what_lei的博客

霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。霍夫变换于1962年由Paul Hough 首次提出，后于1972年由Richard Duda和Peter Hart推广使用，经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。霍夫变换运用两

#include #include #include using namespace cv;using namespace std;class MyData{public: MyData() : A(0), X(0), id() {} explicit MyData(int) : A(97), X(CV_PI), id("mydata1234") // e

图像的亮度与对比度调整// Change_the_brghtied_img.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include #include using namespace std;using namespace cv;int main(){ Mat img=imread("1.jpg",1); Mat out=Ma

图像显式融合即通过下式将两幅图像相互叠加，alpha控制那幅图像在融合图像中所占的权重。下面以如下两幅图像通过addWeighted()函数来实现。              图1                  图2#include#includeusing namespace std;using namespace cv;int main()

mask operations即，利用一个mask矩阵重新计算图像的每一个像素值，而这个mask矩阵调节相邻像素值对当前像素值的影响。我们利用图像对比度增强来说明，用下式来重新计算图像的像素值我们通过自编函数与opencv提供的filter2D()函数来实现，一般情况下opencv自带的函数加入了优化，一般速度较快。实现：#include #include using

灰度图像遍历的三种方法通过指针访问 通过迭代器访问 动态地址计算，通过at()函数实现、实现代码：#include#includeusing namespace cv;using namespace std;int main(){ Mat Img=imread("1.jpg",0); if(!Img.data) { cout<

Mat：        the matrix header   包含矩阵尺寸；        a pointer                  包含矩阵中的数值。创建Mat：Mat M(2,2,CV_8UC3,Scalar(0,0,125));       注：2,2表示矩阵尺寸；CV_8UC3表示CV_[The number of bi

直接附上程序及效果图：#include#include#include#includeusing namespace std;using namespace cv;int main(int argc,char** argv){ Mat Img;//原始图像 Img=imread("1.jpg",CV_LOAD_IMAGE_COLOR); if(!Img.data)

灰度化处理就是将一幅色彩图像转化为灰度图像的过程。彩色图像分为R，G，B三个分量，分别显示出红绿蓝等各种颜色，灰度化就是使彩色的R，G，B分量相等的过程。灰度值大的像素点比较亮（像素值最大为255，为白色），反之比较暗（像素最下为0，为黑色）。    图像灰度化的算法主要有以下3种：     1)最大值法：使转化后的R，G，B得值等于转化前3个值中最大的一个，即：

在模式识别中常用垂直投影和水平投影对目标物进行精确投影，以便于后期的分割。示例：                          （1）                                                                                    （2）                                      

定义：图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。           一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。简单

opencv笔记之模板匹配原理：