opencv-滤波

权重是一个系数，表示某个数据在计算中的相对重要性。

Python-OpenCV-图像滤波

对于磨皮这种复杂的图像处理，用scipy这种科学计算包显然会比较复杂，故而使用神器opencv pip install opencv-python 磨皮的本质就是将表面变得模糊，然而直接使用模糊会让轮廓边缘也跟着模糊。故而需要使用双边滤波——一种可以起到保边作用的滤波器， 由于opencv自带图像展示的窗口，所以不用导入其他绘图包。首先，打开一张图片 import numpy as np import cv2 img = cv2.imread("dip.jpg") cv2.imshow("test",i

opencv-------高斯滤波

滤波矩阵

【概念】 高斯滤波就是对整幅图像进行加权平均的过程。每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。 应用:高斯平滑也用于计算机视觉算法中的预先处理阶段，以增强图像在不同比例大小下的图像效果。 【原理】 用一个模板（卷积）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 高斯分布又称正态分布： 其值由 x 和 y 组成，卷积中每个像素的权值为：以目标像素为中心的正态分布中每个像素位置的值。 【原型】 C++: v..

在OpenCV中使用卷积操作，对图像进行高通滤波，提取图像边缘，比较各种高通滤波方法的特点与效果

imutils 这个图像处理工具包，除了简化 opencv 的一些操作之外，还有专门配合 dlib 处理人脸数据的工具 face_utils。dlib 提取人脸数据后，五官都是用一些特征点来表示的，每个部位的点的索引是固定的，想要进一步操作就得对这些点进行处理，而 face_utils 就是简化这些点的表现方式： dlib 提取人脸特征点是用 68 个点包围每个部位，如上图，例如第 37 个点到第 42 个点就代表右眼，在图片上这几个点若显示出来就是把右眼那块区域包围着，可以通过这些点之间距离的变化来判断

用队列将同步转为异步 import cv2 import queue import time import threading q=queue.Queue() def Receive(): print("start Reveive") cap = cv2.VideoCapture("rtsp://admin:[email protected]") ret, frame = cap.read() q.put(frame) while ret: r

detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor("./shape_predictor_68_face_landmarks.dat") cap = cv2.VideoCapture("smoke.avi") ret, image = cap.read() idxx=1 while ret: print("id",idxx)

参考文章： https://www.cnblogs.com/leokale-zz/p/11349481.html

opencv 软连接 g++ main.cpp pkg-config --cflags --libs opencv -o main