aibotlab的博客

1、主题　　之前我们已经在Getting Started Guide接触了代码拼写提示这一帮助功能，这里我们将详细的介绍它。　　拼写提示就是以列表的形式给出当前位置下可用的单词（函数名、类名、变量名等）。　　2、启用拼写提示功能　　在任何情况下我们都可以通过Ctrl+Space快捷键来启动拼写提示功能。　　事实上，拼写提示功能在你输入代码的过程中是默认启动的，当然也包括输入点号之后的域成员提示功能。

OpenCV-IDE工具-使用Qt进行OpenCV开发 author@jason_ql Qt下载：https://www.qt.io/download/Qt是开发C++应用程序的跨平台IDE，是作为开源项目发展起来的。你可以在LPGL 开源协议下使用Qt，也可以在商业（付费）协议下用Qt开发专有项目。它由两个独立的部分组成：一个称为Qt creator的跨平台IDE、一系列Qt类库和开发工具。

矩、中心矩、质心、patch方向author@jason_q http://blog.youkuaiyun.com/lql0716１、几何矩理论1.1 矩与数学期望数学期望 定义（一维离散）：设X∈[a,b]\mathbf X \in [a,b]，密度为f(x)f(x)，数学期望为： E(X)=∑i=1∞xiP(xi)E(\mathbf X) = \sum_{i=1}^{\infty}x_i P(x

Harris角点检测(Python-OpenCV)1.1 角点角点：是一类含有足够信息且能从当前帧和下一帧中都能提取出来的点。最普遍使用的角点的定义是由Harris提出的。典型的角点检测算法：Harris角点检测、CSS角点检测好的角点检测算法的特点：1、检测出图像中“真实的”角点；2、准确的定位性能；3、很高的重复检测率（稳定性好）；4、具有对噪声的鲁棒性；5、具有较高的计算效率1.2

曲率卷积核提取图像曲率author@jason http://blog.youkuaiyun.com/lql07161 曲率卷积核该卷积核为3*3的窗口，该窗口参看：https://zhuanlan.zhihu.com/p/23132541 -1/16 5/16 -1/16 5/16 -1

https://sourceforge.net/projects/opencvlibrary/files/opencv-win/

矩阵转换为一维数组>>>from compiler.ast import flatten>>>Xmatrix([[ 1, 17, 13, 221, 289, 169], [ 1, 17, 14, 238, 289, 196], [ 1, 17, 15, 255, 289, 225], [ 1, 18, 13, 234, 324

Ubuntu 16.04 64位+anaconda2+opencv 3.2.0 + opencv_contrib 3.2.01、opencv 3.2.0 + opencv_contrib 3.2.0安装安装步骤见：http://blog.youkuaiyun.com/lql0716/article/details/545647212、anaconda2安装2.1 anaconda2下载 https://

利用opencv训练基于Haar特征、LBP特征、Hog特征的分类器cascade.xmlauthor@jason_ql http://blog.youkuaiyun.com/lql07161 利用opencv训练基于Haar特征、LBP特征、Hog特征的分类器cascade.xml该训练是基于adaboost算法训练的。工具： 1、opencv_createsamples.exe 2、opencv_

FAST角点检测算法author@Jason http://blog.youkuaiyun.com/lql07161、FAST角点检测原理算法步骤： 1、在图像中任选一点p， 假定其像素（亮度）值为 Ip 2、以3为半径画圆，覆盖p点周围的16个像素，如下图所示 3、设定阈值t，如果这周围的16个像素中有连续的n个像素的像素值都小于 Ip−t或者有连续的n个像素都大于Ip+t， 那么这

author@jason_qlImportError: /home/jason/anaconda2/bin/../lib/libstdc++.so.6: version `GLIBCXX_3.4.21' not found (required by /home/jason/anaconda2/lib/python2.7/site-packages/cv2.so)

python-opencv-kmeans聚类1 python-opencv-kmeans聚类# -*- coding: utf-8 -*-"""Created on Sat Dec 31 15:35:59 2016@author: User"""import cv2import numpy as nppoint = np.float32([[0,1],[1,1],[1,0],[1,2],[-

