h_wlyfw的专栏

先看效果 说明 使用分水岭算法对图像进行分割，设置一个标记图像能达到比较好的效果，还能防止过度分割。 1、这里首先对阈值化的二值图像进行腐蚀，去掉小的白色区域，得到图像的前景区域。并对前景区域用255白色标记 2、同样对阈值化后的图像进行膨胀，然后再阈值化并取反。得到背景区域。并用128灰度表示 3、将前景和背景叠加在一起在同一幅图像中显示。 4、用标记图和原图，利用openc

opencv对图像进行边缘及角点检测 先看结果： 代码： // ConsoleApplication1_812.cpp : Defines the entry point for the console application. // #include "stdafx.h" #include "opencv2/opencv.hpp" class Imagedetector{

Color Reduce 还是使用经典的Reduce Color的例子，即对图像中的像素表达进行量化。如常见的RGB24图像有256×256×256中颜色，通过Reduce Color将每个通道的像素减少8倍至256/8=32种，则图像只有32×32×32种颜色。假设量化减少的倍数是N，则代码实现时就是简单的value/N*N，通常我们会再加上N/2以得到相邻的N的倍数的中间值，最后图像被量

开运算 (Opening) 开运算是通过先对图像腐蚀再膨胀实现的。 能够排除小团块物体(假设物体较背景明亮) 请看下面，左图是原图像，右图是采用开运算转换之后的结果图。 观察发现字母拐弯处的白色空间消失。 闭运算(Closing) 闭运算是通过先对图像膨胀再腐蚀实现的。 能够排除小型黑洞(黑色区域)。

图像金字塔 目标 本文档尝试解答如下问题： 如何使用OpenCV函数 pyrUp 和 pyrDown 对图像进行向上和向下采样。 原理 Note   以下内容来自于Bradski和Kaehler的大作： Learning OpenCV 。 当我们需要将图像转换到另一个尺寸的时候， 有两种可能： 放大 图像 或者缩小 图像。

原理摘自：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/threshold/threshold.html 目标： 本节简介： OpenCV中的阈值(threshold)函数： threshold 的运用。 基本理论： 注意： 本节的解释出自Bradski与Kae

// ConsoleApplication3_6_23.cpp : Defines the entry point for the console application. // #include "stdafx.h" #include #include using namespace std; using namespace cv; Mat src,dst,gray; int pro_typ

霍夫变换（直线） 原理摘自：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/hough_lines/hough_lines.html 目标 在这个部分您将学习到: 使用OpenCV的以下函数 HoughLines 和 HoughLinesP 来检测图像中的直线.

先看一个简单的例子 代码： // ConsoleApplication3_6_23.cpp : Defines the entry point for the console application. // #include "stdafx.h" #include #include #include using namespace std; using namespace cv;

原理 Camshift算法是Continuously Adaptive Mean Shift algorithm的简称。它是一个基于MeanSift的改进算法。它首次由Gary R.Bradski等人提出和应用在人脸的跟踪上，并取得了不错的效果。由于它是利用颜色的概率信息进行的跟踪，使得它的运行效率比较高。 Camshift算法的过程由下面步骤组成： （1）确定初始目标及其区域；

1、首先计算出一幅图像的直方图 //计算直方图 cv::MatND ImageHist::getHist(const cv::Mat &image){ cv::Mat im; if(image.channels() == 3) cv::cvtColor(image,im,CV_RGB2GRAY,0); else im = image; float r[2]; r[0] = 0