Skip To Main Content
Mat gray on Muck Rack

Mat gray

As seen in: cnblogs.com, CSDN, NewsBeezer
Is this you? As a journalist, you can create a free Muck Rack account to customize your profile, list your contact preferences, and upload a portfolio of your best work. Claim your profile
Back to Mat gray’s profile

Articles by Mat gray

You can now order the new 100% electric hot hatch in Portugal

|
By In June, Mat gray
| NewsBeezer
Business 0 Views Alpine has opened orders for the A290 with prices starting at 38,700 euros (RRP). The line includes four versions: A290 GT, A290 GT Premium, A290 GT Performance and A290 GTS. In June, Alpine introduced its first Dream Garage model, a 100% electric Dream Garage consisting of the A290, an urban sports car and other proposals. Pplware was present and saw first-hand the dynamic and emotional model developed by the French manufacturer.
Open in Who Shared Issue with article?

OpenCV 学习笔记2 C++

|
By Mat hist, Mat gray
| CSDN
1.图像直方图 直方图（Histogram）是图像处理中常用的工具，它表示图像中每个像素强度值的分布情况。在OpenCV中，可以使用 cv::calcHist 函数来计算图像的直方图。 图像直方图是一种展示图像像素强度分布的统计图表。它显示了图像中每个像素强度值的频率，有助于分析图像的亮度、对比度和色调等特征。以下是图像直方图的一些主要作用： 1.亮度和对比度分析： 直方图可以用于分析图像的整体亮度和对比度。通过观察直方图的形状，可以了解图像中亮度的分布情况，从而调整图像的亮度和对比度，使其更符合需求。 2.图像增强： 直方图均衡化是一种常见的图像增强方法，通过调整图像的直方图，使其更均匀地分布在整个灰度范围内，从而增强图像的细节和对比度。 3.颜色分析： 对于彩色图像，可以对每个颜色通道分别绘制直方图，以了解图像中各个颜色通道的分布情况。这对于颜色校正和调整非常有帮助。 4.阈值选择： 直方图可以帮助选择图像的二值化阈值。通过观察直方图的波峰和波谷，可以找到合适的阈值，将图像转换为二值图像。 5.检测图像质量问题：...
Open in Who Shared Issue with article?

C++ opencv 学习_opencv c++-CSDN博客

|
By Mat gray, Mat channels, Mat outputImage, Mat img
| CSDN
1、创建窗口 c++写法： void test2() { Mat img = imread("/Users/zhulei/CLionProjects/opencv_test/1.jpg"); cout<<img.depth()<<" "<<img.channels()<<endl; namedWindow("new",cv::WINDOW_AUTOSIZE); imshow("new",img); waitKey(0); destroyAllWindows(); } python写法： def test(): cv2.namedWindow('new', cv2.WINDOW_NORMAL) cv2.imshow('new', 0) key = cv2.waitKey(0) if key & 0xFF == ord('q'): cv2.destroyAllWindows() 2、读取图片 c++写法，操作图像，将图像转换为hsv然后调整亮度值，转换会BGR格式显示 void test2() { Mat img =...
Open in Who Shared Issue with article?

[C++] opencv - approxPolyDP(多边形拟合)函数介绍和使用场景

|
By Mat gray
| CSDN
approxPolyDP()函数介绍 OpenCV中的approxPolyDP()函数用于对形状进行逼近，以减少多边形的顶点数，可以用于对图像轮廓点进行多边形拟合。 函数原型如下： void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed ); 其中， curve是输入的点集，类型为InputArray，可以是Mat、vector<Point>等； approxCurve是输出的点集，类型为OutputArray,也是Mat类型； epsilon是精度，类型为double； closed是一个布尔值，表示是否闭合多边形。 使用场景 在计算机视觉和图像处理中，approxPolyDP()函数用于对图像轮廓点可以进行多边形拟合，用于检测和识别形状。 使用案例 #include <iostream> #include <opencv2/opencv.hpp> using namespace cv; using namespace std; int main() {...
Open in Who Shared Issue with article?

