计算机视觉课程第十三讲-OpenCV的整体框架介绍下半部分

抠图算法-Alpha Matting 目录概述graph cutAlpha Matting 概述 对于抠图,比较简单的方法是图像分割,这是很老的方法,但这其实算不上真正意义的抠图,因为他的主要目的是用于图像之间块与块的分割。典型的就是grabcut算法,opencv上面有相应的优化好的算法。还有一种就是对于前后景的分割,叫做Alpha Matting,这是抠图的主要实现方法,好的算法对头发丝也能处理得很好,最近主要实现了2010年的一篇论文《Shared Sampling for Real-Time Alpha Matting》,这是比较出名的 阅读详情

 本次将主要讲解一下OpenCV的整体框架,这样会更有利于我们学习和运用该开源工具。OpenCV主要包含以下三部分:

1、opencv-主要分支,包含核心类型和函数,稳定的算法,构建的脚本和工具;

2、opencv-contribute – 包含实验和不稳定的算法,需要主分支去创建;

3、opencv-extra-包含用于测试的数据以及各项文件;

今天我们将首要说明一下,opencv主要分支中包含的内容:

B站视频链接:https://space.bilibili.com/299713444

alphamat (Alpha Matting 抠图):
计算图像中对象的Alpha蒙版

Aruco(ArUco Marker Detection 二维码检测):

标记板、ChArUco板、检测标记的参数、标记的设置和查询、网格板

barcode(Barcode detection and decoding methods条形码检测与解码方法):

条形码检测与解码方法

bgsegm(Improved Background-Foreground Segmentation Methods 改进的背景-前景分割方法)

基于计数的背景相减、基于GMG算法的背景相减、GSOC算法背景相减、基于局部奇异值分解的二进制模式背景相减、计算局部奇异值分解的二进制描述子、基于高斯混合背景与前景分割、用于测试背景相减算法的合成帧序列生成器;

bioinspired (Biologically inspired vision models and derivated tools受生物启发的视觉模型和衍生工具)

Gipsa/Listic实验模型、Meylan(2007)色调映射算法、视网膜模型参数结构、瞬时事件描述子的参数存储、瞬时/移动区域分割

ccalib(Custom Calibration Pattern for 3D reconstruction 用于三维重建的自定义校准模式)

针孔相机和全向相机的多相机标定、特征点检测以及世界3D对应点

cudaarithm(Operations on Matrices 矩阵运算)

在矩阵上核心操作、单个像素操作、矩阵约化、在矩阵上算法操作

cudabgsegm(Background Segmentation背景分割)

基于混合高斯的背景/前景分割;

cudacodec(Video Encoding/Decoding 视频编码/解码)

CUDA视频编码、视频文件格式信息、视频解复用接口、视频读取和写入接口

cudafeature2d(Feature Detection and Description 特征检测和描述)

匹配关键点描述子、快速特征检测方法、异步2D特征检测器和描述符提取器、ORB特征检测器和描述符提取器

cudafilters(Image Filtering 图像滤波)

常见的所有CUDA滤波接口

cudaimgproc(image Processing 图像处理)

颜色空间处理、直方图计算、霍夫变换、特征检测

cudalegacy(Legacy support 传统支持)

NPPST核心、NPPST图像处理、NPPST信号处理

cudaobjdetect (object detection 目标检测)

用于目标检测的级联分类器、定向梯度直方图目标检测器

cudaoptflow(optical flow 光流)

稀疏光流、稠密光流、Nvidia光流、Gunnar Farneback光流

cudaStereo(stereo correspondence 立体匹配)

联合双边滤波优化视差图、使用BP置信传播计算立体匹配、块匹配计算视差图、用常量空间置信传播算法计算立体匹配、SGM半全局匹配方法视差计算

cudawarping (Image Warping 图像变形)

图像变形

cudev (Device layer 设备层)

数学运算函数、颜色转换

cvv (GUI for Interative Visual Debugging of Computer Vision Programs 计算机视觉程序交互式可视化调试的GUI)

datasets (Framework for working with different datasets 用于处理不同数据集的框架)

动作识别、人脸识别、手势识别、人体姿态估计、图像配准、图像分割、多视图立体匹配、目标识别、行人检测、SLAM、超分、文字识别、跟踪

dnn_objdetect(DNN used for object detection DNN用于目标检测)

模型预测预处理、保存单个边框的信息

dnn_superres(DNN used for super resolution DNN用于超分)

通过卷积神经网络放大图像

dpm(Deformable Part-based Models  基于可形变组件模型)

