yohnyang的博客

python-opencv实现白平衡算法

Python - Opencv应用实例之树叶自动分割、标签及统计分析系统

Python-Opencv应用实例之头发智能分割、计数、特征统计系统

LSD快速直线检测算法是由Rafael Grompone、Jeremie Jackbowicz、Jean-Michel Morel于2010年发表在PAMI上的文献《LSD:a Line Segment Dectctor》中提出的，该算法时间复杂度较霍夫变换低。LSD算法通过对图像局部分析，得出直线的像素点集，再通过假设参数进行验证求解，将像素点集合与误差控制集合合并，进而自适应控制误检的数量。

Python - Opencv应用实例之CT图像检测边缘和内部缺陷二

Python - Opencv应用实例之CT图像检测边缘和内部缺陷

python-opencv知识总结之图像操作：创建、遍历、运算与查找

Python-opencv计算两条直线或者线段角度

python批量生成.xml并重命名

通过python写一些脚本实现数据处理功能确实很方便，先记录当下，后续补充完善1.读取文件夹所有数据并进行随机采样注：主要调用os库的文件操作功能，想要掌握程度就自己实现一个小功能就很快了解其基本原理了，代码书写时需要注意上下对齐与空格，不然会报错，再就是对于中文路径读出和写入时的编码小心，其他就是字符串的操作了，具体实现如下：# -*- coding:UTF-8 -*-import osimport randomdirname = "...folder"txt_path='F:/code/P

运动目标检测之帧差法基于Opencv实现运动目标检测，主要实现方式有1.视频读取后进行背景建模(高斯建模等)，对每一帧与背景相减后得到目标，然后采用二值、形态学处理后提取轮廓，轮廓的外界矩形即标出的矩形框2.帧差法：对 相邻帧进行做差，然后对其进行二值及膨胀运算，此算法对阈值分割的阈值要求较高，要想实现好的效果需要多次测试调出一个较好阈值背景建模一般Opencv都集成好了现成的API，直接调用调参一般就可提取一个较好的背景，该算法的运动目标检测适用于摄像机不变条件下拍摄出的视频，即背景区域不

python-opencv-图像基本操作

一个opencv-python的小例子

K均值聚类算法的时间复杂度是O(nmk),n表示样本个数，m表示样本维数，k表示类别个数。算法实现：

1.Opencv鼠标事件回调函数使用：响应函数使用：2.绘制矩形ROI2.1方法一2.2方法二3.绘制多边形ROI参考：1.使用鼠标在图像上绘制矩形框或者多边形框2.OpenCV-Python选择ROI（矩形和多边形）

python-opencv基本的图像处理算法运用