lcj1105的专栏

策略设计模式就是将算法封装在类中，比如我们见到的进行一个二值化算法；#include #include#include using namespace cv;using namespace std;class ColorDetector{ private: int minDist; Vec3b target; Mat

摘要 　　本文通过opencv来实现一种前景检测算法——GMM，算法采用的思想来自论文[1][2][4]。在进行前景检测前，先对背景进行训练，对图像中每个背景采用一个混合高斯模型进行模拟，每个背景的混合高斯的个数可以自适应。然后在测试阶段，对新来的像素进行GMM匹配，如果该像素值能够匹配其中一个高斯，则认为是背景，否则认为是前景。由于整个过程GMM模型在不断更新学习中，所以对动态背

#include "opencv2/objdetect/objdetect.hpp"#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/video/tracking.hpp"#include #include using namespace std;

百度了一下mexopencv配置，各种麻烦复杂有无效的方法，现介绍最简易的mexopencv配置方法。1、matlab得装2011以上2、下载mexopencv  https://github.com/kyamagu/mexopencv   （最新的为3.0，但现在一般还是下载2.4的更靠谱）3、下载opencv2.4.11并安装 ,下载地址 http://opencv.org/4

//---------------------------------【头文件、命名空间包含部分】----------------------------// 描述：包含程序所使用的头文件和命名空间//------------------------------------------------------------------------------------------------

学习hough变换，对其中的pt1.x = cvRound(x0 + 1000*(-b));不是很理解。最终在别的博客中找到了答案，现拿来分享下。pt1与pt2点的计算方法 。这里已知下图中的rh0 和θ，现在只需要求图中“任意”两点， 就能用cvLine画出pt1 -> pt2的直线 。看看下图 就明白这里1000什么的是为什么了。这里是取了点(x0,

基于内容的图像分析的重点是提取出图像中具有代表性的特征，而线条、轮廓、块往往是最能体现特征的几个元素，这篇文章就针对于这几个重要的图像特征，研究它们在OpenCV中的用法，以及做一些简单的基础应用。一、Canny检测轮廓在上一篇文章中有提到sobel边缘检测，并重写了soble的C++代码让其与matlab中算法效果一致，而soble边缘检测是基于单一阈值的，我们不能兼顾到低阈值的

1. 先下载OpenCV的源码   https://github.com/Itseez/opencv/tree/2.42. 解压到任意目录    unzip opencv-2.4.zip3.进入源码目录    cd opencv-2.44. 事先安装一些软件    sudo apt-get install build-essential cmak

错误类型：Corrupt JPEG data: 36 extraneous bytes before marker 0xd9原因：opencv imread默认有错误直接跳过，不会返回，需要修改源码才能使之报错① 修改 modules/highgui/src/grfmt_jpeg.cpp 文件，在error_exit()函数下面添加以下代码：METHODDEF(void)