#include "cv.h"
#include "highgui.h"
#include "stdio.h"
#include <opencv2/legacy/legacy.hpp>
//#pragma comment(lib, "opencv_legacy244.lib")
//*****************************************************
//主函数
//*****************************************************
int main()
{
IplImage* sorce = cvLoadImage( "homework_5-11.jpg" );
if (!sorce)
{
printf( "failed to load %s.\n", "homework_5-11.jpg" );
return -1;
}
IplImage* pyramid = cvCreateImage( cvGetSize(sorce), sorce->depth, sorce->nChannels );
IplImage* erode = cvCreateImage( cvGetSize(sorce), sorce->depth, sorce->nChannels );
IplImage* open = cvCreateImage( cvGetSize(sorce), sorce->depth, sorce->nChannels );
CvSeq* comp = NULL;
CvMemStorage* storage=cvCreateMemStorage(0);
assert( storage!=NULL );
//用金字塔实现图像分割
cvErode( sorce, erode );
cvDilate( erode, open );
cvPyrSegmentation( open, pyramid, storage, &comp, 4, 130, 30 );
cvNamedWindow( "sorce" ,CV_WINDOW_NORMAL );
cvNamedWindow( "pyramid" ,CV_WINDOW_NORMAL );
cvNamedWindow( "erode" ,CV_WINDOW_NORMAL );
cvNamedWindow( "open" ,CV_WINDOW_NORMAL );
cvShowImage( "sorce", sorce );
cvShowImage( "pyramid", pyramid );
cvShowImage( "erode", erode );
cvShowImage( "open", open );
cvWaitKey(0);
cvReleaseImage( &sorce );
cvReleaseImage( &pyramid );
cvReleaseImage( &erode );
cvReleaseImage( &open );
cvDestroyAllWindows();
return 0;
}相关推荐
openCV调用YOLOv5 ONNX模型
导出U版YOLOv5的ONNX模型,openCV直接读取会失败,原因在于Pytorch2ONNX不支持对slice对象赋值,需要更改下列两个地方代码: yolov5/models/common.py class Focus(nn.Module): # Focus wh information into c-space def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True): # ch_in, ch_out, kernel
配置安装OpenCV(4.5.4)+Opencv_contrib(4.5.4)+CUDA(v11.5)
目录配置OpenCV(4.5.4)+Opencv_contrib(4.5.4)+CUDA(v11.5)准备提示安装安装Visual Studio 2019安装CUDA安装CUDNNCMake编译OpenCVVisual Studio编译配置阶段测试参考教程 配置OpenCV(4.5.4)+Opencv_contrib(4.5.4)+CUDA(v11.5) 结合CUDA,OpenCV的性能可以得到约一个数量级的提升。但据我了解,搭配CUDA的OpenCV需要编译阶段就进行安装,无法在完成OpenCV安装后再补
UE5+OpenCV配置(Windows11系统)
因为需要在UE5中使用OpenCV这些工具进行配置,所以在网络上参考借鉴一些资料进行配置。查询到不少的资料,最后将其配置成功。在这里顺便记录一下自己的配置成功的过程。
Ubuntu20下 vscode配置OpenCV 4.5.5
Ubuntu20下 vscode配置OpenCV 4.5.5
【Win11 + VSCode配置OpenCV C++开发环境教程】
Win11系统+VSCode配置OpenCV C++环境配置教程
ubuntu18.04 安装opencv4.5.5
