仰望天空45度

为了减少处理时间，可以设定更大的扫描间距，减少不必要的解码类型，去除位置记录：zbarimg -Sdisable -Scode128.enable -Sno-position -Sx-density=40 -Sy-density=0 160220206.jpg在ubuntu系统下，jpg格式并不比bmp格式更耗时，可能是因为bmp格式图片太大，载入耗了太多时间。测试过程:

Mat Isobelx;cv::Sobel(Isrc(box), Isobelx, CV_32FC1, 1, 0);Mat Isobely;cv::Sobel(Isrc(box), Isobely, CV_32FC1, 0, 1);Mat Gmag(Isobelx.size(), CV_8UC1); //Mat Gdir(Isobelx.size(), CV_8UC1

说明opencv自带的sobel()耗时较长，还需要配合convertScaleAbs()，自己的项目对时间要求严格，所以自己尝试写了一些片段，时间测试如下，以便待查。测试条件win10，i5-6400@2.7GHz,8GB@2400MHz; opencv2.4.9,VS2010; 图片尺寸3104*4192; 测时方法：clock() 只测量以下程序段，测10次求均值1.最简略版-34.9

测试图像2560×1920，blocksize = 10；10张图片取平均。方法一将每个方块赋给一个新的图像，思路简单，在十二线扫描法中使用。平均耗时240msint H2 = Imgs.rows/SampleScale; //image height int W2 = Imgs.cols/SampleScale; //image width time_t tic_

实验环境虚拟机系统： Red Hat Linux release 9 (Shrike) 主机系统：Microsoft Windows10 专业版 10.0.10586 主机硬件：Lenovo IdealPad Z470 虚拟机软件：VMware® Workstation 12 Pro 12.1.0 build-3272444安装出错因为cadenceIC5141比较老，所以选用了较老的Red

由于要将rRect利用仿射变换裁剪下来并旋正，需要知道rRect.point()的四个点的位置，查了一下资料，记在下面：简介：Finds a circumscribed rectangle of the minimal area for 2D point set by building convex hull for the set and applying rotating calipers4

2016年3月3日16:32:50第一步EMWA滤波Exponentially Weighted Moving Average(EWMA)指数加权移动平均是一种常用的序列数据处理方式，如下：在时间 t, 根据实际的观测值（或量测值）我们可以求取 EWMA（t）如下：EWMA(t ) = λY(t)+ ( 1-λ) EWMA(t-1) for t = 1, 2, …, n.EWMA（t）：t时刻的估

2016年3月2日15:26:36 Zbar源码分析 Img_scanner.c int zbar_scan_image (zbar_image_scanner_t *iscn, zbar_image_t *img) 经过上一步的分析后发现图像扫描的工作都是由zbar_scan_image完成的，zbar_scan_image主要根据设定的扫描密度

调试基本完成，主要错误原因是matlab无法实现宏定义，预先计算出的宏值和带入公式中计算的结果不一致，四舍五入和C中结果不一样，所以图中有的蓝线和黄线差±1个像素，中间还有两处错误，没找到原因。 %zbar_scan_test.m%在有些位置 function zbar_scan_test ()clc;ZBAR_FIXED = 5;ROUND = bitshift(1, (ZBAR_FI

最简单的方法最简单的方法是用matlab自带的函数： BW2 = bwmorph(BW,'thin',n); n是要细化迭代的次数，也可以是Inf(没有引号)。Inf表示算法会一直迭代直到图像不再改变。 算法原理参考 [1]。稍微复杂点的方法Zhang-Suen算法 原理简介：http://www.cnblogs.com/mikewolf2002/p/3321732.html 算法实现：h

matlab中有一向量X导出到data.txt中，VC中从data.txt中读入到data数组中。 matlab将下面一行复制到命名行，将X替换成要保存的变量；fileID = fopen('data.txt','w');for i=1:length(X) fprintf(fileID,'%d\t',X(i));end;fclose(fileID);将data.txt复制到VC工程下，LEN是da

cv::Rect diffBack(const cv::Mat& img, const cv::Mat& imgBack, int blurSize = 10,int nthres = 30){ assert(img.channels() == 1); double fx,fy; fx = 320.0 / img.cols; fy = fx; cv::Mat

在OpenCV中有minAreaRect()来获取旋转的最小面积矩形，Matlab中暂时没有对应的函数，但我找到一篇同样功能的函数minboundrect.m(源代码在后面)[1]。利用这个函数可以获得旋转矩形的四个顶角，顺序如下图 如果要将目标区域从原图上裁剪下来，需要计算外包络正矩形，然后裁剪下来，然后旋转正，然后再裁剪到旋转矩形的大小。为了解决这种麻烦，并加快执行速度，本文编写了cv_r