PHP 代码分享
MongoDB 教程
正则表达式
jQuery 教程
JavaScript 代码片段
PHP7 教程
目录多模板匹配获取匹配位置的集合循环在循环中使用zip()替换坐标实战多模板匹配实例：基于opencv的多目标模板匹配模板匹配的作用在图像识别领域作用可大了。那什么是模板匹配？模板匹配，就是在一幅图像中寻找另一幅模板图像最匹配（也就是最相似）的部分的技术。多模板匹配在上一篇的实战中，我们通过人物眼睛的子图，找出了其在图像中出现位置。但是，有些情况下，并不仅仅只有一次，比如我们讲解傅里叶变换时，曾介绍一张草原...
继续阅读 >
分水岭算法是一种图像区域分割法，在分割的过程中，它会把跟临近像素间的相似性作为重要的参考依据，从而将在空间位置上相近并且灰度值相近的像素点互相连接起来构成一个封闭的轮廓，封闭性是分水岭算法的一个重要特征。API介绍voidwatershed(InputArrayimage,InputOutputArraymarkers);参数说明：image:必须是一个8bit3通道彩色图像矩阵序列markers:在执行分水岭函数watershed之前，必须对第二个参数markers进行...
继续阅读 >
本文将结合实例代码，介绍OpenCV如何查找轮廓、获取边界框。代码:contours.pyOpenCV提供了findContours函数查找轮廓，需要以二值化图像作为输入、并指定些选项调用即可。我们以下图作为示例：二值化图像代码工程data/提供了小狗和红球的二值化掩膜图像：其使用预训练好的实例分割模型来生成的，脚本可见detectron2_seg_threshold.py。模型检出结果，如下：模型用的MaskR-CNN已有预测边框。但其他模型会有只出预测掩膜...
继续阅读 >
直方图均衡化直方图均衡化的目的是将原始图像的灰度级均匀地映射到整个灰度级范围内，得到一个灰度级分布均衡的图像。这种均衡化，即实现了灰度值统计上的概率均衡，也实现了人类视觉系统上（HSV）的视觉均衡。一般来说，直方图均衡化可以达到增强图像显示效果的目的。最常用的比如去雾。下面，我们来分别实现灰度图像去雾以及彩色图像去雾。实现灰度图像去雾在OpenCV中，它提供了函数cv2.equalizeHist()来实现直方图均衡化，该函...
继续阅读 >
人脸磨皮是最基础的人脸美颜效果。主要分为祛斑，祛痘，淡化黑眼圈等步骤。通过前面的学习相信大家一眼都看得出来我们需要干什么才能识别人脸磨皮效果。因为磨皮之后，脸部的杂质基本上就没有了，也可以说丢失了细节。那么肯定需要用到滤波函数。滤波的过程就是把图像的每一个像素值输入过滤器，得到平滑的图像。而我们常用的滤波有均值滤波，高斯滤波以及双边滤波三种，到底选用那种滤波呢？首先，均值滤波会因为是用周围像素的平...
继续阅读 >
1.resize函数说明 OpenCV提供了resize函数来改变图像的大小，函数原型如下：voidresize(InputArraysrc,OutputArraydst,Sizedsize,doublefx=0,doublefy=0,intinterpolation=INTER_LINEAR); 参数说明：src：输入，原图像，即待改变大小的图像；dst：输出，改变大小之后的图像，这个图像和原图像具有相同的内容，只是大小和原图像不一样而已；dsize：输出图像的大小。如果这个参数不为0...
继续阅读 >
最新版OpenCV2.4.7中，cv::resize函数有五种插值算法：最近邻、双线性、双三次、基于像素区域关系、兰索斯插值。下面用for循环代替cv::resize函数来说明其详细的插值实现过程，其中部分代码摘自于cv::resize函数中的源代码。每种插值算法的前部分代码是相同的，如下：cv::MatmatSrc,matDst1,matDst2;matSrc=cv::imread("lena.jpg",2|4);matDst1=cv::Mat(cv::Size(800,1000),matSrc.type(),cv::Scalar::all(0));m...