相机标定、校正和投影 - PRO_Z - 博客园

|
By Size imageSize, Mat gray, string imageName, vector undistImgs
| cnblogs.com
空间中物体表面的三维坐标点与图像的像素坐标点存在某种关系，需要通过建立相机成像的几何模型来求解。其中，空间中三维坐标点存在于 世界坐标系、相机坐标系，二维坐标点存在于 图像坐标系、像素坐标系；世界坐标系 到 相机坐标系的变换关系就是相机的外参标定【姿态R和位置t】，相机坐标系 到 像素坐标系关系就是 相机的内参标定【焦距f、主点坐标（u0、v0）、像素尺寸(dx, dy)】。 其中：M1-内参矩阵、M2-外参矩阵 1 为什么要有相机的内参标定？ 2 为什么要有相机的外参标定？ 由相机的成像模型可知，当已知世界坐标系中的三维坐标、图像像素坐标系中二维坐标时，就可以求解相机的内参、外参。接下来介绍OpenCV中的相机标定的相关函数、标定流程、代码及运行结果。 1 OpenCV中的相机标定相关函数介绍 2 相机标定的步骤 选取N张不同角度拍摄的棋盘格图像，使用角点检测得到每张图像上的棋盘像素坐标点； 设定棋盘格中每个方格的物理尺寸和角点的数量，计算世界坐标系中的三维坐标点（z轴设置为0，只需计算x、y轴的坐标）； 调用 calibrateCamera()...
Open in Who Shared Issue with article?

【奇技淫巧】OpenCV中Blob分析的两个关键技巧_opencvsharp blob检测 如何填充显示-CSDN博客

|
By Mat gray
| CSDN
学习《OpenCV应用开发：入门、进阶与工程化实践》一书 做真正的OpenCV开发者，从入门到入职，一步到位！ Blob分析 BLOB是图像中灰度块的一种专业称呼，更加变通一点的可以说它跟我们前面二值图像分析的联通组件类似，通过特征提取实现常见的各种灰度BLOB对象组件检测与分离。使用该检测器的时候，可以根据需要输入不同参数，得到的结果跟输入的参数息息相关。 Blob分析函数与演示 OpenCV中的Blob分析函数为SimpleBlobDetector，OpenCV中支持实现常见的BLOB分析过滤，如下所示： 根据BLOB面积过滤 根据灰度/颜色值过滤 根据圆度过滤 根据长轴与短轴过滤 根据凹凸进行过滤 对应的参数列表如下： SimpleBlobDetector::Params::Params() bool filterByArea bool filterByCircularity bool filterByColor bool filterByConvexity bool filterByInertia float maxArea float maxCircularity...
Open in Who Shared Issue with article?

OpenCV（八）：图像二值化-阿里云开发者社区

|
By Mat gray
| dasizhe.cn
#include <jni.h> #include <string> #include <android/bitmap.h> #include <opencv2/opencv.hpp> #include <iostream> #include <android/log.h> #define LOG_TAG "xxx" #define LOGD(...) __android_log_print(ANDROID_LOG_DEBUG, LOG_TAG, __VA_ARGS__) using namespace cv; using namespace std; extern "C" JNIEXPORT void JNICALL Java_com_example_myapplication_MainActivity_opencv_1test(JNIEnv *env, jclass clazz, jobject bitmap) { AndroidBitmapInfo info; void *pixels; CV_Assert(AndroidBitmap_getInfo(env,...
Open in Who Shared Issue with article?

Android 使用OpenCV实现实时人脸识别，并绘制到SurfaceView上

|
By Mat gray
| CSDN
上篇文章 我们已经通过一个简单的例子，在Android Studio中接入了OpenCV。 之前我们也 在Visual Studio上，使用OpenCV实现人脸识别 中实现了人脸识别的效果。 接着，我们就可以将OpenCV的人脸识别效果移植到Android中了。 1.1 环境说明 操作系统 : windows 10 64位 Android Studio版本 : Android Studio Giraffe | 2022.3.1 OpenCV版本 : OpenCV-4.8.0 (2023年7月最新版) 1.2 实现效果 先来看下实现效果，识别到的人脸会用红框框出来。 接下来我们来一步步实现上述的效果。 2.1 添加权限 <uses-permission android:name="android.permission.CAMERA" /> <uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" /> <uses-permission...
Open in Who Shared Issue with article?