在编译ros的node的时候,碰到了一个错误, /home/project/src/tasks.cpp:361: undefined reference to `cv::imread(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, int)' 上网查了一下,说注意上面的那个__cxx11。旧版本编译器编译出来的代码中,不会有这个符号,在
Win11中CMake+VS2022编译OpenCV+OpenCV_Contrib
本文记录了在Win11下,用CMake4.0.0以及VS2022编译OpenCV及OpenCV_Contrib源码,将其生成为opencv_world490.lib/opencv_world490d.lib及opencv_world490.dll/opencv_world490d.dll的过程。
vs2013+Qt5.5.1+opencv2.4.11配置
vs2013+Qt5.5.1+opencv2.4.11配置 一、准备配置 下载并安装vs2013 下载路径: http://pan.baidu.com/s/1i3rralf 下载并安装Qt5.5.1: 下载路径:http://pan.baidu.com/s/1sjnCROp 下载qt-vs-addin-opensource-1.2.3-alpha.exe:
源码编译安装OpenCV4.5+ CUDA11 带python 遇到的错误总结
安装OpenCV4.4+遇到的错误总结fatal error: boostdec_bgm.i: No sub file or directoryfatal error: features2d/test/test_detectors_regression.impl.hpp: No such file or directory解决test_rotation_and_scale_invariance.cpp:7:10: fatal error: features2d/test/test_detectors_inv
Windows11+OpenCV4.5+Qt5.9.1安装教程
先安装Qt->安装cmake->编译opencv-4.5.4->得到opencv的库文件
OpenCV-Python实战(13)——OpenCV与机器学习的碰撞
机器学习是人工智能的子集,它为计算机以及其它具有计算能力的系统提供自动预测或决策的能力,诸如虚拟助理、车牌识别系统、智能推荐系统等机器学习应用程序给我们的日常生活带来了便捷的体验。机器学习的蓬勃发展,得益于以下三个关键因素:1) 海量数据集;2) 算法的快速发展;3) 计算机硬件的发展。在本文中,我们将学习 OpenCV 提供的常见机器学习算法和技术,用于解决计算机视觉项目中的实际问题,例如分类和回归问题。
windows11编译OpenCV4.5.0 with CUDA(附注意事项)
本文记录了是用windows11系统编译带CUDA加速的OpenCV4.5.0的详细过程,以及容易造成失败的注意事项,并提供了依赖库的下载地址和测试解结果。
51单片机———UART串口通信
传统理解就是信息的传输与交换。单片机与单片机之间,单片机与电脑之间,以及单片机与各式各样的模块之间都可以进行通信。如果没有通信,那么单片机的功能仅仅局限于它本身,它没办法从其他设备获取有用信息,也无法将自己产生的信息告诉其他设备,这样子单片机与外围器件的合作就会收到限制,没办法完成更多的功能,就像一个没办法拓展业务的公司。:实现我们程序当中写的P0=0xFC,就是一次同时对8位进行信号的输出;习惯上,我们还称P0、P1、P2、P3为单片机的4组并行总线:实现低位先发 高位在后。
ubuntu20编译opencv4.5.4+opencv_contrib4.5.4记录
ubuntu20编译opencv4.5.4+opencv_contrib4.5.4记录 第一章:更新环境和安装Cmake 1.更新一下 sudo apt-get update sudo apt-get upgrade 2.安装Cmake 下载:Cmake选择linux的 安装 tar -zxvf cmake-3.22.1.tar.gz 先安装ubuntu基础的Cmake(如果本来就有的话就不需要) sudo apt-get install cmake 然后进入解压文件夹下 cd cmake-3.22
老N卡福音:GT1030/GTX1050在MacOS Ventura 13.2上的完整驱动指南(附实测截图)
本文详细介绍了如何在MacOS Ventura 13.2上通过OCLP工具链驱动GT1030和GTX1050等老款NVIDIA显卡,涵盖硬件兼容性验证、BIOS设置、OpenCore配置、驱动安装及性能测试全流程。实测数据显示,这些基于Pascal和Maxwell架构的显卡在当代MacOS系统中仍能发挥实用价值,为老N卡用户提供完整解决方案。
Docker入门教程:在腾讯云轻量服务器上部署你的第一个容器化应用 (2025)
还在为“在我电脑上明明是好的”而烦恼?本篇Docker入门教程,用通俗易懂的比喻解释镜像、容器的核心概念,并手把手带你在腾讯云轻量服务器上,从运行Nginx到编写Dockerfile打包自己的Python应用,轻松掌握容器化部署。
Windows11&Ubuntu18.04安装OpenCV4.5.0&VISP3.5.0
