Learning OpenCV: cvPyrDown and display video

视频处理与缩放
本文介绍了一个使用OpenCV进行视频文件读取,并实现视频帧缩放及显示的应用案例。通过创建窗口、设置滑块来控制视频播放位置,同时利用金字塔算法进行图像下采样处理,展示了如何将视频帧按比例缩小并实时显示。
#include "stdafx.h"
#include <iostream>
#include <fstream>
using namespace std;
#include "cv.h"
#include "highgui.h"
#include <assert.h>


int g_slider_position = 0;
CvCapture * g_capture = NULL;


void onTrackbarSlide(int pos)
{
cvSetCaptureProperty(g_capture,CV_CAP_PROP_POS_FRAMES,pos);
}


int main(void)
{
cvNamedWindow("video",CV_WINDOW_AUTOSIZE);
g_capture = cvCreateFileCapture("E:\\test\\fish1.avi");
int frames = (int)cvGetCaptureProperty(g_capture,CV_CAP_PROP_FRAME_COUNT);
if(frames != 0)
{
cvCreateTrackbar("position","video",&g_slider_position,frames,onTrackbarSlide);
}
IplImage * frame = NULL;
frame = cvQueryFrame(g_capture);
if(g_capture == NULL)
{
cout<<"read video file error!"<<endl;
}
IplImage * outFrame = NULL;
assert(frame->width%2==0 && frame->height%2==0);
outFrame = cvCreateImage(cvSize(frame->width/2,frame->height/2),frame->depth,frame->nChannels);
cvNamedWindow("outvideo",CV_WINDOW_AUTOSIZE);
while(1)
{
frame = cvQueryFrame(g_capture);
if(frame == NULL)
{
break;
}
cvShowImage("video",frame);
//cvSmooth(frame,outFrame,CV_GAUSSIAN,3);
cvPyrDown(frame,outFrame,IPL_GAUSSIAN_5x5);
cvShowImage("outvideo",outFrame);
char c = cvWaitKey(33);
if(c == 27)
{
break;
}
}
cvReleaseCapture(&g_capture);
g_capture = NULL;
cvDestroyWindow("video");
cvDestroyWindow("outvideo");
cvReleaseImage(&outFrame);
outFrame = NULL;
return 0;
}

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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