OpenCV快速入门:窗口交互

这篇具有很好参考价值的文章主要介绍了OpenCV快速入门:窗口交互。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


前言

OpenCV是一种强大的计算机视觉库,广泛用于图像处理和计算机视觉应用。本文将介绍OpenCV中的窗口交互功能,重点关注鼠标和键盘的操作,以及如何添加窗口控件来实现更丰富的用户体验。
OpenCV快速入门:窗口交互,OpenCV,opencv,交互,人工智能

一、鼠标操作

1.1 鼠标操作简介

OpenCV提供了丰富的鼠标交互功能,包括但不限于:

  • 获取鼠标的坐标位置
  • 监听鼠标点击事件
  • 监听鼠标滚轮事件

1.2 鼠标事件类型(event类型)

在OpenCV中,通过设置鼠标回调函数,我们可以处理各种鼠标事件。
以下是一些常见的鼠标事件类型:

  1. EVENT_LBUTTONDBLCLK(左键双击) = 7
  2. EVENT_LBUTTONDOWN(左键按下) = 1
  3. EVENT_LBUTTONUP(左键释放) = 4
  4. EVENT_MBUTTONDBLCLK(中键双击) = 9
  5. EVENT_MBUTTONDOWN(中键按下) = 3
  6. EVENT_MBUTTONUP(中键释放) = 6
  7. EVENT_MOUSEHWHEEL(鼠标横向滚轮滚动) = 11
  8. EVENT_MOUSEMOVE(鼠标移动) = 0
  9. EVENT_MOUSEWHEEL(鼠标滚轮滚动) = 10
  10. EVENT_RBUTTONDBLCLK(右键双击) = 8
  11. EVENT_RBUTTONDOWN(右键按下) = 2
  12. EVENT_RBUTTONUP(右键释放) = 5

1.3 鼠标事件标志(flags)

以下是一些常见的鼠标事件标志:

  1. EVENT_FLAG_ALTKEY(Alt键按下) = 32
  2. EVENT_FLAG_CTRLKEY(Ctrl键按下) = 8
  3. EVENT_FLAG_LBUTTON(左键按下) = 1
  4. EVENT_FLAG_MBUTTON(中键按下) = 4
  5. EVENT_FLAG_RBUTTON(右键按下) = 2
  6. EVENT_FLAG_SHIFTKEY(Shift键按下) = 16

通过设置鼠标回调函数,我们可以根据这些事件类型和标志来执行相应的操作。例如,在左键点击时执行某些操作,在鼠标移动时显示坐标信息,或者通过滚轮事件来放大或缩小图像。这为图像处理和计算机视觉应用提供了灵活的交互性。

1.4 代码示例

让我们看一个简单的例子,如何通过OpenCV获取鼠标的坐标位置:

import cv2

def resize_image(factor):
    global image
    height, width = image.shape[:2]
    new_height = int(height * factor)
    new_width = int(width * factor)
    image = cv2.resize(image, (new_width, new_height))
    cv2.imshow("Image", image)


def mouse_callback(event, x, y, flags, param):
    global image
    if event == cv2.EVENT_LBUTTONDOWN:
        print(f"左键点击坐标:({x}, {y})")
    elif event == cv2.EVENT_RBUTTONDOWN:
        print(f"右键点击坐标:({x}, {y})")
    elif event == cv2.EVENT_MBUTTONDOWN:
        print(f"中键点击坐标:({x}, {y})")
    elif event == cv2.EVENT_MOUSEWHEEL:
        delta = flags
        if delta > 0:  # 滚轮向上滚动,放大图像
            resize_image(1.1)
        elif delta < 0:  # 滚轮向下滚动,缩小图像
            resize_image(0.9)
    elif event == cv2.EVENT_MOUSEMOVE:
        # 在图像左上角显示坐标
        coord_text = f"({x}, {y})"
        image_copy = cv2.putText(image.copy(), coord_text, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
        cv2.imshow("Image", image_copy)


# 创建图像窗口
cv2.namedWindow("Image")
# 设置鼠标回调函数
cv2.setMouseCallback("Image", mouse_callback)
# 读取图像
image = cv2.imread("tulips.jpg")
# 在窗口中显示图像
cv2.imshow("Image", image.copy())
# 等待用户按下任意键退出
cv2.waitKey(0)
# 关闭窗口
cv2.destroyAllWindows()