提供外部用户调用DPM的API

face(Face Analysis 人脸分析)

基本的人脸识别、基于AAM人脸关键点、基于LBF人脸关键点、训练人脸关键点模型、所有人脸识别模型、最小化平均相关能量滤波器,来进行生物特征身份验证、预测结果保存、预测收集器

freetype(Drawing UTF-8 strings with freetype/harfbuzz )

用freetype/harfbuzz绘制UTF-8字符串

fuzzy (Image processing based on fuzzy mathematics 基于模糊数学的图像处理)

F0变换、F1变换、模糊图像处理

hdf (Hierarchical Data Format I/O routines 分层数据格式I/O程序)

hdf5数据格式

hfs (Hierarchical Feature Selection for Efficient Image Segmentation 分层特征选择来有效对图像进行分割)

img_hash (The module brings implementations of different image hashing algorithms 该模块提供不同图像的哈希算法)

输入图像平均哈希、基于块平均图像哈希、基于色彩瞬间图像哈希、基于哈希的Marr-Hildreth哈希、基于Radon变换的图像哈希

intensity_transform (The module brings implementations of intensity transformation algorithms to adjust image contrast 该模块提供用于调整图像对比度的强度变换算法实现)

自动缩放到[0,255]增强图像对比度、使用BIMF方法增加弱光图像、线性对比拉伸增强对比度、幂变换增强对比度、log变换增强对比度

julia (Julia bindings for OpenCV  OpenCV绑定Julia)

line_descriptor(Binary descriptors for lines extracted from an image 从一张图像上提取线条二进制描述符)

检测线和计算二进制描述符、查询数据集、绘制线匹配、LSD检测器

mcc (Macbeth Chart module 图表模块)

Macbeth用于相机颜色校正的图像色块

optflow.(Optical Flow Algorithms 光流算法)

鲁棒局部光流、稀疏到稠密插值、“Dual TV L1”光流、PCA光流算法

ovis (OGRE 3D Visualiser OGRE可视化)

围绕ogre 3D简化渲染包装器

phase_unwrapping (Phase Unwrapping API 相位展开API)

二维相位展开

Plot (Plot function for Mat data Mat数据绘制函数)

quality (Image Quality Analysis (IQA) API 图像质量分析API)

rapid (silhouette based 3D object tracking 基于轮廓的3D目标跟踪)

reg (Image Registration 图像匹配)

两张图像之间建立地图模型、计算一个地图

rgbd (RGB-Depth Processing RGBD处理)

彩色图像计算量化梯度方向模态、计算表面法向量、用线模板匹配做目标检测器

saliency (Saliency API 显著性API)

快速自校正背景相减、目标评估、细粒度显著性、谱残差方法

sfm (Structure From Motion 运动恢复结构)

2D图像到3D重建

shape (Shape Distance and Matching 形状距离与匹配)

仿射变换、基于Chi、EMD、EMD-L1、norm cost提取、形状距离、形状内容描述和匹配算法

stereo (Stereo Correspondance Algorithms 立体匹配算法)

Quasi、BM、SGBM立体匹配、视差图去噪

structured_light(Structured Light API 结构光API)

灰度编码模式、傅里叶变换轮廓术、相位偏移轮廓术、傅里叶辅助相移轮廓术

superres (Super Resolution 超分)

各种光流算法、超分辨算法

surface_matching(Surface Matching 曲面匹配)

ICP、装载和匹配3D模型

text (Scene Text Detection and Recognition 场景文本检测和识别)

tracking (Tracking API 跟踪API)

TLD、CSRT、MIL、Boosting、TLD、KCF、中值光流跟踪、kalamn跟踪

videostab (Video Stabilization 视频稳定)

全局2D运动评估、关键点运动评估、最小化L1和L2运动评估

viz (3D Visualizer 3D可视化)

mesh、相机、鼠标事件

wechat_qrcode (WeChat QR code detector for detecting and parsing QR code 微信二维码检测,用于检测和解析二维码)

xfeatures2d (Extra 2D Features Framework 其它2D特征框架)

Boosted有效二进制局部图像描述子、基于Boosting的描述子学习、DAISY描述子、FREAK描述子、Harris拉普拉斯特征检测器、MSD关键点描述子等

SURF的CUDA版、GMS和LOGOS匹配

ximgproc (Extended Image Processing 图像处理扩展)