WIndows11&Ubuntu18.04安装OpenCV4.5.0&VISP3.5.0一 Windows11安装OpenCV4.5.0&VISP3.5.01.1 Windows11安装CMake1.2 Windows11安装MinGW1.3 Windows11安装OpenCV4.5.01.4 Windows11安装VISP3.5.0三、参考资料 作为一个视觉算法工程师,OpenCV库 一 Windows11安装OpenCV4.5.0&VISP3.5.0 1.1 Wind
Geneformer实战指南:基于Hugging Face Transformers的基因序列分类模型解析
本文详细解析了基于Hugging Face Transformers的Geneformer模型在基因序列分类任务中的应用。通过介绍模型架构、数据处理流程和实战案例,帮助生物信息学研究者掌握这一前沿技术,实现高效的基因表达数据分析与分类。
Windows 11 安装OpenCV 及其学习路线
首先下载库文件,如下图所示,进入,选择Library->Releases,进入Release库文件包下载页面。选择Windows系统的文件下载,点击选择之后会自动开始下载。本案例选择OpenCV-4.8.0版本,下载的文件名为opencv-4.8.0-windows.exe,双击该文件解压也可以右键选择文件,“解压到当前文件夹”,会在当前路径下解压得到文件夹opencv,其中包含两个子文件夹:--build,存放编译的二进制库文件;--sources,存放当前版本的源码。
四旋翼滑模控制:从理论到Simulink实现
本文深入探讨了四旋翼滑模控制的理论与Simulink实现,对比了其相较于PID控制在抗干扰和鲁棒性方面的显著优势。文章详细介绍了从精确动力学建模、内外环滑模控制器设计到指令解算的完整流程,并分享了Simulink仿真搭建、参数调试及抗扰性能验证的实战经验,帮助工程师掌握在复杂环境下提升四旋翼稳定性的进阶技能。
Python 爬虫实战:微博自动化运营工具(点赞 / 转发 / 评论 + 反封号策略)
微博作为中国最大的社交媒体平台之一,拥有庞大的用户群体和丰富的数据资源。通过 Python 爬虫技术,我们可以实现微博的自动化运营,包括点赞、转发、评论等功能,同时采取有效的反封号策略,确保账号的安全和稳定运行。
【OpenCV】学习笔记(一):OpenCV4.5.5文件介绍
最近项目需要,需要做视觉相关的处理,所以学习一些关于OpenCV的知识,通过VS2019的MFC开发+OpenCV4来建立上位机对数字图像和视频进行处理。本篇博客主要介绍OpenCV4.5.5的文件系统各个功能,OpenCV实际是一个开源库,所以有必要对其中所有文件的功能进简单介绍,帮助使用者能够更好地调用OpenCV库。...
AWS SQS跨账户访问失败排查指南
在使用AWS SQS(Simple Queue Service)时,跨账户访问是常见的业务场景。例如,账户A的应用程序向队列发送消息,账户B的消费者从队列拉取消息。尽管AWS官方文档明确支持此类配置,但在实际应用中,由于权限模型的复杂性,开发者和运维人员常会遇到“策略已配置但无法接收消息”的问题。通过本文的逐步排查指南,您不仅可以解决当前问题,还能深入理解AWS跨账户访问的权限模型。接收方账户的用户或角色必须同时附加IAM策略,显式授权操作目标队列。尽管策略看似允许接收方操作,实际测试中却返回空消息或。
ubuntu22部署c++ 配置opencv4.5.5,opencv_contrib4.5.5,以及opencv下的cuda(cuda11.6,cudnn8.4.1)
哈哈
学Simulink--机器人基础关节控制场景实例:基于Simulink的无刷直流电机(BLDC)关节六步换相位置控制仿真
本文详细介绍了基于Simulink的BLDC六步换相位置控制仿真方法,针对机器人关节的低成本控制需求。重点阐述了霍尔定位、六步换相和位置闭环三大核心原理,通过Simulink建模实现了从霍尔信号处理到位置环控制的全流程。仿真结果表明,该系统可实现0.3°的定位精度和80ms的响应时间,满足教育机器人等应用场景需求。文章还提供了核心代码模块和参数设置方法,并探讨了转矩脉动抑制、无传感器控制等进阶优化方向,为低成本机器人关节驱动提供了实用解决方案。
jre9下载 jdk9
(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】
Windows 11下TensorRT+ONNX+OpenCV深度学习模型部署实战
深度学习模型部署是计算机视觉领域的关键技术环节,其核心在于将训练好的模型高效运行在目标硬件上。TensorRT作为NVIDIA推出的推理优化器,通过层融合、精度校准和内存优化等技术,能显著提升模型推理速度。结合ONNX的跨框架模型交换能力和OpenCV的图像处理管线,可构建完整的边缘计算解决方案。本文以Windows 11为平台,详细演示如何利用Miniforge3管理Python环境,配置CUDA/cuDNN工具链,并通过TensorRT实现3-5倍的推理加速,特别适用于工业质检、智能安防等需要实时视频分
计算机控制技术及应用
《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。
2万+



被折叠的 条评论
为什么被折叠?