OpenCV快速入门:窗口交互,OpenCV,opencv,交互,人工智能

在上述代码中,我们通过OpenCV实现了鼠标的各种操作,并结合了图像处理和显示的功能,让用户能够更直观地感受到鼠标事件的影响。

1.4.1 获取鼠标坐标位置

通过设置鼠标回调函数 cv2.setMouseCallback,我们可以监听鼠标的各种事件。在这个例子中,我们主要关注了鼠标左键、右键、中键的点击事件,以及鼠标的滚轮事件。当鼠标左键、右键、中键被点击时,我们在控制台输出了相应的坐标信息。

if event == cv2.EVENT_LBUTTONDOWN:
    print(f"左键点击坐标:({x}, {y})")
elif event == cv2.EVENT_RBUTTONDOWN:
    print(f"右键点击坐标:({x}, {y})")
elif event == cv2.EVENT_MBUTTONDOWN:
    print(f"中键点击坐标:({x}, {y})")

1.4.2 监听鼠标滚轮事件

通过监听鼠标滚轮事件,我们可以实现图像的放大和缩小。在这个例子中,当鼠标滚轮向上滚动时,图像放大1.1倍;当鼠标滚轮向下滚动时,图像缩小0.9倍。

elif event == cv2.EVENT_MOUSEWHEEL:
    delta = flags
    if delta > 0:  # 滚轮向上滚动,放大图像
        resize_image(1.1)
    elif delta < 0:  # 滚轮向下滚动,缩小图像
        resize_image(0.9)

1.4.3 在图像中显示鼠标坐标

通过在图像上绘制文本,我们在图像左上角显示了当前鼠标的坐标位置。这使得用户可以实时了解鼠标相对于图像的位置。

elif event == cv2.EVENT_MOUSEMOVE:
    # 在图像左上角显示坐标
    coord_text = f"({x}, {y})"
    image_copy = cv2.putText(image.copy(), coord_text, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
    cv2.imshow("Image", image_copy)

通过这些功能的组合,我们实现了一个简单而有趣的OpenCV窗口交互示例,展示了鼠标事件如何影响图像的显示和处理。这对于图像处理和计算机视觉应用中的交互性操作具有很大的实用性。

二、键盘操作

OpenCV不仅支持强大的图像处理功能,还提供了灵活的键盘交互功能,使得用户能够通过键盘来控制图像的显示和处理。我们将简要探讨waitKey的操作以及等待方法的使用。

2.1 代码示例

在OpenCV中,我们可以通过监听键盘按键事件来执行相应的操作。以下是一个简单的示例,演示了如何通过键盘按下事件来实现图像的放大和缩小:

import cv2


def resize_image(factor):
    global image
    height, width = image.shape[:2]
    new_height = int(height * factor)
    new_width = int(width * factor)
    image = cv2.resize(image, (new_width, new_height))
    cv2.imshow("Image", image)


# 读取图像
image = cv2.imread("tulips.jpg")

# 创建图像窗口
cv2.namedWindow("Image")
cv2.imshow("Image", image)

while True:
    key = cv2.waitKey(0)

    if key == ord('q'):  # 按下 'q' 键退出循环
        break
    elif key == ord('+'):  # 按下 '+' 键放大图像
        resize_image(1.1)
    elif key == ord('-'):  # 按下 '-' 键缩小图像
        resize_image(0.9)
# 关闭窗口
cv2.destroyAllWindows()

在这个例子中,我们通过cv2.waitKey(0)监听键盘按键事件,ord函数将字符转换为对应的ASCII码。按下 ‘q’ 键退出循环,按下 ‘+’ 键放大图像,按下 ‘-’ 键缩小图像。这样,用户可以通过简单的键盘操作来改变图像的大小。
注:输入 'q' 时,需要在英文输入法的情况下按下。

2.2 waitKey的等待方法

cv2.waitKey方法不仅用于检测按键事件,还可以设置一个参数,表示等待时间(毫秒)。

# 等待1秒
cv2.waitKey(1000)
# 关闭窗口
cv2.destroyAllWindows()

通过这些简单而实用的键盘交互技巧,我们可以更灵活地控制OpenCV中图像的显示和处理,使得图像处理过程更加交互化。

三、添加窗口控件

在OpenCV中,通过添加窗口控件,我们可以实现更丰富的图形用户界面(GUI),使用户能够通过滑动条、按钮等控件与图像进行交互。这里将以滑动条为例,详细描述如何在OpenCV窗口中添加控件。