快速边缘检测的结构化森林、边缘核、滤波、超像素、图像分割、快速线检测、边缘绘制、傅里叶描述符、run-length编码图像的二进制形态

xobjdetect (Extended object detection 目标检测扩展)

waldBoost检测器

xphoto(Additional photo processing algorithms 其它图像处理算法)

灰度世界白平衡、基于学习的自动白平衡算法、独立拉伸每个输入图像通道到特定范围、图像分为基础层和细节层来进行白平衡

了解更多关于《计算机视觉与图形学》相关知识,请关注公众号:

下载我们视频中代码和相关讲义,请在公众号回复:计算机视觉课程资料

OpenCV的SGBM with GPU和without GPU的性能对比 阅读详情

相关推荐

计算机视觉及OpenCV入门简介

计算机视觉及OpenCV入门简介 这是一篇实验室培训过后写的感悟,附带授课大佬及实验室GitHub地址: 大佬:https://github.com/shentibeitaokongle 实验室:https://github.com/android-nuc 计算机视觉 什么是计算机视觉? 计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成...

daAzai的博客 4904

OpenCV4.4版本 DNN模块使用CUDA加速教程 VS2017 Window10

目录CUDACUDNNCMake编译运行测试总结 CUDA 根据自己的GPU 选择合适的版本,我的是GTX1650,选择CUDA10.1版本,按照默认地址安装就好,安装完之后看是否有环境变量。没有的话自己加上。 CUDNN 在英伟达官网能查到CUDA10.1版本对应的cudnn版本为7.6.4,由于国内对英伟达官网不友好,我已将cudnn7.6.4上传 打开下载好的cuDNN,如下图 将cuDNN中bin、include、lib文件夹中的文件放入对应CUDA路径下的文件夹中 CMake编译 打开CM

weixin_43855978的博客 4058

开源计算机视觉库OpenCV详解

OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库。OpenCV最初由Intel开发,后来支持由Willow Garage和Itseez(被Intel收购)进行的维护和更新。这个库旨在为实时的计算机视觉应用提供一个高效的、易于使用的环境,并且是用C++编写的,尽管它提供了各种语言的绑定,包括Python、Java和MATLAB等。

guojunwu1977的博客 3397

【opencv】opencv的框架与各模块功能介绍

       学习opencv已有三个月时间,特此记录一下自己的所学知识,便于日后回顾与整理。文中内容多为摘录,具体链接如下:摘录自:https://zhuanlan.zhihu.com/p/33008701(框架介绍)              http://blog.youkuaiyun.com/poem_qianmo/article/details/19925819(各模块介绍,opencv2版,毛星云...

gogo小Sa的专栏 2万+

【Opencv】计算机视觉库介绍

opencv介绍,以及应用示例

qq_40526309的博客 1619

OpenCV展开二维相位图

OpenCV展开二维相位图展开二维相位图目标代码解释 展开二维相位图 目标 在本教程中,您将学习如何使用相位展开模块来展开二维相位图 代码 #include <opencv2/imgproc.hpp> #include <opencv2/highgui.hpp> #include <opencv2/phase_unwrapping.hpp> #include <iostream> #include <fstream> #include <st

希望我的博客,能帮上你解决学习中工作中所遇到的问题 1393

cudnn7.6.4.zip

由于英伟达官网对国内开发者不友好,时长登陆不上,因此将Cudnn7.6.4版本资源上传,对应CUDA版本10.1,可用于深度学习部署,加快边缘设备计算速度

OpenCV-Python实战(20)——OpenCV计算机视觉项目在Web端的部署

将 OpenCV 计算机视觉项目部署在 Web 端一个有趣的话题,部署在 Web 端的优势之一是不需要安装任何应用,只需要访问地址就可以访问应用,有很多 Python Web 框架可用于部署应用程序,这些框架可以使我们专注于应用程序的核心逻辑,而不必处理低级细节(例如,协议、套接字或进程和线程管理等)。在本文中,将使用 Flask 框架,以构建计算机视觉 Web 应用程序,包括人脸检测项目等。

盼小辉丶的博客 2万+

Alpha Matting:一款多合一的 Alpha 抠图工具!-matlab开发

Alpha matting 是将图像分解为前景和背景区域的过程,通常是为了提取前景对象。 这个提交就是这样做的。 首先创建一个trimap,包括已知的背景和前景区域,以及两个区域的未标记边界。 让算法处理剩下的事情。 Alpha遮罩算法是由于以下方面的已发表工作: Zheng & Kambhamettu,“基于学习的数字抠图”,IEEE 计算机视觉国际会议 (ICCV 2009)。 此提交最适合与位于https://www.mathworks.com/matlabcentral/fileexchange/64427 的Image Snipper 一起使用。 健康长寿·繁荣昌盛! 基本文件:alphamatte.m、permute2.m、snipamat.m 附带文件:Hand.png、howto.txt

