▍1. 计算轮廓矩
// 功能:代码 5-23 计算轮廓矩 // 作者:朱伟 zhu1988wei@163.com // 来源:《OpenCV图像处理编程实例》
配置好大恒的SDK环境以及opencv环境可以直接运行,含有丰富注释,很适合学习。
基于KINECT2.0 与OPENCV的手势识别,可以有效的识别出简单的手势,实验的环境为KINECT2.0 +vs2013+Opencv2.4.9,有需要的同学可以自行下载修改,里面有详细的注释与实验的结果图。
功能:将黑色边缘区变成白色边缘区(对于取得一个图像的感兴趣部分,随后再进行下一步处理有帮助,否则黑色边缘区很可能造成影响) 1、OpenCV的配置写在OpenCV_Rel.propsOpenCV_Dbg.props中,需要替换为你自己的OpenCV库的对应路径 2、输入图片名称为in.jpg,运行后会自动生成out.jpg,参考图已放入 3、提供Release文件夹,里面是编译好的结果,将Opencv的dll放进去就可以执行了,我主要是分享代码,就不把dll放进来了
通过形态学滤波操作,能够实现如下功能:消除噪声、分割独立的图像元素、在图像中连接相邻的元素、寻找图像中明显的极大值区域或极小值区域、求出图像的梯度
车辆检测是智能交通监控系统的关键环节。随着科技发展和技术进步,车辆检测方式正历经着由传统的线圈检测、雷达检测发展到更为先进的实时视频检测方式。车辆视频检测的基本原理是通过对从摄像机采集的视频序列通过数字图像处理技术,提取图像中的车辆信息,从而达到检测和判断车辆是否违章的目的.实现了一套基于OpenCV 的视频车辆检测算法,算法综合考虑系统检测的可靠性和实时性。在算法流程中的背景初始化与更新步骤中,测试了现有的最常用的三种背景更新算法效果并总结其优劣,同时在此基础上提出了一种背景初始化的方法。在算法流程的另一个关键步骤阴影消除,提出了基于三种色彩空间RGB、YUV、HSV 空间的阴影消除算法并进行了实验测试,阴影消除效果明显。在提取车辆特征上,采用状态机的方式对虚拟线圈区域判断当前是否有车辆经过,增强了检测系统的鲁棒性。
我是欧洲经委会的学生。这是该项目收到了一些随机的网站和我工作。感谢 Behance.net 来源:https://www.behance.net/gallery/Vehicle-Detection-Tracking-and-Counting/4057777
c++调用opencv编写的实现遗留物检测和区域检测、越界检测的代码
基于C++和Python利用opencv实现人脸检测和微笑检测
首先说一下环境,windows 8.0 64位系统,OpenCV版本为2.4.7, Python 版本为2.7.6,IDE为 64位 Anaconda 目的是实现图像的Gabor特征提取,分三个小程序完成 首先说一下环境,windows 8.0 64位系统,OpenCV版本为2.4.7, Python 版本为2.7.6,IDE为 64位 Anaconda 目的是实现图像的Gabor特征提取,分三个小程序完成
资源描述 改程序可以方便直观的查看RGB与HSV的值,同时加入了鼠标移动消息的相应,鼠标移动到屏幕任何一点,程序都会显示对应点的RGB和HSV值,具体界面如下:
在很多动作大片中,开启关键之门的密码都是人脸———通过摄像头扫描脸部特征,符合则自动开启大门,反之警铃大作。依次通过人脸检测、人脸对齐、人脸识别三个模块,才能完成验证。人脸支付存在的一大问题就是识别率不高,完美光线下识别率能达到90%,特殊光影下只有60%。以淘宝为例,每天上亿的交易量,即便是99.99%也是远远不够的。
本资源是将DICOM格式的CT图用VTK读取,转给OpenCV处理并可视化。当中的操作比普通的图片显示要更困难(可看我的博文了解)。本程序只要配置好OpenCV和VTK环境即可成功运行,使用简单方便。
根据网上的教程写的代码,对视频和图片都可以进行处理,特征点数量不是很多,匹配速度快,在主函数文件中选择功能的序号即可运行,配置的环境是vs2010和opencv2.4.9版本。
basler相机用OPENCV打开的一些例子,可以直接运行
通过形态学滤波操作,能够实现如下功能:消除噪声、分割独立的图像元素、在图像中连接相邻的元素、寻找图像中明显的极大值区域或极小值区域、求出图像的梯度,膨胀求解图像局部最大值
编程语言为c++,编程环境为opencv249和vs2010,光流法和聚类结合的运动目标检测算法值得被推荐,其中金字塔LK和DBSCAN聚类结合的效果很好,但是HS光流法和KMEANS聚类结合耗时非常多。