3.1 滑动条(Trackbar)的基本使用

滑动条是OpenCV中最常用的窗口控件之一,可以用于调整参数,比如图像的亮度、对比度等。以下是一个简单的例子,演示如何在OpenCV窗口中添加滑动条:

import cv2

def on_trackbar_change(value):
    # 当滑动条数值改变时调用的回调函数
    print(f"滑动条数值:{value}")

# 创建一个图像窗口
cv2.namedWindow("Image")

# 创建一个滑动条,并指定其所属的窗口、滑动条的名称、最小值、最大值、回调函数
cv2.createTrackbar("Trackbar", "Image", 50, 100, on_trackbar_change)

while True:
    # 等待用户按下任意键退出循环
    key = cv2.waitKey(1)
    if key != -1:
        break

# 关闭窗口
cv2.destroyAllWindows()

在这个例子中,我们通过cv2.createTrackbar创建了一个名为 “Trackbar” 的滑动条,它隶属于名为 “Image” 的窗口,初始值为50,最小值为0,最大值为100。每次滑动条数值发生改变时,都会调用 on_trackbar_change 这个回调函数。

3.2 自定义滑动条回调函数

我们可以根据实际需求,自定义滑动条数值发生变化时的回调函数。例如,在滑动条变化时实时调整图像的亮度、对比度等参数,或者触发其他特定的操作。

import cv2


def on_channel_change(value):
    global image
    # 获取各个滑动条的值
    brightness = cv2.getTrackbarPos("Brightness", "Image") - 50
    red = max(cv2.getTrackbarPos("Red", "Image") - 100, 0)
    green = max(cv2.getTrackbarPos("Green", "Image") - 100, 0)
    blue = max(cv2.getTrackbarPos("Blue", "Image") - 100, 0)

    # 调整图像的亮度和RGB通道
    adjusted_image = cv2.addWeighted(image, 1, image, 0, brightness)
    adjusted_image[:, :, 2] += red
    adjusted_image[:, :, 1] += green
    adjusted_image[:, :, 0] += blue

    # 显示调整后的图像
    cv2.imshow("Image", adjusted_image)


# 创建图像窗口
cv2.namedWindow("Image")

# 创建滑动条,并指定窗口、滑动条名称、初始值、最大值、回调函数
cv2.createTrackbar("Brightness", "Image", 50, 100, on_channel_change)
cv2.createTrackbar("Red", "Image", 100, 200, on_channel_change)
cv2.createTrackbar("Green", "Image", 100, 200, on_channel_change)
cv2.createTrackbar("Blue", "Image", 100, 200, on_channel_change)

# 读取图像
image = cv2.imread("tulips.jpg")

# 在窗口中显示图像
cv2.imshow("Image", image)

# 等待用户按下任意键退出
cv2.waitKey(0)

# 关闭窗口
cv2.destroyAllWindows()

OpenCV快速入门:窗口交互,OpenCV,opencv,交互,人工智能

在这个例子中,on_channel_change 函数会在滑动条数值发生变化时被调用,根据数值的变化调整图像的亮度和颜色,并实时在窗口中显示调整后的图像。

通过这些示例,可以更好地理解如何在OpenCV中添加滑动条及其回调函数,从而实现图像处理中的交互操作。这提供了一种灵活的方式,使用户能够通过控件与图像进行动态交互。

四、实现鼠标跟随绘制方框的交互效果

在图像处理中,有时候需要手动标注或选择感兴趣区域。通过结合鼠标事件和按键处理,我们可以实现鼠标跟随绘制方框的交互效果。下面通过一个简单的例子详细介绍如何在OpenCV中实现这一功能。

4.1 代码实现

下面是一个简单的例子,通过OpenCV实现鼠标跟随绘制方框的功能。代码中还包含了撤销上一个框线的操作。

import cv2

drawing = False
start_point = (-1, -1)
rectangles = []  # 存储绘制的框线信息的列表


def mouse_callback(event, x, y, flags, param):
    global drawing, start_point
    # 检测Ctrl键状态
    ctrl_pressed = flags & cv2.EVENT_FLAG_CTRLKEY == cv2.EVENT_FLAG_CTRLKEY

