darlingqx的博客

在opencv官方提供了一种定位的思路，就是通过匹配的点来获取透视变换矩阵，然后经过透视变换后就能够获得对应的目标的坐标了。但是可以通过上一章的方法，利用坐标点来直接定位到目标，而不通过透视变换进行定位。但是，当目标不只一个时，并不能全部检测到。在opencv官方提供了一种定位的思路，就是通过匹配的点来获取透视变换矩阵，然后经过透视变换后就能够获得对应的目标的坐标了。

DMatch解析,使用特征点匹配完成目标检测，有了这个之后，便自己尝试了一下，由于匹配结果是进行排序后，也就是越前面准确度越高，所以直接拿前面进行尝试。由于英语水平有限加上描述过于简单，只能凭借感觉来猜测。于是只能取opencv官网查阅。但是看着发现是一头雾水，只有。那么我们依然可以通过。进行访问对象的属性。**可以发现完全匹配上了!!****我只需要绘制出原图的框就可以实现对目标的检测了**

在我们学习特征点检测时，使用特征点检测器，比如ORB和SIFT生成特征点(FAST和SURF好像已经申请专利，较新版本可能用不了)，通常生成的特征点形式是一个，它是KeyPoint类生成的对象。> - Can't parse 'keypoints'. Input argument doesn't provide sequence protocol> - Can't parse 'points2f'. Input argument doesn't provide sequence protocol

前面对手势识别已经差不多完成。这一章来制作一个手势识别GUI界面和说一下精确度不够问题所在。首先是精确度不够的问题： 1. **让手势更规范，手掌张开点。** 2. **首先应该调节Hsv阈值，因为手掌和环境颜色可能有差异。** 3. **调整面积，周长阈值，距离阈值，面积阈值和周长阈值越大，识别的物体更少（即近距离才能识别到），距离阈值就是用来过滤手掌最低点到两根手指最低点的阈值。** 4. **识别方法上更换，不使用我这种根据距离的方法。** 5. **使用机器学习的方法(比如media

【代码】Python使用Opencv图像处理方法完成手势识别(二)**所谓寻找最低点，就是寻找手掌最下面点的坐标****比如这幅图，最左下角的点就是手掌的最低点，获得的方法是使用numpy的**`np.argmax`**函数，将维度设置为图片高的维度，获得最大的高就是获得最低的点。****获取成功之后就将最低点与其他点的距离计算出来：**## 通过距离阈值判断手指根数和手势**然后通过这个距离阈值排除两根手指中间的点:****可以发现左边的图片线的数量比右边少了几根双指中间的。最后我们只需要通过手指线

HSV颜色空间阈值主要是靠调节阈值和来生成掩膜来提取。这是我写的HSV阈值获取的代码:使用方法:运行代码之后，从第一个依次调节滑块，使画面中只有手显示出来。然后按Q退出界面打印阈值。效果如下：准备工作做完，就可以开始进行图像处理了。可以先对单张图片进行处理。效果如下：轮廓绘制首先需要寻找轮廓，然后对轮廓特征，比如面积周长进行进一步过滤，最后对轮廓进行逼近，对轮廓进行逼近有两种。效果如下：由于不使用机器学习方法，缺点就是使用时手往前靠一点，头往后靠一点，防止脸的肤色与手混淆，下一章讲解如何

使用opencv画圣诞树画星星函数：代码如下：尽力了，opencv太难画了效果如下：

(丝滑版)Python使用Opencv画一个哆啦A梦(动态)，内有代码和直接使用程序。如果你想直接下载使用请点击这里

Python使用Opencv画一个哆啦A梦(动态)，内有直接可运行程序，并制作成可执行文件.exe。没找到opencv的填充，就直接用for循环进行颜色填充。for循环进行颜色填充，其他的都是描线。