csldh的博客

// 分水岭.cpp: 对图片用分水岭算法进行分割 // #include "stdafx.h" #include #include #include using namespace cv; using namespace std; int main() { Mat srcImage = imread("source.jpg", 0); Mat dstImage = imread("so

今天进行了简单的图像修补// 图像修补.cpp: 先对图像进行破坏，然后进行修补 // #include "stdafx.h" #include #include #include #include using namespace std; using namespace cv; #define WIN_NAME1 "【原始图】" #define WIN_NAME2 "【修补后的效果图】"

灰度直方图要用到函数calcHist()，该函数有三种重载形式。// 灰度直方图.cpp: 画出灰度图像的灰度直方图// #include "stdafx.h" #include #include #include using namespace std; using namespace cv; int main() { Mat srcImage = imread("face.jpg", 0);

直方图对比的函数是compareHist()，传入的参数有三个，前两个为直方图，第三个为采用什么方法计算相似度 #include "stdafx.h" #include #include #include using namespace std; using namespace cv; int main() { Mat srcImage1, srcImage2; srcImage1 = im

今天刚看了一个公开课，学到了更多的访问像素的方法。 1、借助at

灰度图是一个由像素组成的矩阵，目前大部分的灰度图中的像素用1B存储即8bit，比特平面分层的意思是将所有像素的相同比特拿出来单独组成一个矩阵，这样就会有八个矩阵。根据冈萨雷斯的《数字图像处理》，高比特部分的图像所含信息量大，而低比特部分所含信息量少。这样的理论对于以后做计算机视觉或者图像压缩很有帮助。代码如下： // 比特平面分层.cpp: 实现灰度图的比特平面分层 // #include "

正在用opencv3做一个数字图像识别的小项目，要用到KNN，但是不熟悉它的接口，因此，借鉴了大佬的博客，基本照搬了代码，代码如下： 大佬的链接如下：http://www.cnblogs.com/denny402/p/5033898.html // knnrecognizenum.cpp:使用knn识别手写数字 // #include "stdafx.h" #include #include

基于opencv3的手写板、画图板（c++版本）

import cv2 import numpy as np url="rtsp://admin:111111@xx.xx.xx.xx/Streaming/Channels/1" cap=cv2.VideoCapture(url) cascade = cv2.CascadeClassifier("./haarcascade_frontalface_alt.xml") while True:   ...