OpenCV图片校正_opencv图像纠偏_静思心远的博客-CSDN博客

|
By Mat comImg, Mat tmp, Mat dst, Mat gray
| CSDN
遇到偏的图片想要校正成水平或者垂直的。 对于倾斜的图片通过矫正可以得到水平的图片。一般有如下几种基于opencv的组合方式进行图片矫正。 1、傅里叶变换 + 霍夫变换+ 直线 + 角度 + 旋转 2、边缘检测 + 霍夫变换 + 直线+角度 + 旋转 3、四点透视 + 角度 + 旋转 4、检测矩形轮廓 + 角度 + 旋转 #include <opencv2/core/core.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <opencv2/highgui/highgui.hpp> #include <iostream> using namespace cv; using namespace std; #define GRAY_THRESH 150 #define HOUGH_VOTE 50 int main(int argc, char **argv) { const char* filename = "31.png"; Mat srcImg = imread(filename,...
Open in Who Shared Issue with article?

OPENCV C++(六)canny边缘检测+仿射变换+透射变换

|
By Mat dstmat, Cvdestroy AllWindows, Mat gray, ElE rookie
| CSDN
图像的缩放 resize(image, image, Size(round(image.cols * 0.5), round(image.rows * 0.5))); 输入图像 输出图像 大小变换 canny边缘算子的使用 cvtColor(image, gray, COLOR_BGR2GRAY); Canny(gray, canny_mat, 40, 100); 必须先转化为灰度图，作为输入 超过100是真的边缘 低于40是确定不是边缘 在中间若连接边缘 则为边缘 普通旋转缩放变换（仿射变换） 获取仿射变换矩阵 float angel = -10.0, scale = 1; Mat dstmat; Point2f center(image.cols * 0.5, image.rows * 0.5); Mat affine_matrix = getRotationMatrix2D(center, angel, scale); 获取仿射变换的矩阵 中心点 旋转角度 大小是否变换 -10是顺时针转 仿射变换函数 warpAffine(image, dstmat,...
Open in Who Shared Issue with article?

OpenCV4之特征提取与对象检测 - wydilearn - 博客园

|
By Mat gray, Mat result, vector srcPts, vector dstPts
| cnblogs.com
1、图像特征概述 图像特征的定义与表示 图像特征表示是该图像唯一的表述，是图像的DNA 图像特征提取概述 传统图像特征提取 - 主要基于纹理、角点、颜色分布、梯度、边缘等 深度卷积神经网络特征提取 - 基于监督学习、自动提取特征 特征数据/特征属性 尺度空间不变性 像素迁移不变性 光照一致性原则 旋转不变性原则 图像特征应用 图像分类、对象识别、特征检测、图像对齐/匹配、对象检测、图像搜索/比对 图像处理：从图像到图像 特征提取：从图像到向量（数据） 2、角点检测 什么是角点 各个方向的梯度变化 Harris角点检测算法 //函数说明： void cv::cornerHarris( InputArray src, //输入 OutputArray dst, //输出 int blockSize, //块大小 int ksize, //Sobel double k, //常量系数 int borderType = BORDER_DEFAULT // ) Shi-tomas角点检测算法 //函数说明： void cv::goodFeaturesToTrack( InputArray...
Open in Who Shared Issue with article?

OpenCV--人脸识别入门_opencv人脸识别_Qt程序员的博客-CSDN博客

|
By Mat frame, QString str, Mat gray, Mat edges
| CSDN
本次用的数据集是opencv给出的教程里面的第一个数据集：​​The AT&T Facedatabase​​，又称为ORL人脸数据库，40个人，每人10张照片。照片在不同时间、不同光照、不同表情(睁眼闭眼、笑或者不笑)、不同人脸细节(戴眼镜或者不戴眼镜)下采集。所有的图像都在一个黑暗均匀的背景下采集的，正面竖直人脸(有些有轻微旋转)。 想要识别自己，单有别人的数据集还是不行的，还需要自己人脸的照片才行。这就需要我们收集自己的照片，然后和上面的那个数据集一起来训练模型。 Qt开发学习基地（免费报名学习）：C/C++项目实战/Qt5/C语言/c++/数据库/OpenCV/MFC/QT项目-学习视频教程-腾讯课堂 2.1、人脸数据采集 下列程序调用openCV来拍照，按下P键拍照，按下Esc退出。 /** 拍照程序 **/ #include "mainwindow.h" #include <QApplication> #include <QDebug> #include <opencv2/opencv.hpp> using namespace cv; int main(int...
Open in Who Shared Issue with article?

