yueguanyun的专栏

opencv中的侧脸检测opencv中的haarcascade_profileface.xml检测时只能检测右侧脸Opencv 2.4.3以后添加了侧脸检测，要想检测侧脸只需将加载的文件改为haarcascade_profileface.xml，这个只是识别图形上朝一边的脸，如果想要识别朝另一边的脸就需要对图片进行水平翻转，再进行检测。int main(){ const ch

转自：http://jingyan.baidu.com/article/cb5d6105e4519e005c2fe014.htmlopencv3.1 刚出来没多久，我相信这个时候  在Linux怎么安装在国内应该是比较领先的，所以今天把我安装过程分享给大家。如果大家有更好的安装方法欢迎相互讨论方法/步骤apt-get update

findContours函数，这个函数的原型为void findContours( InputOutputArray image, OutputArrayOfArrays contours, int mode, int method, Point offset=Point());参数说明image:输入图像image必

对二值化图像执行countNonZero。可得到非零像素点数.IplImage* srcImg = cvLoadImage("Lena.jpg");//注意：当将参数copyData设为true后，则为深拷贝（复制整个图像数据）Mat M(srcImg, true);#include #include #include #include using namespace cv

opencv 帧差法 absdiffopencv2.3.1里的以下函数可计算当前帧与背景之差的绝对值。cv::absdiff(backgroundImage,currentImage,foreground);如果摄像机是固定的，那么我们可以认为场景（背景）大多数情况下是不变的，而只有前景（被跟踪的目标）会运动，这样就可以建立背景模型。通过比较当前帧和背景模型，就能轻松地

转自：http://www.cnblogs.com/summerRQ/articles/2406109.htmlCvMat, Mat, IplImage互相转换IpIImage -> CvMat/*cvGetMat*/CvMat matheader;CvMat * mat = cvGetMat(img, &matheader);/*cvConvert*/CvMat * mat

转自：http://www.cnblogs.com/summerRQ/articles/2406109.htmlIplImage, CvMat, Mat关系opencv中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage，这三种类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和I

转自：http://www.cnblogs.com/tornadomeet/archive/2012/05/01/2477629.html帧差法前景检测算法帧差法是背景减图法中的一种，只不过是帧差法不需要建模，因为它的背景模型就是上一帧的图，所以速度非常快，另外帧差法对缓慢变换的光照不是很敏感，所以其用途还是有的，有不少学者对其做出了出色的改进。　　其基本原理可以用下面

转自：http://blog.youkuaiyun.com/yanzi1225627/article/details/18518793OpenCV Mat转IplImage陷阱自OpenCV2.0.0以后，引进了Mat类型。Mat使用更为方便，且和Android的Bitmap转换也方便。(此处指的是Android在java层转int[]后再传给jni里，在jni里将int[]转为Mat.)

opencv 访问Mat中每个像素的值转自：http://blog.youkuaiyun.com/xiaowei_cqu/article/details/19839019方法零：.ptr和[]操作符Mat最直接的访问方法是通过.ptr[cpp] view plain copy // using .ptr and []  void 

转自：http://www.cnblogs.com/Key-Ky/p/4150531.htmlopencv CvMat转IplImage法一：cvGetImage函数//法一：cvGetImage函数CvMat M;IplImage* img = cvCreateImageHeader(M.size(), M.depth(), M.channels());cvGetIma

转自：http://www.cnblogs.com/Key-Ky/p/4150531.htmlopencv IplImage转CvMat深拷贝法一：cvGetMat函数//法一：cvGetMat函数IplImage* img;CvMat temp;CvMat* mat = cvGetMat(img, &temp); //深拷贝法二：cvC

转自：http://www.cnblogs.com/Key-Ky/p/4150531.htmlopencv Mat转IplImage浅拷贝 - 同样只是创建图像头，而没有复制数据//注意：浅拷贝 - 同样只是创建图像头，而没有复制数据Mat M;IplImage img = M;IplImage img = IplImage(M);深拷贝//深拷贝

转自：http://www.cnblogs.com/Key-Ky/p/4150531.htmlopencv IplImage转Mat浅拷贝//使用Mat的构造函数：Mat::Mat(const IplImage* img, bool copyData=false); 默认情况下copyData为falseIplImage* srcImg = cvLo

转自：http://www.cnblogs.com/Key-Ky/p/4150531.htmlopencv Mat转CvMat浅拷贝//注意：浅拷贝Mat a;CvMat b = a; //a "copy" to b深拷贝//注意：深拷贝Mat a;CvMat *b;CvMat temp = a; //转化为CvMat类型，而不是复制数据cv

转自：http://www.cnblogs.com/Key-Ky/p/4150531.htmlopencv CvMat转Mat使用Mat的构造函数：Mat::Mat(const CvMat* m, bool copyData=false); 默认情况下copyData为false均为浅拷贝//使用Mat的构造函数：Mat::Mat(const CvMat*

转自：http://www.cnblogs.com/Key-Ky/p/4150531.htmlopencv CvMat之间赋值(复制)注意：深拷贝 - 单独分配空间，两者相互独立 //注意：深拷贝 - 单独分配空间，两者相互独立 CvMat* a; CvMat* b = cvCloneMat(a); //copy a to b

opencv 打开网络摄像头代码如下：#include #include #include "opencv/cv.h"#include "opencv/highgui.h"#include "opencv2/highgui/highgui.hpp"int main(int, char**) { cv::VideoCapture vcap; cv::Mat im

