siliang13的专栏

本文转载自http://blog.youkuaiyun.com/kevin_ut/article/details/5838389在网上找了中文资料，发现大多都是转载那两篇文章，而且那两篇文章讲的都有误差，经过两天的摸索，我终于训练分类器成功了，在此与大家分享。 参考英文资料网址： http://note.sonots.com/SciSoftware/haartraining.html#e134e7

本文转载自http://blog.youkuaiyun.com/onezeros/article/details/6319180粒子滤波的理论实在是太美妙了，用一组不同权重的随机状态来逼近复杂的概率密度函数。其再非线性、非高斯系统中具有优良的特性。opencv给出了一个实现，但是没有给出范例，学习过程中发现网络上也找不到。learning opencv一书中有介绍，但距离直接使用还是有些距离。在经

本文转载自http://blog.youkuaiyun.com/onezeros/article/details/6318944在机器视觉中追踪时常会用到预测算法，kalman是你一定知道的。它可以用来预测各种状态，比如说位置，速度等。关于它的理论有很多很好的文献可以参考。opencv给出了kalman filter的一个实现，而且有范例，但估计不少人对它的使用并不清楚，因为我也是其中一个。本文的

VideoCapture类提供了各项视频操作打开摄像头或读取本地视频文件VideoCapture cam(0);//打开摄像头VideoCapture cam("a.avi");//打开本地文件判断是否成功加载视频if ( !cam.isOpened()){cout << "Could not open reference " << sourceReference << e

滤波1归一化滤波：最简单的滤波器，所有核元素权重一样，用核元素的平均值作为输出值。2高斯滤波：最有用的，尽管不是最快的。分为1D和2D3中值滤波：核元素权重不一样，也是用所有核元素的平均值作为输出值。4双边滤波：核元素权重分为两部分，一部分与高斯滤波一样，一部分跟近邻像数和估计像数在密集度上的不同有关。代码如下：#include "opencv2/imgproc/imgpr

Performs a point-in-contour test.C++: double pointPolygonTest(InputArray contour, Point2f pt, bool measureDist)Parameters:contour – Input contour.输入轮廓pt – Point tested against

直方图均衡化equalizeHist#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include #include using namespace cv;using namespace std;/** @function main */int main( in

Laplacian算子是求图像的二阶导，跟sobel算子很相似。代码如下#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/highgui/highgui.hpp"#include #include using namespace cv;/** @function main */int main( int ar

当我们找到轮廓后可以用opencv中的Convex Hull函数来求出轮廓凸包，也可用boundingRect求出边缘矩形，minEnclosingCircle求出外接圆，再用drawcontours画出凸包、边缘矩形和外接圆。approxPolyDP用来使多边形平滑化boundingRect用来找长宽方向上的矩形minEnclosingCircle用来找最小外接圆

1 SurfFeatureDetector检测图像中的surf特征 2 计算特征向量，SurfDescriptorExtractor3 再用强制匹配器匹配两幅图中的surf特征例子如下：#include #include #include "opencv2/core/core.hpp"#include "opencv2/features2d/features2d.hpp"#

特征分为三种形式：边缘、角点（兴趣点）、斑点（感兴趣区域）角点代表了图像中的该点的梯度变化，角点是同时在多个方向上变化的点，相对于边缘，更加具有独特性。 Harris corner角点的基本思想是通过一个小窗口来观察，因此很容易识别出角点来。因为在这些方向上，想任意方向移动窗口都会在窗口的亮度分布上给出很大的变化。图像中的点可以分为三类：“flat”，“edge”，“corner”，Harri

本文转载自http://blog.youkuaiyun.com/carson2005/article/details/7841443之前介绍过Hog特征(http://blog.youkuaiyun.com/carson2005/article/details/7782726)，也介绍过SVM分类器（http://blog.youkuaiyun.com/carson2005/article/details/6453502 ）；而