apritag 定位记录 C++ opencv 3.4.5

|
By Mat gray, Mat binImg, Mat imgThresholded
| CSDN
参考：2021-06-23 基于AprilTag的位姿估计，原理，完整代码（相机坐标系、世界坐标系） - 简书 Apriltag使用之二：方位估计(定位)_arczee的博客-CSDN博客_apriltag位姿估计 https://www.cnblogs.com/brt2/p/13547075.html 根据Apriltag进行角度和距离检测_卓晴的博客-CSDN博客_apriltag 1.AprilTag概述 AprilTag是一种视觉基准系统，类似的视觉基准标签还有：ArUco、ARTag、TopoTag等。而AprilTag因其对旋转、光照、模糊具有良好的鲁棒性，因此被广泛应用于目标跟踪、室内定位、增强现实等领域。本文主要展示使用AprilTag标签，分别获取AprilTag标签在相机坐标系下和世界坐标系下位置。 1.1 相机内参 相机内参存放于K中，例：K = (cv::Mat_<double>(3, 3) << 471.33715, 0.0, 437.19435, 0.0, 472.0701, 275.1862, 0.0, 0.0,...
Open in Who Shared Issue with article?

opencv_c++学习（二十八）_小小小~的博客-CSDN博客

|
By Mat gray, Mat frame, Mat RRansac, Mat binary
| CSDN
如上图所示，根据图像的情况反推相机的运动情况。 如实现上述功能则需要拍摄当前物体的图像，然后拍摄一段时间之后物体的图像，然后联合两张图像则可以获取两个时刻的相机位姿关系。 位姿估计函数： bool cv:solvePnP( InputArray objectPoints, InputArray imagePoints, InputArray cameraMatrix, InputArray distCoeffs, OutputArray rvec, OutputArray tvec, useExtrinsicGuess =, bool false, int flags = 5OLVEPNP_ITERATIVE) objectPoints:前一时刻世界坐标系中的3D点的三维坐标。 imagePoints: 3D点在图像中对应的像素点的二维坐标。 cameraMatrix:相机的内参矩阵。 distCoeffs:相机的畸变系数矩阵。 rvec:世界坐标系变换到相机坐标系的旋转向量。 tvec:世界坐标系变换到相机坐标系的平移向量。...
Open in Who Shared Issue with article?

OpenCV实现图像中相邻区域的连接并进行合并_opencv 轮廓合并_痛&快乐着的博客-CSDN博客

|
By Mat gray
| CSDN
问题描述： 在进行图像分割时，由于分割效果不够理想，使得两相邻区域间存在未分割的情况。如果使用合并boundingBox的方式来处理，势必又会引入更多无关的区域，从而增加了分割的难度。因此本文考虑对两区域进行连接并寻找连接后的凸包，从而实现相邻区域合并，以便于后续处理。 图1 原始图像以及其boundingBox 算法思路： 提取轮廓->计算轮廓间的距离->连接小于阈值T的两个轮廓->寻找凸包并进行填充 图2 连接相邻区域（蓝线）和相应的凸包 由图2显而易见，该方法相比与合并boundingBox的方式减小无关的区域。 完整实现代码如下： vector<Point> GetPoint(vector<Point> contour) { cv::Rect rect = cv::boundingRect(cv::Mat(contour)); Point up, down, left, right; up.x = rect.x + rect.width / 2; up.y = rect.y; vector<Point> p1; p1.push_back(up); down.x =...
Open in Who Shared Issue with article?

opencv校正图像_opencv图像矫正_weixin_45001971的博客-CSDN博客

|
By Mat gray, Mat expand
| CSDN
我们用相机拍照时，会因为角度问题造成拍歪，会影响图像的识别，这时就需要对图像进行校正，下面介绍校正图像的一种方式，可以用来校正简单的图像，如文字信息、工件等。 校正的过程可以分为以下几步： 1、转灰度图。 2、降噪。 3、Canny边缘检测。 4、膨胀。 5、轮廓检索。 6、从各个轮廓中选取合适的旋转角度并校正图像。 总体的思路是获取图像中各个特征的轮廓旋转角度，从中选取合适的角度让原图像进行逆旋转，达到校准目的。 方法参考：https://blog.csdn.net/DU_YULIN/article/details/120504660 2.1、代码 #include <opencv2/core.hpp> #include <opencv2/imgcodecs.hpp> #include <opencv2/highgui.hpp> #include <opencv2/imgproc.hpp> #include <iostream> using namespace cv; using namespace std; int main() { Mat src =...
Open in Who Shared Issue with article?