    if event == cv2.EVENT_LBUTTONDOWN:
        drawing = True
        start_point = (x, y)
    elif event == cv2.EVENT_LBUTTONUP:
        drawing = False
        if ctrl_pressed:
            # 如果按下Ctrl键,画蓝色的框线
            cv2.rectangle(image, start_point, (x, y), (255, 0, 0), 2)
            rectangles.append(((start_point[0], start_point[1]), (x, y), (255, 0, 0)))
        else:
            # 否则,画绿色的框线
            cv2.rectangle(image, start_point, (x, y), (0, 255, 0), 2)
            rectangles.append(((start_point[0], start_point[1]), (x, y), (0, 255, 0)))
        cv2.imshow("Image", image)
    elif event == cv2.EVENT_MOUSEMOVE:
        # 清空图像
        image_temp = image.copy()
        # 灰色横线
        cv2.line(image_temp, (x, 0), (x, image.shape[0]), (127, 127, 127), 1, cv2.LINE_AA)
        # 灰色竖线
        cv2.line(image_temp, (0, y), (image.shape[1], y), (127, 127, 127), 1, cv2.LINE_AA)

        if drawing:
            # 根据Ctrl键状态画蓝色或绿色的框线
            if ctrl_pressed:
                cv2.rectangle(image_temp, start_point, (x, y), (255, 0, 0), 2)
            else:
                cv2.rectangle(image_temp, start_point, (x, y), (0, 255, 0), 2)

        cv2.imshow("Image", image_temp)


def undo_last_rectangle():
    global rectangles, image
    if rectangles:
        # 撤销上一个框线
        rectangles.pop()
        # 清空图像
        image = cv2.imread("tulips.jpg")
        # 重新绘制之前的所有框线
        for rect_info in rectangles:
            cv2.rectangle(image, rect_info[0], rect_info[1], rect_info[2], 2)
        cv2.imshow("Image", image)


# 创建图像窗口
cv2.namedWindow("Image")

# 设置鼠标回调函数
cv2.setMouseCallback("Image", mouse_callback)

# 读取图像
image = cv2.imread("tulips.jpg")

# 在窗口中显示图像
cv2.imshow("Image", image)

while True:
    key = cv2.waitKey(0)

    if key == 27:  # 退出键
        break
    elif key == ord('z') or key == ord('Z'):  # 按下Z键
        undo_last_rectangle()

# 关闭窗口
cv2.destroyAllWindows()

4.2 代码解析

  1. 鼠标事件处理: mouse_callback 函数处理鼠标事件,包括鼠标按下、抬起和移动事件。在按下左键时,标记开始绘制;抬起左键时,停止绘制,并根据Ctrl键状态选择画绿色或蓝色框线;在移动过程中,显示灰色的辅助线。

  2. 撤销操作: undo_last_rectangle 函数用于撤销上一个绘制的框线。它会清空图像并重新绘制之前所有的框线。

  3. 主循环: 主循环监听键盘按键事件,按下 “Z” 键时执行撤销操作,按下 “ESC” 键时退出循环。

4.3 运行代码

在弹出的图像窗口中,可以通过鼠标绘制绿色或蓝色的框线,按下 “Z” 键撤销上一个框线,按下 “ESC” 键退出程序。

这个例子演示了如何结合鼠标事件和键盘事件,实现一个简单的交互式图像标注工具。我们可以根据实际需求扩展这个例子,添加更多的交互功能。

OpenCV快速入门:窗口交互,OpenCV,opencv,交互,人工智能

五、自由调节窗口图像的尺寸

在图像处理和计算机视觉应用中,有时候需要对图像窗口进行自由调节,以便更好地查看细节或全局图像。通过监听鼠标事件,我们可以实现自由调节窗口图像尺寸的效果。以下是一个使用OpenCV的简单例子,演示了如何通过鼠标事件实现窗口图像尺寸的自由调节。

5.1 代码实现

import cv2

resizing = False
window_name = "Image"

def mouse_callback(event, x, y, flags, param):
    global resizing

    if event == cv2.EVENT_LBUTTONDOWN:
        resizing = True

    elif event == cv2.EVENT_LBUTTONUP:
        resizing = False

    elif event == cv2.EVENT_MOUSEMOVE:
        if resizing:
            # 获取窗口的位置和大小
            rect = cv2.getWindowImageRect(window_name)
            win_x, win_y, win_width, win_height = rect

            # 判断鼠标是否在窗口的边缘
            if win_x < x < win_x + win_width and win_y < y < win_y + win_height:
                cv2.resizeWindow(window_name, x - win_x, y - win_y)