1、anaconda+opencv+Spyder读取视频所用版本： Anaconda：python2.7, win64 opencv: 2.4.11安装Anaconda后，python和opencv的所有文件都在Anaconda2这个文件夹里。在该框架下，试了几次本文第2部分的方法都无法读取视频，复制到Anaconda下也是无效的。python集成安装Anaconda http

利用Python学习OpenCV，个人感觉比较方便。函数的形式与C++基本相同，所以切换过来还是比较好的，对于像我这种对python不太熟练的人，使用python的集成开发环境PyCharm进行学习，可以设置断点调试，有助于我这类初学者理解掌握。下面是利用python语言结合OpenCV进行SIFT特征进行匹配的代码：# -*- coding:utf-8 -*- __author__ = 'Mi

提示： 转载请详细注明原作者及出处，谢谢！ 本文介绍使用OpenCV-Python进行形态学处理 本文不介绍形态学处理的基本概念，所以读者需要预先对其有一定的了解。定义结构元素 形态学处理的核心就是定义结构元素，在OpenCV-Python中，可以使用其自带的getStructuringElement函数，也可以直接使用NumPy的ndarray来定义一个结构元素。首先来看用getStruc

#从Opencv中导入函数import cv2.cv as cv#创建一个窗口，命名为you need tostruggle,#cv.CV_WINDOW_AUTOSIZE这个参数设定显示窗口虽图片大小自动变化cv.NamedWindow('You need to struggle', cv.CV_WINDOW_AUTOSIZE)#加载一张图片，第二个参数指定当图片被加载后的格式，还有另外两个可选参数

python数组写入txtimport codecslist = [[1,2],[3,4]]s = u'亚像素精度：\r\n' #u表示读取中文，\r\n为换行符f = codecs.open("main.txt",'w','utf-8')f.write(s)#f.write(str(list))for i in list: f.write(str(i)+'\r\n') #\r\n

1、 python-opencv将图片 / 视频帧写为视频import cv2fps = 24 #视频帧率fourcc = cv2.cv.CV_FOURCC('M','J','P','G') videoWriter = cv2.VideoWriter('D:/testResults/match/flower2.avi', fourcc, fps, (1360,480)) #(1360,

python-opencv-直方图cv2.calcHist()的使用mask表示选取某一区域进行统计其直方图，并与原图的直方图做对比import cv2import numpy as npimport matplotlib.pyplot as pltimg = cv2.imread('D:/testSource/match/flower/fphoto1/0.jpg',0) #直接读为灰度图像

python-opencv 直方图目标区域匹配1、python-opencv 直方图目标区域匹配该方法可以匹配目标的大致区域，匹配过程中容易受颜色，光照，背景变化的影响#首先确定目标区域的矩形框坐标，只需左上角的点和右下角的点的坐标，即mouseStart和mouseEnd，前一帧img1，当前帧img2def hist(mouseStart, mouseEnd, img1, img2):

python-opencv-鼠标事件-画框圈定目标1、python-opencv-鼠标事件-画框圈定目标在视频/相机中，用鼠标画矩形框，圈定目标，从而获得鼠标的起始坐标点a、终止坐标点b# -*- coding: utf-8 -*-"""Created on Tue Dec 27 09:32:02 2016@author: User"""import cv2import numpy as

FAST角点检测算法（二）- 非极大值抑制筛选fast特征点author@jason_ql（lql0716） http://blog.youkuaiyun.com/lql0716fast角点检测算法参考文章《fast角点检测算法》（涵盖fast角点检测原理及C++、python代码，以及效果图）非极大值抑制，就是对于一个3*3（或5*5,7*7等奇数窗口）的窗口，如果存在多个特征点，则删除响应值较小的特征