图像直方图的概念图像直方图是反映一个图像像素分布的统计表，其实横坐标代表了图像像素的种类，可以是灰度的，也可以是彩色的。纵坐标代表了每一种颜色值在图像中的像素总数或者占所有像素个数的百分比。图像是由像素构成，因为反映像素分布的直方图往往可以作为图像一个很重要的特征。在实际工程中，图像直方图在特征提取、图像匹配等方面都有很好的应用。利用OpenCV计算图像的直方图

opencv Mat之间赋值浅拷贝//注意：浅拷贝 - 不复制数据只创建矩阵头，数据共享（更改a,b,c的任意一个都会对另外2个产生同样的作用）Mat a;Mat b = a; //a "copy" to bMat c(a); //a "copy" to c深拷贝//注意：深拷贝Mat a;Mat b = a.clone(); //a copy to

Lab色彩空间是颜色-对立空间，带有维度L表示亮度，a和b表示颜色对立维度，基于了非线性压缩的CIE XYZ色彩空间坐标。Hunter 1948 L, a, b色彩空间的坐标是L, a和b。[1][2]但是，Lab经常用做CIE 1976 (L*, a*, b*)色彩空间的非正式缩写（也叫做CIELAB，它的坐标实际上是L*, a*和b*）。所以首字母Lab自身是有歧义的。这两个色

Mat与IplImage*类型间的转换Mat 转 IplImage *：IplImage *frame;Mat frmImg;frame=&IplImage(frmImg);IplImage * 转 MatMat mat,mat1; // mat1是临时变量IplImage * img;mat1=mat.clone();// 包括数据的深度复制，以防对mat

使用到cv::split就报错，没有找到问题啊!代码：// 将RGB图像转为HSV图像的函数 Mat hvsMat; cvtColor(mat,hvsMat,CV_BGR2HSV); // 将HSV图像分割为分量 vector hvsMatVector; cv::split(hvsMat,hvsMatVector);最后找到原因：hvsMatVector没

转自：http://blog.youkuaiyun.com/wuxiaoyao12/article/details/7305865得到任意形状区域第一步、在图片上画出来#include "cv.h" #include "highgui.h" #include #include IplImage* inpaint_mask = 0; IplImage* im

转自：http://blog.youkuaiyun.com/lejun2011/article/details/7599912为了提取到一幅图像中感兴趣的区域并裁剪出来作为一幅新图像的方法：1、利用void cvSetImageROI( IplImage* image, CvRect rect )函数设置感兴趣的区域；IplImage* src = cvLoadImage(

转自：http://blog.sina.com.cn/s/blog_4b0020f301010cy8.html前两天查资料看opencv 画虚线矩形，先收录一下；后面有可能会用得到。不过代码没有测试。OpenCV2.0提供了一些比较简单的绘图函数，比如绘制 矩形，椭圆，圆，多边形，直线；但都是实线，有时需要用做对比试验，虚线矩形就派上了用场，下面是一种简单的实现。直接上代码：v

转自：http://www.xuebuyuan.com/2149290.htmlHSV颜色模型HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。色调

请问有没有人知道在android里面如何使用opencv调用前置摄像头啊！用OpenCV2.4.8里面有一个函数就是设置摄像头的，JavaCameraView类里面有一个函数setCameraIndex()是用来设置摄像头的，我之前用的是2.4.5的OpenCV版本，但是那里面没有这个函数。但是如果直接照出来的照片是倒像，这个就不知道该怎么解决了。代码：mOpenCvCameraV

最近老总让我整个疲劳检测的demo。查资料发现下面好文章。必须得转。转自：http://blog.youkuaiyun.com/u011100984/article/details/38364857人脸识别非常容易受到光线条件变化，人脸方向，面部表情等等的影响，所以就需要尽可能的减少这些差异。否则人脸识别算法会经常认为相同条件下的两张不同人脸之间具有非常大的相似性，而不是认

转自：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html目标本文档尝试解答如下问题:如何使用OpenCV函数 CvSVM::train 训练一个SVM分类器， 以及用 CvSVM::predict 测试训练结

转自：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html?highlight=opencv_traincascade 引言OpenCV中有两个程序可以训练级联分类器： opencv_haartraining 和 opencv_traincascade。opencv_t

转自：http://hi.baidu.com/ccb163163/item/22ba182edcc6fac00e37f9dd照片看不了，大家可以看原文章地址训练分类器步骤：第一步 采集样本1、 将正负样本分别放在两个不同的文件夹下面，分别取名pos和neg，其中pos用来存放正样本图像，neg用来存放负样本注意事项：1、正样本要统一切成24*24像素（或

转自：http://hi.baidu.com/tukugikljqbahwq/item/a55cd54c3f2f34e1bcf45155因为该例程中的参数传递中没有用到":"的地方，所以按照这种根本不会包含":"的命令行参数传递规则，语句“ if(cmd[0]!=':')continue; ”之后的内容根本就不可能有机会执行。显然，设置参数的核心语句“ pM->SetParamStr(para

转自：http://www.opencvchina.com/forum.php?mod=viewthread&tid=1651OpenCV VS提供了6组算法的接口，分别是：前景检测、新目标检测、目标跟踪、轨迹生成、跟踪后处理、轨迹分析，除了轨迹生成用于轨迹数据的保存以外，其他5个部分都是标准的视频监控算法体系中不可或缺的部分。1 算法流程控制（CvBlobTrackerAuto）整个

这两天在研究移动（运动）物体检测跟踪。看了opencv自带的跟踪代码；注释全是英文的。所以加了中文注释。opencv自带的跟踪代码位置：opencv\samples\c\blobtrack_sample.cpp#include "cvaux.h"#include "highgui.h"#include /* select the correct function for doing