# 创建图像窗口
cv2.namedWindow(window_name, cv2.WINDOW_NORMAL)

# 设置鼠标回调函数
cv2.setMouseCallback(window_name, mouse_callback)

# 读取图像
image = cv2.imread("tulips.jpg")

# 在窗口中显示图像
cv2.imshow(window_name, image)

# 设置窗口的初始大小为图像的大小
cv2.resizeWindow(window_name, image.shape[1], image.shape[0])

# 等待用户按下任意键退出
cv2.waitKey(0)

# 关闭窗口
cv2.destroyAllWindows()

5.2 代码解释

  1. 鼠标事件处理: mouse_callback 函数用于处理鼠标事件,包括按下左键、抬起左键和鼠标移动。当鼠标按下左键时,设置 resizing 为 True;当抬起左键时,设置 resizing 为 False。在鼠标移动过程中,如果 resizing 为 True,则获取窗口的位置和大小,并根据鼠标位置调整窗口大小。

  2. 创建图像窗口: 使用 cv2.namedWindow 创建一个图像窗口,并指定窗口名为 “Image”,设置窗口标志为 cv2.WINDOW_NORMAL,这样窗口大小可以被调整。

  3. 设置鼠标回调函数: 使用 cv2.setMouseCallback 设置鼠标回调函数,即上述的 mouse_callback 函数。

  4. 显示图像和设置初始窗口大小: 读取图像,使用 cv2.imshow 在窗口中显示图像,并通过 cv2.resizeWindow 设置窗口的初始大小为图像的大小。

5.3 运行代码

在弹出的图像窗口中,我们可以通过按下左键并拖动鼠标自由调节窗口的大小。这种交互式的窗口调节方式对于查看大尺寸图像或处理细节较多的图像非常有用。

OpenCV快速入门:窗口交互,OpenCV,opencv,交互,人工智能

六、中文显示乱码问题

在图像处理中,有时候我们需要在图像上显示中文字符。为了在OpenCV中实现中文显示,我们需要确保系统的字体支持中文。

6.1 实现步骤

  1. 创建一个空白图像
    首先,我们创建一个空白图像,以便后续在图像上添加中文字符。
import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont

# 创建一个空白图像
height, width, _ = 300, 500, 3
image = np.ones((height, width, 3), np.uint8) * 255
  1. 设置中文字体
    选择一个支持中文的字体,这里以宋体为例。我们需要替换 font_path 变量为本地系统中的字体文件路径,确保字体文件支持中文。
    如果没有字体文件,还需要自行下载字体文件。
# 设置中文字体
font_path = r"C:\Windows\Fonts\simsun.ttc"  # 替换为本地的字体文件路径
font_size = 30
font = ImageFont.truetype(font_path, font_size)
  1. 在图像上添加中文字符
    使用 PIL 库来在图像上添加中文字符。在这个例子中,我们添加了一个简单的中文字符 “你好,OpenCV!”。
# 在图像上添加中文字符
image_pil = Image.fromarray(image)
draw = ImageDraw.Draw(image_pil)
text = "你好,OpenCV!"
text_position = (50, 150)
text_color = (0, 0, 0)  # 黑色
draw.text(text_position, text, font=font, fill=text_color)
  1. 转换回OpenCV图像格式并显示
    PIL 图像格式转换回OpenCV格式,并通过OpenCV显示图像。
# 转换回OpenCV图像格式
image = np.array(image_pil)

# 显示图像
cv2.imshow("Chinese Text", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

6.2 代码实现

以下是一个简单的例子,演示了如何在OpenCV中显示中文字符。

import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont

# 创建一个空白图像
height, width, _ = 300, 500, 3
image = np.ones((height, width, 3), np.uint8) * 255

# 设置中文字体
font_path = r"C:\Windows\Fonts\simsun.ttc"  # 替换为本地的字体文件路径
font_size = 30
font = ImageFont.truetype(font_path, font_size)

# 在图像上添加中文字符
image_pil = Image.fromarray(image)
draw = ImageDraw.Draw(image_pil)
text = "你好,OpenCV!"
text_position = (50, 150)
text_color = (0, 0, 0)  # 黑色
draw.text(text_position, text, font=font, fill=text_color)

# 转换回OpenCV图像格式
image = np.array(image_pil)

# 显示图像
cv2.imshow("Chinese Text", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

OpenCV快速入门:窗口交互,OpenCV,opencv,交互,人工智能


总结

通过这篇文章,我们快速入门了OpenCV的窗口交互功能。从鼠标和键盘操作到窗口控件的添加,我们探索了多种交互方式,并通过实例演示了如何实现调整图像亮度和颜色、鼠标跟随绘制绿色框、自由调节窗口图像尺寸以及中文显示。
希望这些简单而实用的示例能够更好地理解和运用OpenCV的窗口交互功能。文章来源地址https://www.toymoban.com/news/detail-759130.html

