是让人痛苦不堪，踩了无数个坑，网上的文章五花八门，完全不知道参考哪个，直接劝退。为了能顺利配置，此处进行记录，以后可以回过头来看，也分享给大家。我提供了两种方法配置，一种是针对于一个项目配置，一种是针对所有需要配置opencv的项目。版本：vs2019opencv4.6.0前提是大家都已经下载好了这两个东西，下载我就不说了，出门左转，下载好再进来。直接上干货。第一步：打开vs2019，在界面看我红框内的目标（每一步只需关注我的红框内的东西即可）：第二步： 名字和位置，看自己心情 第三步：在解决方案这一块鼠标右键源文件->添加->新建项 第四步：名称自己起一个程序名，位置存储在新
RGB属于三基色空间，是大家最为熟悉的，看到的任何一种颜色都可以由三基色进行混合而成。然而一般对颜色空间的图像进行有效处理都是在HSV空间进行的，HSV(色调Hue,饱和度Saturation,亮度Value)是根据颜色的直观特性创建的一种颜色空间,也称六角锥体模型。 在OpenCV中HSV颜色空间的取值范围=>H:[0,180]，S:[0,255]，V:[0,255]，H色调越小越接近于红色，越高越接近于蓝色，这种表达方式也要比单纯使用红色来表示红色更加准确；S饱和度越小颜色越淡，越大颜色越浓；V亮度越小就越暗，越大越明亮。注意观察上面图片颜色的变化！之所以选择HSV，是因为H代表的色调基本
OpenCVC++案例实战三十二《字符识别》前言一、结果演示二、制作数据集三、字符识别四、源码总结前言本案例将使用OpenCVC++进行字符识别。主要包括制作数据集、以及模型预测两部分。先看看效果如何吧。一、结果演示二、制作数据集首先第一步，我们需要制作数据集。这里我的方法是，读取一张字符图像，然后通过提取字符轮廓找到字符ROI图像，利用键盘输入给字符打上相应的标签，即完成数据集制作。由于我这里的数据字符图像只包含数字以及大写英文字符，故只识别数字字符以及大写英文字符。如图所示，这是我使用的字符图像，下面需要进行图像预处理提取到字符轮廓。//进行图像预处理，提取字符轮廓MatgrayImg;c
Ubuntu下python-opencv无法打开摄像头我们在ubuntu下使用opencv获取摄像头画面是，报错openVIDEOIO(V4L2:/dev/video0):can‘topencamerabyindex1.解决这个问题首先在windows系统下使用快捷键WIN+R打开终端，输入services.msc2.找到VMwareUSBArbitrationServuce服务，确保此功能正常启动3.打开虚拟机设置，选择USB控制器，将USB兼容性设置为USB3.1，然后点击确定4.点击虚拟机，选择可移动设备，选择“IMCNetworksIntegratedCamera",点击连接然后观察虚
在OpenCV4.0以后，视频图像超分模块已经迁移到opencv_contrib独立仓库。在视频超分有两种形式：结合光流算法实现超分、使用CNN卷积神经网络实现超分。在这里主要探索光流算法实现视频超分，然后进一步分析源码实现。一、视频超分示例1、光流算法选择OpenCV提供多种光流算法：farneback、tvl1、brox、pyrlk。同时支持GPU加速，示例代码如下：staticPtrcreateOptFlow(conststring&name,booluseGpu){if(name=="farneback"){if(useGpu)//开启GPU加速，使用CUDA实现returncv::s
前言： 在准备电赛的这段时间里，我确实学到了很多东西，我会一点一点更新博客，从头到尾总结一下，本篇博客主要写一下树莓派opencv的使用，在这里我不会赘述opencv的安装，这个网上有很多教程。树莓派小车图片:这里并不是最终版本，树莓派专用电池还没有到，我就没有装在车上。在调试opencv代码的时候，我是先将摄像头搭载在小车上，再把摄像头接在电脑上，这样进行调试的时候会最贴合小车行进中所识别到的路线 在调试过程中，我用A4纸贴了一些标识，通过这些标识的移动来模拟小车行进过程，并在电脑上微调出最终代码 树莓派4B与下位机的通信： 这里有一个很大很大的坑，我和队友在电赛中吃了大亏，我
RK3588在SSH上启动OpenCV报错：Can'tinitializeGTKbackendinfunction'cvInitSystem'1、问题2、参考资料3、解决2023-04-21记录，来自我的博文RK3588在SSH上启动OpenCV报错：Can‘tinitializeGTKbackendinfunction‘cvInitSystem‘1、问题环境：ubunt20.04、RK3588、OpenCV3.4.16SSH终端：Win10在SSH终端上，编译运行RK3588上的OpenCV3.4.16自带的C++示例代码：topeet@iTOP-RK3588:~/Downloads/ope
1.废话篇（可跳过）之前学的基本都是Web端的技术。前两天的面试，让我深入的去学习一下 Qt技术，了解完概念之后，才知道我之前接触的类 TkInter 技术，有点安卓开发的味道。。。2.人流量统计效果图3.业务逻辑4.核心代码importsysimportcv2fromPyQt5.QtCoreimportQt,QTimerfromPyQt5.QtGuiimportQImage,QPixmapfromPyQt5.QtWidgetsimportQApplication,QLabel,QVBoxLayout,QWidgetclassPeopleCounter(QWidget):def__init__
文章目录前言一、图像的叠加1.1叠加原理1.2叠加问题1.3问题解决1.4结果展示二、图像的填充2.1填充方法介绍2.2复制法2.3轴对称法2.4中心对称法2.5外包装法2.6常量法2.7结果展示三、图像的腐蚀3.1腐蚀的介绍3.2腐蚀的原理3.3腐蚀操作实现3.4腐蚀结果展示总结前言在系列1中已经初步了解图像的组成并通过OpenCV函数对图片的组成进行了验证，接下来将学习图像基本的操作函数，包括图像的叠加、填充和腐蚀。一、图像的叠加1.1叠加原理已知图像是由其像素点颜色通道的数据组成，而图像之所以不同，就是因为像素点内数据不同。因此，若要将两图像进行叠加，实际为将两张图像的像素点数据进行叠加
图片搜索1.知识介绍2.实现流程2.1计算特征点与描述子2.2描述子的匹配2.3求出单应性矩阵并画出轮廓2.4将特征点标出此篇博客作者仍在探索阶段，还有一些模糊的概念没有弄懂，请读者自行分辨。1.知识介绍Opencv进行图片搜索需要的知识有：特征点匹配+单应性矩阵知识，特征点匹配作者前面文章有记录。单应性矩阵：两个不同视角上的点所对应的单应性矩阵可以用同一个射影变换来表述可以简单理解为变换矩阵H，x1=h*x22.实现流程2.1计算特征点与描述子分别计算查询图片和训练图片的特征点和特征点的描述子，为后面进行特征点的匹配作准备，使用ORB算法来实现。#读取两个图片img1=cv2.imread(
