原创 Win7上編譯OpenCV3.2與擴展模塊

一:準備 前幾天在寫代碼的時候發現周圍有人都換到了OpenCV3.2上面去啦,我當時就把OpenCV3.1包給刪啦,立馬下載OpenCV3.2,下載地址在這 裏:http://opencv.org/opencv-3-2.html

原创 OpenCV4 視頻教程來了....

文章目錄OpenCV4 視頻教程來了....教程提綱課程特色課程鏈接 OpenCV4 視頻教程來了… 教程提綱 主要是是針對OpenCV4核心模塊功能,設計的系統化視頻教學課程,一步步教你如何使用OpenCV完成圖像處理與視頻分析

原创 不廢話,看我20行代碼搞定色塊提取與定位…….

問題來由 這個問題是誰問我的我已經不記得了,剛開始的時候他發了這張圖像給我,讓我給他看一下,我當時告訴他轉換一下色彩空間提取就好啦,後來我記得他在微信上有問了我一次,今天我整理文件看到這張圖又想起了,感覺他問了我好幾次我都沒回復挺不意思的,

原创 圖像處理之積分圖應用四(基於局部均值的圖像二值化算法)

圖像處理之積分圖應用四(基於局部均值的圖像二值化算法) 基本原理 均值法,選擇的閾值是局部範圍內像素的灰度均值(gray mean),該方法的一個變種是用常量C減去均值Mean,然後根據均值實現如下操作: pixel = (p

原创 圖像處理之三角法圖像二值化

圖像處理之三角法圖像二值化 三角法求閾值最早見於Zack的論文《Automatic measurement of sister chromatid exchange frequency》主要是用於染色體的研究,該方法是使用直方圖數

原创 OpenCV 3.2正式發佈啦

OpenCV 3.2正式發佈啦 2016年12月23號OpenCV社區宣佈了OpenCV3.2版本正式發佈,這個是在OpenCV3.1版本發佈一年以後再次升級。在3.2版本中有總數超過數千個的改進與修正,是OpenCV3.x系列中

原创 OpenCV For Java環境搭建與功能演示

OpenCV概述 OpenCV做爲功能強大的計算機視覺開源框架,包含了500多個算法實現,而且還在不斷增加,其最新版本已經更新到3.2。其SDK支持Android與Java平臺開發,對於常見的圖像處理需求幾乎都可以滿足,理應成爲廣

原创 OpenCV3.x中UMat對象介紹與使用

UMat對象起源 OpenCV3中引入了一個新的圖像容器對象UMat,它跟Mat有着多數相似的功能和相同的API函數,但是代表的意義卻太不一樣。要說到UMat對象的來龍去脈,必須首先從OpenCL來開始說,OpenCL是一個面向異

原创 關河無盡處,風雪有行人 - 我的2016年總結

關河無盡處,風雪有行人 - 我的2016年總結 2016年我做爲個人獨立開發者渡過的完整一年,用一句話說理想是豐滿的,現實是骨感的,本來計劃在2016年想自己做個圖像處理方面的產品,但是迫於生活壓力,不得不接下一個又一個的小項目以維持生計

原创 Android Studio2.2 中支持NDK開發HelloJNI例子

Android Studio 2.2 中支持NDK開發HelloJNI例子 首先說一下運行的開發環境 * Win7 64位 * Android Studio 2.2 * NDK版本是64位 r13b 首先在AndroidS

原创 圖像處理之局部二值特徵

圖像處理之局部二值特徵 一:局部二值模式(LBP)介紹 局部二值模式(Local Binary Pattern)主要用來實現2D圖像紋理分析。其基本思想是用每個像素跟它周圍的像素相比較得到局部圖像結構,假設中心像素值大於相鄰像素

原创 OpenCV中圖像算術操作與邏輯操作

OpenCV中圖像算術操作與邏輯操作 在圖像處理中有兩類最重要的基礎操作分別是圖像點操作與塊操作,簡單點說圖像點操作就是圖像每個像素點的相關邏輯與幾何運算、塊操作最常見就是基於卷積算子的各種操作、實現各種不同的功能。今天小編就跟大

原创 圖像處理之角點檢測與亞像素角點定位

圖像處理之角點檢測與亞像素角點定位 角點是圖像中亮度變化最強地方反映了圖像的本質特徵,提取圖像中的角點可以有效提高圖像處理速度與精準度。所以對於整張圖像來說特別重要,角點檢測與提取的越準確圖像處理與分析結果就越接近真實。同時角點檢測對真實

原创 OpenCV 3.1.0編譯與添加擴展模塊

OpenCV 3.1.0編譯與添加擴展模塊 最近在弄個東西,需要把OpenCV的擴展模塊中的xfeatures給包含進來,發現要自己編譯OpenCV3.1.0與其擴展模塊纔可以實現。經過一番實踐,終於編譯完成,總結了一下,其實很簡

原创 BRIEF描述子生成算法

學習OpenCV關注微信公衆號【OpenCV學堂】一:介紹我們知道SIFT算法通常通過對每個關鍵點生成128個特徵向量作爲描述子、SURF算法通常對關鍵點生成最少64個特徵向量作爲描述子。但是對於圖像來說創建上千或者上萬個這樣的描述子內存