OpenCV实战——OpenCV.js介绍

OpenCV.js 是 OpenCV 函数的端口,将 C++ 代码编译为 JavaScript`。`OpenCV 使用 Emscripten 将 C++ 函数编译为 Asm.js 或 WebAssembly 目标,在本节中,我们将编写一个非常简单的应用,将图像加载到 HTML img 标签中,转换图像色彩空间并在 canvas 元素中绘制。

盼小辉丶的博客 3万+

OpenCV-Python实战(23)——将OpenCV计算机视觉项目部署到云端

在本文中,我们学习使用 OpenCV、Keras 和 Flask 开发 Web 计算机视觉和 Web 深度学习应用程序,此外,我们还介绍了如何使用提供 Web 托管功能的 PythonAnywhere 将 Flask 应用程序部署到云端,从而实现 OpenCV 深度学习计算器视觉应用程序在广域网中的访问。

盼小辉丶的博客 1万+

OpenCV介绍

这一次,不谈代码,我们去看看什么是OpenCV,为什么用它, 用它做什么,解决这三个哲学问题。 OpenCV 众所周知 是开源的计算机视觉库。也就是非商业盈利,却是用来促进视觉的商业应用的发展。 最早出现的是2000年的OpenCV的预览版本 在IEEE公开,提供了五个测试版本 之后 于 2006年 发布OpenCV初代 1.0版本 于 2009年10月 发布2.0版本 于2014年8月 ...

coco的博客 7681

一、opencv详细介绍

一、opencv详细介绍 文章目录一、opencv详细介绍1.1 什么是opencv1.2 opencv历史1.3 为什么用OpenCV1.4 opencv的应用场景1、图像分类2、目标检测3、图像分割4、风格迁移5、图像重构6、超分辨率7、图像生成8、人脸识别9、其他 opencv官方资料教程地址: https://opencv.org/ 1.1 什么是opencv OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和

qq_34029954的博客 2万+

计算机视觉与OpenCV框架介绍

一:计算机视觉历史与发展 计算机视觉英文全称为Computer Vision缩写CV,是指用摄像设备与计算机替代人的视觉系统,进行一目标检测、识别、跟踪、测量与分析的技术,计算机视觉是一门多学科交叉形成的新学科,最早出现在1982,其确立的标志是David Marr的《视觉》一书问世、所以早期的计算机视觉又被称为马尔视觉。从那个时候开始计算机视觉在理论、框架、算法与模型等方面发展迅速,上世纪90年...

qq_28749009的博客 2079

sgbm_ros:sgbm ros与cuda

sgbm_ros sgbm ros与cuda 论文参考:GPU上的半全局匹配 修改

SGM匹配算法.zip

2008年Nature上发表的关于SGM立体匹配算法的原文以及译文,这个算法为后来的立体匹配做出了很大的贡献,这里给大家作为学习的参考。

计算机视觉课程第十二讲-OpenCV的整体框架介绍上半部分

本次将主要讲解一下OpenCV的整体框架,这样会更有利于我们学习和运用该开源工具。OpenCV主要包含下下三部分:1、opencv-主要分支,包含核心类型和函数,稳定的算法,构建的脚本和工具;2、opencv-contribute – 包含实验和不稳定的算法,需要主分支去创建;3、opencv-extra-包含用于测试的数据以及各项文件;今天我们将首要说明一下,open...

CSS360的博客 364

Nginx RTMP流媒体服务器搭建与优化指南

RTMP(Real-Time Messaging Protocol)是一种广泛应用于直播领域的流媒体传输协议,其核心原理是通过TCP协议实现低延迟的音视频数据传输。在技术实现上,RTMP协议通过分块传输(chunk)和消息分帧机制,平衡了传输效率与实时性的需求。结合Nginx的高性能事件驱动架构,开发者可以构建支持高并发的流媒体服务器。这种技术组合在直播推流、监控系统对接等场景具有显著优势,既能实现完全自主的数据管控,又能避免第三方服务费用。通过合理配置worker_processes线程池和调整TCP内核

weixin_42549496的博客 315
上一篇: INTEL MKL ERROR
下一篇: 刷野打怪上王者-OpenCV
元宇宙MetaAI
博客等级 码龄10年 331粉丝 333原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值