到了这里,关于OpenCV快速入门:窗口交互的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 人工智能算法工程师面试题——之OpenCV必背汇总(四)

    在OpenCV中,图像融合通常指的是将两个或更多图像以某种方式组合在一起,以创建一个新的图像。这个过程可以用于多种目的,比如艺术效果、图像修复或信息增强。实现图像融合的一种常见方法是通过加权求和,也就是每个像素位置上将不同图像的像素值按照一定的权重相

    2024年02月21日
    浏览(48)
  • 【AIGC扫盲】人工智能大模型快速入门

    人工智能大模型的技术框架主要有以下几种: TensorFlow :这是一个由Google Brain团队开发的开源库,用于进行高性能数值计算,特别是用于训练和运行深度学习模型。TensorFlow提供了一种称为计算图的编程模型,它允许用户定义复杂的计算并自动计算梯度。此外,TensorFlow还提供

    2024年02月20日
    浏览(45)
  • 可视可交互!在全志H618上用OpenCV读取图像显示到PyQt5窗口上

    OpenCV能够处理图像、视频、深度图像等各种类型的视觉数据,在某些情况下,尽管OpenCV可以显示窗口,但PyQt5可能更适合用于创建复杂的交互式应用程序,而自带GPU的H618就成为了这些图像显示的最佳载体。 这里分享一个代码,功能是使用图像处理库opencv从摄像头获取数据,缩

    2024年02月01日
    浏览(44)
  • 【数据分析入门】人工智能、数据分析和深度学习是什么关系?如何快速入门 Python Pandas?

    本文详细介绍了人工智能、数据分析和深度学习之间的关系,并就数据分析所需的Pandas库做了胎教般的入门引导。祝读得开心!   本文是原 《数据分析大全》 、现改名为 《数据分析》 专栏的第二篇,我在写这篇文章的时候突然意识到—— 单靠我是不可能把数据分析的方

    2024年02月14日
    浏览(70)
  • OpenCV入门(十六)快速学会OpenCV 15 图像分割

    作者:Xiou 图像分割主要是指将图像分成各具特性的区域并提取出感兴趣目标的技术。图像分割是数字图像分析中的重要环节,在整个研究中起着承前启后的作用,既是对所有图像预处理效果的一个检验,也是后续进行图像分析与解译的基础。 图像阈值化分割是一种传统的、

    2024年02月09日
    浏览(77)
  • OpenCV入门(十四)快速学会OpenCV 13 边缘检测

    作者:Xiou 边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化,包括深度不连续、表面方向不连续、物质属性变化和场景照明变化。边缘检测特征是提取中的一个研

    2024年02月04日
    浏览(49)
  • OpenCV入门(十九)快速学会OpenCV 18 圆环检测

    作者:Xiou 霍夫变换除了用来检测直线外,也能用来检测其他几何对象。实际上,只要是能够用一个参数方程表示的对象,都适合用霍夫变换来检测。用霍夫圆变换来检测图像中的圆,与使用霍夫直线变换检测直线的原理类似。 在霍夫圆变换中,需要考虑圆半径和圆心(x坐标

    2024年02月16日
    浏览(49)
  • OpenCV入门(二十八)快速学会OpenCV 27 图像匹配

    作者:Xiou 如果说SIFT还很年轻,SURF更年轻,那么ORB就还处于婴儿期。ORB首次发布于2011年,作为SIFT和SURF的一个快速代替品。该算法发表在论文“ORB:an efficient alternative to SIFT or SURF”上,可以在 http://www.willowgarage.com/sites/default/files/orb_final.pdf 处找到PDF格式的论文。ORB融合了FAS

    2023年04月09日
    浏览(42)
  • opencv快速入门【python]

    1.读入图像 使用cv2.imread()读取图像 2.显示图像 使用函数 cv2.imshow() 显示图像。 3.保存图像 使用函数cv2.imwrite()来保存函数 学习目标: 掌握用opencv绘制出不同几何图形 熟练应用如下函数:cv2.line(),cv2.circle(),cv2.rectangle() ,cv2.ellipse() ,cv2.putText() 等。 绘出几何图形的第一步就

    2024年02月02日
    浏览(38)
  • 快速入门opencv(python版)

    Open Source Computer Vision Library。OpenCV是一个(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法

    2024年02月04日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包