一个爱编程的人专栏

利用image moment提取图像的边缘信息，所有kernel在RTX 2060上时间6ms

图像算法算子U2FsdGVkX19R0laXM9Q0lTlTY7e775ooBeh1qQOvX8g=

从连接到手机的 OAK-D 设备获取 rgb 和视差图像的 Android 示例

从指定 URL 读取图像并以 OpenCV 格式返回的函数（从指定 URL 读取图像并使其可由 OpenCV 处理。）

深度学习跌倒识别深度学习跌倒识别U2FsdGVkX19UuYsqw252xXz5yTF34Rv1EtdooTA0b1Q=

手势识别，深度学习U2FsdGVkX180qxwh9Qie8xnMeqYQpYwatySm+2U+0MQ=

多路视频GPU实时拼接适用于关键场景应用：广场，机场，火车站，全景...U2FsdGVkX1+RE++vFS7Y2UD3WYldZaeWkVCPv1lMopQ=

遥感图像分析,检测建筑，树，草地，路，水，阴影，赤土地U2FsdGVkX18Zgfz3xSr+a44wFlDUC4G2/6v4mTOLeezrbqdddP3Wy2CwgRxW7U7j 7gspOCmX1bG9mE1dT+VNAcxCp9SB3JAsuAlYKS4ZA2k=

视频去抖动算法视频防抖动算法防抖主要分为两大步骤：(1) 运动估计，找出最优运动向量(2) 运动补偿，根据运动向量补偿当前帧，去除抖动。在计算的过程中又可以和其他方法结合起来，比如帧间去噪，公用buffer.模型如下：防抖算法的核心显然就变成了运动估计,即求(x’,y’)。收罗下常用的方法有：(a) 灰度投影法(b) 块匹配法(c) 位平面匹配法(d) 边缘匹配法(e) 特征点匹配法针对这些方法，稍后介绍下。(a)灰度投影法是一种基...

嵌入式物体检测树莓派速度达到15fps 720P的图像

U2FsdGVkX18Gp2QN5B60KKeDYGlNgo29MXIAqryreEtw2Sn5eAwJX97+VIiMlVUWiBl0WBQDp9O5BxyYyJvcF/rje4hWuO2EqaPS+aUyxzT+zGN5dYqSwwEGNB1acSR5

.质心跟踪算法工作原理获取到待跟踪目标的边界框 计算质心分配ID 计算新质心与现有对象质心之间的距离（欧几里得距离） 更新现有对象坐标 若出现无关联的新质心，则添加为新对象 N个连续帧，旧对象不能与任何现有对象匹配关联则消掉U2FsdGVkX1/DtZhSE3WkLSHjWCBKwwQ9fm8+oqP+jDc=...

U2FsdGVkX1+T1nVorI2cCQtwdwyTbGRi5G+l5ySW+sNJnoyWtWqTVVBqC5zBICJfUB7uOnPzjMmucMDNJgWBdE+nYmmG9emTZu40/SJ3F+MqgXKASPK0eGXi/pC6hVhgN6DytXqIY/vtcy1TsdRu/Q==

该代码适用于宫颈癌风险的智能诊断。目的是提供由专业医生标记的宫颈癌的大规模薄层细胞数据。可以并发并全面使用某种物体检测和深度学习之类的方法来定位宫颈癌的异常鳞状上皮细胞（即ASC），并通过图像对宫颈癌进行分类，从而提高模型检测的速度和准确性，并提供帮助医生真正的诊断。注意：数据和kfbreader可以发布，但将使用实验详细信息。U2FsdGVkX18faQvyOSfQs5zcd...

c写的代码,整合和C++里面,编译器会在预编译头的时候,出现很多错误.这个时候可以去掉编译器的预编译头.如果出现连接错误.将函数定义在c文件中,然后在调用的C++文件中外部声明一下.在用extern  "C"{       extern int NumberMatch(const char* img1_file, const char* img2_file);}; 

前段时间去一家公司面试图象处理算法工程师,人家问一个彩色图象的透明度.我当时怎么也想不起来,还是基础不怎么好.缺乏真正对图象的了解. 后来发现透明色是32位真彩色的最后一个字节分量.即即RGBA模式的A,但是透明色的用途我还真的没有在项目之中处理过.希望处理过的人,告诉我一下

 这个函数就是使用canny边缘检测算子检测图象的边缘.在opencv下使用这个函数之前最好将图象平滑处理一下.要不然可能检测不到边缘.检测到的边缘,这些边缘大多还不是连通区域.可以通过3*3的模板将一些相近的边缘连接起来.也可以用cvDilate进行处理一下.一些图象重要信息就体现出来了.这样可以再找连通区域. cvSmooth(lpImage,lpImage);cvCanny(

关于人脸器官检测,脸部的器官的一些特征可以用上.比方说嘴和鼻子在两眼的距离之间.鼻子的位置在眉心之间.最在脸的下面四分之一.鼻子的水平区域在1/2和1/3之间, 竖直在两眼之间.有了这些信息,定位器官就简单多了.可以先检测出脸部,然后分这些区域角点检测,找到最外围的角点,这些就是这些器官所在的区域. 要不然只能训练出器官的特征信息,然后根据这些特征信息匹配人脸图象了.可以模板匹配.这样

 /**   * Real Time Eye Tracking and Blink Detection with OpenCV   *   * @author  Nash me@nashruddin.com>   * @license GPL   * @website http://nashruddin.com   *   * See the tutorial at   * http://nash

:lol A=imread('C:\Downloads\011.JPG');A=rgb2gray(A);figureimshow(A);A=double(A);[M,N]=size(A);a=0.32;xm=255/2;f1=zeros(M,N);for i=1:M    for j=1:N        if A(i,j)            f

int bgr2hsi2(Mat &image,Mat &hsi){ if(!image.data){  //cout  return -1; } int nl = image.rows; int nc = image.cols; if(image.isContinuous()){  nc = nc*nl;  nl = 1; } Mat(image.

int _tmain(int argc, TCHAR* argv[], TCHAR* envp[]){ char ch[] = { 'x', 'x', '.', 'j', 'p', 'g', '\0'}; std::string str = ch; Mat mat1 = imread(str); namedWindow("test1"); imshow("test1", m

  图像的几何变换我们知道，图像是对三维实际景物的平面投影。为了观测需要，常常需要进行各种不同的几何变换。 ★注意一点，实际上几何变换不改变像素值，而是改变像素所在的位置。   1．图像的平移图像的平移非常简单，所用到的是中学学过的直角坐标系的平移变换公式：     x ‘ =  x +dx    y’ =  y + dy 注：(x,y)为源图像的坐标,(x’,