本文转载自http://blog.youkuaiyun.com/homechao/article/details/9239219有时,我们只需要对一幅图像的一部分进行处理.本节会教会我们如何定义感兴趣的区域.Getting ready假设我们想合并两个不同大小的图像.例如,我们将下面的小的图标添加到我们的测试图像上:但是使用cv::add函数要求两个图像具有相同的大小.在这个例子中,必

本文转载自http://www.cnblogs.com/tornadomeet/archive/2012/08/15/2640754.html 一、网上一些参考资料　　     在博客目标检测学习_1(用opencv自带hog实现行人检测) 中已经使用了opencv自带的函数detectMultiScale()实现了对行人的检测，当然了，该算法采用的是hog算法，那么hog算法是怎样实

本文转于http://m.blog.youkuaiyun.com/blog/tianzhaixing/8741460本文主要使用DFT相关函数实现对水平文本和旋转文本的DFT变换，在幅度谱中识别文本的变换，从而为图像旋转的检测和校正做准备。#include "opencv2/core/core.hpp"#include "opencv2/imgproc/imgproc.hpp"#include "open

此文转载于http://blog.youkuaiyun.com/yang_xian521/article/details/7182185，博主总结的挺好，遂收藏之。1.存取单个像素值最通常的方法就是[cpp] view plaincopyimg.at(i,j) = 255;  img.at(i,j)[0] = 255;  

CascadeClassifier类中的函数如下：1 empty判断分类器是否加载成功；2 load加载训练好的xml文件；3 read读取xml文件；4 detectMultiScale多尺度检测目标，返回一系列矩形；C++: void CascadeClassifier::detectMultiScale(const Mat& image, vector& objects,

在OpenCV中，函数cvGoodFeaturesToTrack()采用了Shi和Tomasi提出的方法，先利用sobel算子计算二阶导数，再计算特征值，它返回满足易于跟踪的一系列角点。函数定义如下：GoodFeaturesToTrack确定图像的强角点void cvGoodFeaturesToTrack( const CvArr* image, CvArr* eig_image, C

Mat findHomography(InputArray srcPoints, InputArray dstPoints, int method=0, double ransacReprojThreshold=3, OutputArray mask=noArray() )寻找两个匹配点的变换。然后用perspectiveTransform进行映射。C++: void perspe

opencv提供findContours函数从一副二值图像中寻找轮廓，drawContours在指定的图像中画出寻找到的轮廓。可用Canny函数将输入图像转换成二值图像，Canny边缘检测函数，得到的图像为二值型。代码如下#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#incl

opencv提供模板匹配方法有6种，分别为1. method=CV_TM_SQDIFF2. method=CV_TM_SQDIFF_NORMED3. method=CV_TM_CCORR4. method=CV_TM_CCORR_NORMED5. method=CV_TM_CCOEFF6. method=CV_TM_CCOEFF_NORMED其中第一第二种方法为返回值越

opencv中计算Back Projection的函数为calcBackProject，mixChannels是用来从输入中拷贝某通道到输出中特定的通道。还是以例子说明(1)例如灰度图像如下Image=  0    1    2    3  4    5    6    7  8    9   10   11  8    9   14   1

1创建自己的滤波器2应用滤波器，采用opencv提供的函数filter2D代码如下：#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/highgui/highgui.hpp"#include #include using namespace cv;/** @function main */int

本文转载至http://blog.youkuaiyun.com/jarvischu/article/details/8481510#include "stdafx.h"#include #include "opencv2/opencv.hpp"using namespace std;int _tmain(int argc, _TCHAR* argv[]){//创建X

saturate_cast防止数据溢出函数for( int x = 0; x 14 {15 Uptr[x] = saturate_cast((Uptr[x]-128)/2 + 128);1617 // Method 3. process the second chroma plane using individual element access18 uchar& Vxy

minAreaRect计算最小的倾斜矩形；fitEllipse计算椭圆。代码如下#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include #include #include using namespace cv;using namespace st

