max2009verygood的专栏

1  基于阈值 1.1  原理   灰度阈值化，是最简单且速度最快的图像分割方法，广泛应用在硬件图像处理领域 (例如，基于 FPGA 的实时图像处理)。   假设输入图像为 f，输出图像为 g，则阈值化公式如下：   g(i,j)={10当 f(i, j) ≥ T 时当 f(i, j) 时   也即，遍历图像中的所有像素，当像素值 f (i, j) ≥ T 时，分割后的图像元

2  基于边缘   前一篇 OpenCV 之 边缘检测> 中，介绍了三种常用的边缘检测算子： Sobel, Laplace 和 Canny 算子。   实际上，边缘检测的结果是一个个的点，并不能作为图像分割的结果，必须采用进一步的处理，将边缘点沿着图像的边界连接起来，形成边缘链。 2.1  轮廓函数   OpenCV 中，可在图像的边缘检测之后，使用 findContours

#include #include #include "opencv2/core.hpp" #include "opencv2/core/utility.hpp" #include "opencv2/core/ocl.hpp" #include "opencv2/imgcodecs.hpp" #include "opencv2/highgui.hpp" #include "ope

使用函数detectAndCompute(）检测关键点并计算描述符 函数detectAndCompute(）参数说明： void detectAndCompute( InputArray image, //图像 InputArray mask, //掩模 CV_OUT std::vector& keypoints,//输出关键点的集合 OutputArray descriptor

因为需要用到一些比较新的跟踪算法，这两天装了opencv3.1并配置了opencv_contrib，并使用了SIFT算法测试是否配置成功。 1.opencv3.1安装与配置 这里不多言，不熟悉的可以参考浅墨的博客：http://blog.youkuaiyun.com/poem_qianmo/article/details/19809337 2.opencv_contrib安装与配置 从opencv3以

1. 基于直方图均衡化的图像增强 直方图均衡化是通过调整图像的灰阶分布，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节。 彩色图像的直方图均衡化实现： #include      #include #include using namespace cv; in

#include #include #include #include #include using namespace std; using namespace cv; int main() {     //读取图片     Mat rgbd1 = imread("1.jpg");     Mat rgbd2 = imread("2.jpg");    

/* #include #include "opencv2/core.hpp" #include "opencv2/highgui.hpp" #include "opencv2/features2d.hpp" #include "opencv2/imgproc.hpp" #include"opencv2/xfeatures2d.hpp" using namespace cv