Johnor的博客

一个使用PythonQT设计的树莓派的上位机，功能大概如下1.笔记本电脑与树莓派的通讯是否成功显示（给个信号显示判断是否通讯成功）；2.阈值的设置显示；3.图像成像的显示；4.是否发生火灾报警显示。5.当前像素灰度值最大值和最小值显示。6.对以上主要信息数据（时间年月日时分秒信息、阈值数据、灰度值最大值和最小值、是否发生火灾报警信息）的采集保存，用excel或txt存就行。

在Canny边缘检测算法中，这两个阈值的选择非常关键。相反，如果阈值设置得太高，则可能会导致有用的边缘信息被遗漏。通常，高阈值是低阈值的两到三倍是一个不错的起点，但最佳值取决于具体的应用和图像特性。这个阈值用于确定哪些边缘是真正的边缘。如果像素的梯度强度高于高阈值，那么它一定是边缘的一部分。而如果像素的梯度强度介于两个阈值之间，则该像素只有在与高于高阈值的像素相连时才被视为边缘的一部分。如果一个像素的梯度强度高于低阈值，那么它可能被视为边缘的一部分。函数时，其中的两个参数是用于边缘检测的阈值。

因此，当你在 getContours 函数中调用 drawContours 修改 img 时，它实际上修改的是共享的数据，从而影响了原始的图像数据。当你创建一个 Mat 对象并将其传递给另一个函数时，即使是按值传递，传递的也只是对象的头部信息（包括对实际数据的引用），而不是整个数据。这意味着，即使在函数中对传入的 Mat 对象进行修改，它也会影响原始的 Mat 对象，因为它们共享相同的数据。当你创建一个新的 Mat 对象并将其赋值给另一个 Mat 对象时，两者会共享相同的数据，只是引用计数会增加。

注意图像的相对位置，opencv项目的位置是与相关的exe文件同目录的，这个OpenCVDemo.exe才是项目的根目录，至于为什么和python版本的opencv不一样，是因为C++是编译型语言，与python这种解释型语言不同。目录下，然后将目录E:\opencv\opencv\mingw_build\install\x64\mingw\bin加入到系统环境变量中，这个就不用我多说了，系统环境变量怎么设置看我这篇。注意设置opencv的目录，这样项目的寻找头文件的根目录就是。，用来存放编译生成的文件。

【代码】YoloV5实时推理最短的代码。

将ros机器人摄像头捕捉的画面在上位机实时显示，需要用到socket网络编程，提供了TCP和UDP两种方式。

特征描述符是一种在计算机视觉和图像处理中用来描述图像中特定点（或区域）属性的向量或集合。增强现实（AR）：在AR应用中，描述符可以用于识别图像中的特定模式或对象，以便将虚拟对象与真实世界相结合。特征描述符是计算机视觉中一个非常重要和基础的概念，它提供了一种有效的方式来理解和分析图像内容。三维重建：在多视图几何和三维重建中，可以使用描述符来找到多幅图像中的对应点，以估计三维结构。高维向量：特征描述符通常是高维向量，它包含了描述特定点（或区域）的多种属性的数值。描述符是128维的向量。

最终，函数返回一个包含重新排列后的四个角点的数组 myPointsNew，这样你就可以使用这些点来进行后续的操作，如透视变换。将输入的 myPoints 数组重新排列为一个 4x2 的数组，其中每一行包含一个点的x和y坐标。计算每个点的x和y坐标之差，以确定左下角和右上角的点。diff 数组包含了这些差值。计算每个点的x和y坐标之和，以确定左上角和右下角的点。add数组包含了这些和值。通过找到差值最小的点和差值最大的点来确定左下角和右上角的点。通过找到和最小的点和和最大的点来确定左上角和右下角的点。

函数是代码的核心部分，负责处理网络的输出并在图像上找到并绘制目标对象。bbox = []confs = []int100%',本项目展示了如何结合深度学习和传统计算机视觉技术来实现实时目标检测。通过 OpenCV 和 YOLOv3，我们能够在普通计算机上实时检测摄像头捕获的图像中的对象。实用性: 代码可用于许多实际应用，如监控、人机交互、机器人导航等。灵活性: 通过修改参数和模型，代码可以轻松适应不同的场景和需求。可访问性: 代码使用了开源和广泛使用的库和模型，使其容易理解和扩展。

它使用了 MediaPipe 的手部解决方案，并提供了在图像上绘制手部标记和连接线的功能。通过调用这些方法，你可以在视频流或静态图像中跟踪手部，甚至找到特定手部标记的位置。该函数负责将一个图像叠加到另一个图像上的特定位置。它遍历覆盖图像的每个像素，并将非透明像素复制到背景图像的相应位置。这个代码集成了多个功能：通过摄像头捕获图像，检测人脸并在人脸上叠加图像，检测手部并通过手指之间的距离控制系统音量，然后通过 OpenCV 实时显示结果。

用了一点初中数学的知识，准确度，跟鼠标点的准不准有关系，话不多说直接上代码。

【代码】open cv学习 （十一）视频处理。

【代码】open cv学习 （十）图形检测。

【代码】open cv学习 （八）滤波器。

【代码】open cv学习 （七）模板匹配。

【代码】open cv学习 （六） 图像的运算。

【代码】open cv学习 （五） 图像的阈值处理。

【代码】open cv学习 （四）图像的几何变换。

【代码】open cv学习 （三） 绘制图形和文字。

【代码】open cv学习 （二）色彩空间和通道。

【代码】open cv学习 （一）像素的操作。

【代码】open cv学习 （九）腐蚀和膨胀。