登录
首页 » 图像处理 » opencv初级教程

opencv初级教程

于 2022-08-19 发布 文件大小:34.13 kB
0 135
下载积分: 2 下载次数: 1

代码说明:

opencv初级教程由美国伊力诺理工学院计算机科学系Gady Adam编写, 给出了opencv的介绍,常用函数,编译命令,命名约定和例程, 适合初学者利用opencv做图像处理和视频处理。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 鼠标控制opencv
    opencv,C++图像处理相关,包括鼠标区域选取,截图,及简单的图像加载,适用计算机视觉初学者。
    2022-11-02 07:00:03下载
    积分:1
  • opencv识别标志
    mfc标记识别源
    2022-03-19 07:50:03下载
    积分:1
  • opencv2.4.9前景提取--加入混合高斯算法
    应用背景如果有不含前景物体的背景图片,提取前景的工作相对容易,只需要比对当前帧和背景图片的不同,调用函数absdiff实现。但是大多数情况,获得背景图片是不可能的,比如在复杂的场景下,或者有光线条件的变化。因此,就需要动态的变换背景。关键技术对于第一帧出现前景的情况,由于后续更新背景都是对前景mask后对背景进行更新的,所以第一帧的前景部分对背景的影响因子很难被更新掉。这里提出一种改进的办法——混合高斯模型。可以使一个像素具有更多的信息,这样可以有效的减少类似树叶的不停飘动,水波的不停荡漾这种对前景的干扰。这个精密的算法比之前我所介绍的简单方法要复杂很多,不易实现。还好,OpenCV已经为我们做好了相关工作,将其封装在类BackgroundSubtractorMOG,使用起来非常方便。
    2023-04-01 04:30:06下载
    积分:1
  • Harris 角点检测 C++实现
    图像处理中的harris角点检测程序,可以实现对角点的检测,在图像处理中得到了广泛的应用。
    2022-04-21 12:14:15下载
    积分:1
  • our code implements automatic face recognition based on hidden Markov model and support vector machi
    我们的代码实现了基于隐马尔可夫模型和支持向量机的自动人脸识别;
    2023-07-22 08:20:06下载
    积分:1
  • OpenCV 学习本书第 1 9 章基本示例 C 代码
    于仕琪翻译的OPENCV 学习,1-9章主要算法的VC实现,我已经调试OK,对于初学者有很高的参考价值。总共近50个算法的实现,非常超值!所有的例子调试合格,适合初学者在OpenCV中学习。欢迎与我讨论。
    2022-07-18 14:04:59下载
    积分:1
  • 人脸识别opencv,绝对可用
    应用背景vs2010+opencv2.4.8,人脸识别,ORL人脸数据库,里面有两个代码,LBP.cpp利用LBP方法先训练图像得到分类器(xml)然后测试待测样本。LBPload.cpp则直接可以用LBP.CPP生成好的分类器测试待测图片,比LBP.cpp快很多。关键技术用的是LBP算法,也可以换成pca和fish算法,只是LBP更快而且占得内存也小一些,里面也有测试时间。为了方便,我直接确定的测得是第13个人,可以修改的。里面的data文件夹里面的at.txt和待测图片路径记得按照你们的情况修改。
    2022-02-01 06:28:14下载
    积分:1
  • VC++人脸定位实例
    其中,mdivwctl.cpp,mdivwctl.h 是MS_OCR的模块程序,一些功能函数尽我们的理解作了中文注释。用法主要在CCMD_OCRView.cpp中,OCR的用法很简单;为了使示范程序象样一点,添加图形的显示(它与OCR无关)。图形显示使用了CXImage包,这里你也顺便了解一个CXImage包的用法吧。这个程序中OCR的识别类型我们设置成简体中文,这样对英文的识别不好;当然你可能修改成识别英文(或其它国的文字,源程序里都有,你自己找吧)。
    2022-01-25 18:25:24下载
    积分:1
  • 旋转不变均匀LBP 模式c实现
    资源描述局部二值模式(LBP)是一种提取纹理特征的算法。该程序是在原始LBP模式的基础上,改进得到的旋转不变均匀模式的LBP特征。
    2022-03-06 19:35:02下载
    积分:1
  • PSNR (Peak Signal-to-Noise Ratio) & MSE (Mean Square Error)
    Use a standard Lena image as the ground truth, then calculate the PSNR (Peak Signal-to-Noise Ratio) & MSE (Mean Square Error) values of another test image. Note: The two images must be with the same size. The main code: MSE = double(Sum_SE)/(H_src*W_src) PSNR= 10*log10(255^2/MSE)
    2022-02-03 00:40:59下载
    积分:1
  • 696516资源总数
  • 106913会员总数
  • 8今日下载