特征检测之HOG特征算法详解及Opencv接口使用_hog特征计算_明月醉窗台的博客-CSDN博客

|
By Mat gray, const Size, HOGDescriptor hog, vector foundWeights
| CSDN
1. HOG特征简介 特征描述符是图像或图像补丁的表示形式，它通过提取有用信息并丢弃无关信息来简化图像。 通常，特征描述符将大小W x H x 3（通道）的图像转换为长度为n的特征向量/数组。对于 HOG 特征描述符，输入图像的大小为 64 x 128 x 3，输出特征向量的长度为 3780。 在HOG特征描述符中，梯度方向的分布（直方图）被用作特征。图像的渐变（x和y导数）很有用，因为边缘和角落（强度突然变化的区域）周围的梯度大小很大，我们知道边缘和角落比平面区域包含更多关于物体形状的信息。 HOG（Histogram of Oriented Gridients的简写）特征检测算法，最早是由法国研究员Dalal等在CVPR-2005上提出来的，一种解决人体目标检测的图像描述子，是一种用于表征图像局部梯度方向和梯度强度分布特性的描述符。其主要思想是：在边缘具体位置未知的情况下，边缘方向的分布也可以很好的表示行人目标的外形轮廓。 HOG特征检测算法的几个步骤：图像预处理—>梯度计算—>梯度方向直方图—>重叠块直方图归一化—>HOG特征。下面分别对其进行介绍。 2.
Open in Who Shared Issue with article?

C++opencv 色彩空间转换和保存

|
By Mat gray
| CSDN
1.API 1.imwrite()函数 用于输出图像到文件 imwrite()格式： bool imwrite(const string& filename, InputArray img, const vector<int>& params=vector<int>()) 参数说明： 2.cvtColor()函数 函数定义为： 参数说明： cvtColor()函数标识符如下表所示：（通道变换第三个参数，要一一对应不然程序报错） 彩色到灰度 - COLOR_BGR2GRAY 对应数值 6 灰度到彩色 - COLOR_GRAY2BGR 对应数值 8 BGR到HSV - COLOR_BGR2HSV 对应数值 40 HSV到BGR - COLOR_HSV2BGR 对应数值 54 3.补充知识 RGB和HSV HSV通道 2.实例代码 转换和保存 #include "mainwindow.h" #include <QApplication> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp>...
Open in Who Shared Issue with article?

OpenCV下载、安装以及使用_opencv下载安装教程_LayeZhao的博客-CSDN博客

|
By Mat frame, Mat gray, string cascadeName, string inputName
| CSDN
一、安装Visual Studio OpenCV是一种开源的计算机视觉开发库。既然是开发库，那么必须依托某种语言程序来加载。以C++为例，在安装OpenCV之前，必须安装C++的程序开发环境（IDE），在此我们选择Visual Studio Community——VS社区版，这个版本是免费的。 中文版下载安装地址： https://visualstudio.microsoft.com/zh-hans/downloads/ 注意这是一个在线安装的版本，请确保在安装过程中网络畅通。 二、创建C++程序 我们需要在VS中建立应用程序。在此我们建立最简单的基于控制台的应用程序，项目名为face1。 三、下载OpenCV 所谓OpenCV的安装，其实就是把OpenCV的库路径加入我们已有的项目路径集合当中。现在有两种方法，一种是自己下载OpencCV源码，在源码的基础上编译成库（lib/dll）文件，一种是下载直接编译好的库文件， 我们选择直接下载已经编译好的库文件 最新版OpenCV Lib 下载链接...
Open in Who Shared Issue with article?

opencv C++ SVM模型训练与分类实现

|
By Mat gray, Mat trainingData, Mat trainingImages, vector trainingLabels
| CSDN
最近想学习一下分类算法的内容，恰好opencv有SVM的函数，故先从这个下手。找了许多资料，发现要么是opencv2、3的，要么就没有具体实现代码，学习还是把代码与原理一起结合来看比较好。 其中，我主要参考的是这一篇文章： 学习SVM（一） SVM模型训练与分类的OpenCV实现https://blog.csdn.net/chaipp0607/article/details/68067098写得非常好！但是是2017年发布的文章，其中许多内容都做了更新，我用的是opencv 4.5.1版本，win10系统，vs2019作开发工具。具体opencv配置不说了，我对上面那篇文章的代码进行了更新。 步骤一样.
Open in Who Shared Issue with article?
Show More