enginelong的博客

import cv2import numpy as npvideo_path = "D:\\opencv\\lane_detection.mp4"video_capture = cv2.VideoCapture(video_path)def roi(img, vertices): # 定义一个和输入图像同样大小的全黑图像mask mask = np.zeros_like(img) # 判断输入图像的通道个数 if len(img.shape) > 2:

gaussian = cv2.createBackgroundSubtractorMOG2() #实例化高斯混合模型对象frame_gaussian = gaussian.apply(frame) #对图像frame应用模型import cv2import numpy as np#创建视频流对象videocapture = cv2.VideoCapture("E:\\opencv\\object.avi")#自定义椭圆形内核kernel = cv2.getStructuringElemen

检测图像中的线条时经常会使用到Hough变换一条直线以参数形式将其表示为表示原点到该直线的垂直距离表示该直线的垂线和水平轴形成的角度(以逆时针方向为正，反之为负)Hough变换原理涉及到 image space 和 Hough space 的相互转换image space 中image space 中的点表现为Hough space 中的一条正弦曲线，image space 中的一条直线映射到 Hough space 中就是多条正弦曲线的交点，交点的坐标即 image space 中直线的

hrris检测类别分为flat、edge、corner三类flat：沿x、y方向梯度变化均不明显，可判定为普通平面区域edge：沿x方向梯度变化明显，y方向不同明显，可以判定为y方向的边界corner：沿x、y方向梯度变化都非常明显，可判定为一个角点数学证明设图像上的点坐标（x，y），经过平移之后定义自相似性为：其中，w(u,v)是权值，赋予图像窗口中不同点不同的重要性，比如可以是常数或者高斯加权函数。我们不妨设w=1便于推导公式由于右式不利于化简，可用其泰勒展开式近似：因

像素值(高于/低于)阈值时，像素赋予(新值/保持不变）opencv–简单阈值–cv2.thresholdcv2.threshold(InputArray src, minval, double thresh, double maxval, int type)参数说明src: 原灰度图像minval: 下限可能赋予的值，默认为0thresh：阈值maxval：上限可能赋予的值，一般设置为255int type：阈值类型， 决定二值化操作的具体方式，以下详细说明c