霍夫直线变换分为两种;1标准霍夫直线变换输出为极坐标数组，函数为HoughLines2概率霍夫直线变换输出为探测到的直线的两点笛卡尔坐标，函数为HoughLinesP代码如下：#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include using nam

图像金字塔中有pyrUp和pyrDown两个函数，一个是上采样，另一个是下采样，其实就是resize。一般高斯金字塔为下采样，而拉布拉斯为上采样例子如下：#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/highgui/highgui.hpp"#include #include #include usin

本文转载自http://blog.youkuaiyun.com/thefutureisour/article/details/7602652#先看提取轮廓的代码：[cpp] view plaincopyMat image = imread("D:/picture/images/binaryGroup.bmp",0);  if(!image.dat

近段时间突然对opencv产生兴趣，遂循迹而来。今天学习了mat结构和老版本Iplimage结构，mat更人性化，自动管理内存，再也不用担心没有释放内存了。mat和Iplimage之间也可以相互转化。

主要是采用opencv中的copyMakeBorder(函数；代码如下：#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/highgui/highgui.hpp"#include #include using namespace cv;/// Global VariablesMat src, dst;

canny算法步骤：1采用高斯核滤去噪声；2求图像的梯度方向和梯度，可用sobel算子；3非最大抑制应用：即没有被认为是边缘的像数就去除，留下候选边缘；4判断边缘，设定了两个阈值，判断标准如下：大于大阈值就认为是边缘，小于小阈值认为不是边缘，介于两者之间则需再次判断，如果该像数点周围连接了大于大阈值的边缘的就认为是边缘。大小阈值之比建议为2或3:1代码如下;#inc

本文转载自http://www.cnblogs.com/zcftech/archive/2013/04/17/3026902.html上一节我们已经将图片进行降维处理，这样做的目的就是要在保持对象间差异的同时降低处理数据量。除了PCA外，LDA也是一种比较简单实用的降维方法，大家可以对比两种降维方法；基于PCA降维后的数据，我们接着要做的是用训练数据将测试数据表示出来接

边缘检测时可以采用sobel算子，主要用到的opencv函数是GaussianBlur、Sobel、convertScaleAbs、addWeighted首先高斯滤波再分别进行x方向和y方向计算梯度，然后取绝对值后加权融合。代码如下：#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/highgui/highgui.hpp"#

/*在提取surf特征时，从官方文档复制过来的代码，编译报错。查了下是包含文件问题，SurfFeatureDetector在#include 文件中，以前版本是在#include "opencv2/features2d/features2d.hpp"中，SurfDescriptorExtractor在#include中，所以要包含那两个文件。代码如下：*//** * @file SURF_desc

#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include <iostream>#include <stdio.h>#include <stdlib.h>using namespace cv;using namespace std;Mat src; Mat src_gray;int thresh = 100;int max_thresh = 255;RNG rng(12345);

opencv中的compareHist函数是用来计算两个直方图相似度，计算的度量方法有4个，分别为Correlation ( CV_COMP_CORREL )相关性，Chi-Square ( CV_COMP_CHISQR ) 卡方，Intersection ( method=CV_COMP_INTERSECT )交集法，Bhattacharyya distance ( CV_COMP_BHATTA

opencv中的warpAffine函数可以对图像进行位移、旋转、缩放变换。getRotationMatrix2D可以获取旋转矩阵，getAffineTransform返回仿射矩阵。代码如下：#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include #include

opencv中的Remap函数可以使一幅图像以一定的方式映射到另外一幅图像。具体代码如下：#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include #include using namespace cv;/// Global variablesMat sr

申明，本文转载自http://blog.youkuaiyun.com/yang_xian521/article/details/7445536PCA（principal component analysis，主成分分析），我想是大家用的最多的降维手段，对于PCA的理解，我想大神们都各有各的绝招，可以应用的场合也非常多。下面就介绍一下OpenCV中PCA这个类，因为常用，所以这个类相对OpenCV而