qq_43456016的博客

在使用OpenCV加载和运行PyTorch模型时，需要将模型转换为ONNX格式。此外，由于PyTorch和OpenCV使用的数据类型和颜色通道顺序不同，因此需要进行数据格式和颜色通道的转换。OpenCV可以调用PyTorch模型。通过将PyTorch模型转换为ONNX格式，然后使用OpenCV中的dnn模块加载和运行模型。

在尽量保留原有信息的情况下，过滤掉图像内部的噪声，这过程成为。本次所写小程序可对图像。

分水岭算法将图像看作地理学中的地形表面，图像中的高灰度值区域被看作山峰，低灰度值区域被看作山谷。进而实现图像的分割。假如我们向“山谷”中注水，水位则会逐渐升高，然后不同山谷的水就会汇集在一起，如果我们阻止来自不同山谷的水汇集，我们需在水流可能交汇处建立堤坝，我们需要把图像分成两个不同的集合：集水盆地和分水岭线。我们建立的堤坝即是分水岭线，也即是对原图像的分割。但是由于图像中的噪声或任何其他不规则性，这种方法会造成过度分割的结果。所以OpenCV。

# 使用OpenC C++ API转换PyTorch分类模型并推理 1、将PyTorch分类模型转换为ONNX格式 使用pytorch的`torch.onnx.export()`接口将模型转换为onnx格式。下例以`resnet50`为例进行演示。

在ultralytics/YOLO V5中官方给出了利用opencv c++ cuda 进行YOLO V5加速的实例代码，但是代码中并没有给出相关注释，今天花了些时间，把示例源码仔细看了看，并把每一部分都进行了详细注释。内容在下方，欢迎大家交流学习。

以前学习opencv-python的时候，为了锻炼一下python的code习惯，基于膨胀与腐蚀运算，重新实现封装了一下开运算、闭运算、黑帽运算等形态学计算。