继续阅读 >
本文主要介绍了OpenCV全景图像拼接的实现示例，分享给大家，具体如下：left_01.jpgright_01.jpgStitcher.pyimportnumpyasnpimportcv2classStitcher:#拼接函数defstitch(self,images,ratio=0.75,reprojThresh=4.0,showMatches=False):#获取输入图片(imageB,imageA)=images#检测A、B图片的SIFT关键特征点，并计算特征描述子(kpsA,featuresA)=self.detectAndDescribe(image...
继续阅读 >
简诉最近有个数据需要分类处理，是一批含有白天跟夜晚的视频数据，需要进行区分开来，单个视频严格是只有一个场景的，比如说白天整个视频就一定是白天，因为数据量有些大，几千个视频，所以就使用代码简单区分下，最后运行结果还可以，准确率百分之80十多，当然本批数据不用太严格，所以代码区分完全够了。逻辑 opencv读取视频视频帧图片转为灰度值图片检测偏暗元素所占整张图片的比例，大于一定阈值就认为该视频...
继续阅读 >
本文主要介绍了pythonopencv通过4坐标剪裁图片，分享给大家，具体如下：效果展示,裁剪出的单词图像(如下)这里程序我是用在paddleOCR里面,通过识别模型将识别出的图根据程序提供的坐标(即四个顶点的值)进行抠图的程序(上面的our和and就是扣的图),并进行了封装,相同格式的在这个基础上改就是了[[[368.0,380.0],[437.0,380.0],[437.0,395.0],[368.0,395.0]],[[496.0,376.0],[539.0,378.0],[538.0,397.0],[495.0,395....
继续阅读 >
每次学习新东西的时候，橡皮擦都是去海量检索，然后找到适合自己理解的部分。再将其拼凑成一个小的系统，争取对该内容有初步理解。今天这1个小时，核心要学习的是图像的平移，在电脑上随便打开一张图片，实现移动都非常简单，但是在代码中，出现了一些新的概念。检索OpenCV图像平移相关资料时，碰到的第一个新概念是就是仿射变换。每次看到这样子的数学名字，必然心中一凉，做为一个数学小白，又要瑟瑟发抖了。百度一下，看看...
继续阅读 >
图片文字分割的时候，常用的方法有两种。一种是投影法，适用于排版工整，字间距行间距比较宽裕的图像；还有一种是用OpenCV的轮廓检测，适用于文字不规则排列的图像。投影法对文字图片作横向和纵向投影，即通过统计出每一行像素个数，和每一列像素个数，来分割文字。分别在水平和垂直方向对预处理（二值化）的图像某一种像素进行统计，对于二值化图像非黑即白，我们通过对其中的白点或者黑点进行统计，根据统计结果就可以判断出每一...
继续阅读 >
原图：图像信息,可以看到图像是一个816*2100像素的图片:python代码：importcv2importnumpyasnpimportmatplotlib.pyplotaspltimg=cv2.imread('11.jpg',0)img1=img.astype('float')img_dct=cv2.dct(img1)img_dct_log=np.log(abs(img_dct))img_recor=cv2.idct(img_dct)recor_temp=img_dct[0:100,0:100]recor_temp2=np.zeros(img.shape)recor_temp2[0:100,0:100]=recor_tempprintrecor_temp.shapeprintreco...
继续阅读 >
本文实例为大家分享了OpenCv实现绘图功能的具体代码，供大家参考，具体内容如下绘制一个图像在上面画线：importnumpyasnpimportmatplotlib.pyplotaspltimportcv2#画图defshow(image):plt.imshow(image)plt.axis('off')plt.show()image=np.zeros((300,300,3),dtype='uint8')#画线green=(0,255,0)cv2.line(image,(0,0),(300,300),green)#(0,0)开始点，(300,300)是结束点#注意opencv的（0,0）点是从左上角...
继续阅读 >