weixin_44753371的博客

有时候整幅图像需要采取局部，如何进行采取呢。

ncnn模型验证

模板匹配1、模板匹配1.1 介绍opencv中支持的比较方法有6种，分别如下：1、cv::TM_SQDIFF：该方法使用平方差进行匹配，因此最佳的匹配结果在结果为0处，值越大匹配结果越差。2、cv::TM_SQDIFF_NORMED：该方法使用归一化的平方差进行匹配，最佳匹配也在结果为0处。3、cv::TM_CCORR：相关性匹配方法，该方法使用源图像与模板图像的卷积结果进行匹配，因此，最佳匹配位置在值最大处，值越小匹配结果越差。4、cv::TM_CCOR

直方图的反向投影1、直方图的反向投影实现步骤：反向投影步骤：使用到的api:mixChannles(src, dst, channels);channels表示输入图像的通道复制到输出图像的通道，{0,0}表示输入图像的第0个通道复制到输出图像的第0个通道。const vector<int>& nchannels = { 0,0 };mixChannels(hsv, hue, nchannels);2、代码实现#include <opencv2/ope

直方图的比较1、直方图的比较1.1直方图的比较a.相关性b.卡方计算c.十字计算d.巴氏距离计算1.2 步骤api:2、代码实现#include <opencv2/opencv.hpp>#include <iostream>using namespace std;using namespace cv;string Tostring(double d);int main(int argc, char** argv){ M

直方图操作1、直方图均衡化直方图均衡化api:2、代码实现#include <opencv2/opencv.hpp>#include <iostream>int main(int argc, char** argv){ Mat img = imread("G:/testpic/img.png"); if (img.empty()) { printf("cannot load the image"); return -1; } namedWi

像素映射1、像素映射像素映射：将输入图像的像素按照一定规则映射到另外一张图像的对应位置上，形成一张新的图像。api:2、代码实现#include <opencv2/opencv.hpp>#include <iostream>using namespace std;using namespace cv;Mat img,dst, map_x, map_y;int index;void PicMap(void);int main(int argc, char

霍夫圆检测1、霍夫圆检测从平面坐标到极坐标需要转换三个参数，C(x0,y0,r)C(x_0,y_0,r)C(x0​,y0​,r)，其中(x0,y0)(x_0,y_0)(x0​,y0​)为圆心。假设平面坐标中任意一个圆上的点，转换到极坐标中，C(x0,y0,r)C(x_0,y_0,r)C(x0​,y0​,r)处有最大值，霍夫变换基于此原理。api:InputArray： 输入图像，数据类型一般用Mat型即可，需要是8位单通道灰度图像OutputArray：存储检测到的圆的输出矢量meth

霍夫直线检测(HoughLinesP)1、霍夫直线检测霍夫直线检测的前提是已经完成图像的边缘检测，主要是完成直线从平面坐标空间到极坐标空间的转换。2、代码实现#include <opencv2/opencv.hpp>#include <iostream>using namespace std;using namespace cv;int main(int argc, char** argv){ Mat img = imread("G:/testpic

Canny边缘检测1、Canny边缘检测Canny是一种很好的边缘检测器，也是一种常见的图像处理算法。实现Canny边缘检测的步骤：1、高斯模糊2、转灰度3、计算梯度(Sobel/Scharr)4、非最大信号抑制5、高低阈值输出二值图高低阈值的输出：Canny边缘检测的api：2、代码实现#include <opencv2/opencv.hpp>#include <iostream>using namespace std;using name

拉普拉斯算子(laplacian)1、拉普拉斯算子拉普拉斯边缘提取与sobel提取不同在于：sobel是一阶导，反应的是图像中像素跃迁较大的边缘部位，而laplacian二阶导反应的是图像中最大变化处的值，即零值，从而提取边缘。拉普拉斯处理流程：1、高斯滤波2、转灰度3、计算梯度(二阶导)4、取绝对值(convertScaleAbs)5、 结果2、代码实现#include <opencv2/opencv.hpp>#include <iostream&gt

边缘处理之sobel、scharr1、边缘处理之sobel、scharr原函数：一阶导：水平梯度：垂直梯度：最终梯度：scharr算子：SobelApi:Sobel(src, dst, depth, dx, dy, ksize)2、代码实现#include <opencv2/opencv.hpp>#include <iostream>using namespace std;using namespace cv;int main(i

图像金字塔与高斯不同(DOG)1、图像金字塔1.1 图像金字塔上采样拉普拉斯金字塔：图像的上采样图像的宽高会增加到原来的2倍。api如下：pyrUp(src, dst, Size(src.cols * 2, src.rows * 2));1.2图像的下采样高斯金字塔：图像的降采样(下采样)图像的宽高减少到原图的1/2倍。api如下：pyrDown(src, dst, Size(src.cols /2, src.rows /2));1.2高斯不同(DOG)高斯不同的意思就是对

1、前言2、本文博客的主要内容3、图像处理

1、窗体界面及程序本次窗体设计流程为Form1 -> 绘制直方图 -> 线性点运算 -> 直方图匹配。无窗体：灰度拉伸、直方图均衡。窗体绘制较为基础，读者可自行绘制。主界面Form1如图1所示，里面有博主详细的注释，适合初学者理解：Form1.cs源程序如下：主界面的各个实现部分如下代码所示using System;using System.Collections.Generic;using System.ComponentModel;using System

将json文件夹中的label.png图片批量提取出来使用labelme标注完成后，生成的json文件夹需要提取里面的label.png图片，以下是python批量提取json文件中的label.png图片的程序。import osimport shutil path = 'D:/...' #_json文件夹所在的路径new_path = 'D:/label' #需保存的路径count = os.listdir(path)for j in range(1,len(count)+1):

批量将图像转换为统一大小尺寸由于图像大小经常不一致，因此有必要将其转换为同一大小的尺寸，便于图像的后续操作。#导入包from PIL import Imageimport os.pathimport glob#定义批量转换函数def convertjpg(jpgfile,outdir,width=500,height=500): #默认转换后的尺寸为宽500，高500，读者可自定义大小 img=Image.open(jpgfile) try: new_img