「中秋来袭」没想到,用OpenCV竟能画出这么漂亮的月饼「附源码」

使用OpenCV完成车道线检测功能 实验名称:车道线检测 本项目是基于反透视变换和Hough直线检测完成的。要理解反透视变换首先要理解摄像机坐标系,成像坐标系和图像坐标系的关系。 1st. 对原视频进行反透视变换,将视角转变为鸟瞰图。 2nd.对视频进行一些预处理,如腐蚀膨胀,平滑处理等,设置ROI,减少画面中车道线以外的干扰物的影响。 3rd. 进行Canny变换,检测出画面的边缘并且对图像自动进行二值化处理。 4th.所得图像进行Hough变换,通过阀值,线段最短长度,连接为线段的最长间隔的设定来检测出画面中存在的直线。 5th.直线筛选 阅读详情

一、前言

中秋佳节即将来临,作为传统的中国节日之一,人们除了品尝美味的月饼、赏月外,还喜欢通过绘画来表达对这个节日的喜悦和祝福。而如今,随着科技的不断发展,竟然可以借助计算机视觉库OpenCV来绘制精美的月饼和可爱的玉兔图像,真是令人大开眼界。

OpenCV,全称为Open Source Computer Vision Library,是一个广泛应用于计算机视觉领域的开源库。它提供了许多强大的图像处理和计算机视觉函数,为开发者提供了丰富的工具和功能,使得实现各种图像操作变得相对容易。其灵活性和高效性受到了广大开发者的青睐。

在中秋节这样一个特殊的时刻,使用OpenCV来绘制月饼和玉兔的图像,不仅能够展示对传统文化的尊重与承托,更能结合现代技术的力量,创造出独特而精美的作品。通过OpenCV,可以绘制出具有浓厚节日氛围的月饼,无论是其光滑的外表还是凹凸不平的纹理,都能栩栩如生地展现在面前。同时,使用OpenCV绘制玉兔的图像,可以展现出可爱的卡通风格,将传统元素与时尚潮流相结合,给人耳目一新的感觉。

除了绘制月饼和玉兔,OpenCV还提供了丰富的绘图函数,例如绘制基本几何形状、线条和文字等功能,为提供了广泛的创作空间。通过调用这些函数,可以轻松实现各种绘图需求,并为自己的作品增添独特的视觉效果。

在使用OpenCV时,首先需要安装相应的库文件,并熟悉其使用方法。通过学习OpenCV的基本操作和函数调用,能够更好地利用这个强大的工具来实现自己的创意。无论是专业的计算机视觉开发者还是对图像处理有兴趣的初学者,掌握OpenCV都是一个不错的选择。

今年中秋节,不妨尝试一下用OpenCV来绘制精美的月饼和可爱的玉兔图像,感受传统文化与现代技术的碰撞。用画笔在计算机屏幕上挥洒,定格下这美好的瞬间,借助OpenCV的力量,一起迎接中秋佳节的到来。

这是加载图片显示的理想效果图。
image-20230913175620586

image-20230913175512032

二、绘制样图展示

image-20230913175222845

image-20230913175457441

image-20230913175725373

image-20230913175752185

三、OpenCV安装

3.1 OpenCV下载

OpenCV下载地址:https://opencv.org/releases/page/3/

目前最新的版本是4.3,那么就下载最新的版本。

image-20230906101920240

image-20230906102004369

下载下来是一个exe文件,双击就可以安装,实际就是解压,可以选择解压的路径,解压出来的文件包含源文件、库文件一大堆,比较大,可以直接放在一个固定的目录,后面程序里直接填路径来调用即可。 这个下载下来的库文件里只包含了X64的库,适用于MSVS 64位编译器。

image-20230906102712398

解压完成。

image-20230906103311462

解压后在build目录下看到有VC14和VC15的目录。这表示什么含义呢?

OpenCV VC14和VC15的区别在于它们所使用的编译器版本不同。VC14使用的是Visual Studio 2015的编译器,而VC15使用的是Visual Studio 2017的编译器。这意味着VC15可以利用更先进的编译器技术,从而提高代码的性能和效率。此外,VC15还支持更多的C++11和C++14特性,使得开发更加方便和灵活。

image-20230906103633870

3.2 VS2022环境

我这里介绍下我用的环境安装过程。 所有版本的VS都可以的,OpenCV只是个第三方库,哪里调用都行。

我当前环境是在Windows下,IDE用的是地表最强IDEVS2022。

下载地址:https://visualstudio.microsoft.com/zh-hans/downloads/

image-20230913173131481

因为我这里只需要用到C++和C语言编程,那么安装的时候可以自己选择需要安装的包。

image-20230913173258088

安装好之后,创建项目。

image-20230913173330580

image-20230913173349914

3.3 新建工程

这是创建好的空工程,我写了一段OpenCV的代码。

image-20230913173536785

工程创建好之后需要添加OpenCV头文件的引用和OpenCV库文件的引用。

点击这个属性。

image-20230913173632169

第一步在C++、常规 选项里添加用到的OpenCV头文件路径。

image-20230913173709390

这个路径具体在哪里,要看自己的OpenCV安装路径。

image-20230913173753881

为了方便大家粘贴,我这里贴出来。

C:/opencv_4.x/opencv/build/include/opencv2
C:/opencv_4.x/opencv/build/include/opencv
C:/opencv_4.x/opencv/build/include

第二步就是设置库文件的路径。 在链接器-输入 选项里,添加依赖选项。

image-20230913173957033

这个库在哪里,根据自己OpenCV解压的路径进行填。

image-20230913174030657

这是我的路径:

C:/opencv_4.x/opencv/build/x64/vc15/lib/opencv_world430.lib

3.4 运行库的拷贝

如果写好了OpenCV代码,直接按下Ctrl + F5 运行程序,如果第一次运行,会报错。

提示如下:

image-20230913174225139

这个提示是告诉我们,程序运行时找不到OpenCV的运行库。 只要使用了第三方库都需要知道这一点,运行的时候需要把用到的库拷贝到生成的exe同级目录下。

把OpenCV解压目录下的opencv_world430.dll文件拷贝到编译出来的exe运行同级目录下。 否则程序运行因为找不到库而导致异常结束。

image-20230912102245746

拷贝到这里。

image-20230913174403148

再次运行,程序就正常的运行了。

image-20230913175414887

四、OpenCV绘图函数介绍

OpenCV提供了一系列用于图像处理和绘图的函数,其中包括一些常用的绘图函数。下面是其中一部分常用的绘图函数:

4.1 cv::line:绘制一条直线

void cv::line(cv::Mat& img, cv::Point pt1, cv::Point pt2,
              const cv::Scalar& color, int thickness=1,
              int lineType=cv::LINE_8, int shift=0);

参数说明:

  • img:要绘制直线的图像。
  • pt1:直线的起点坐标。
  • pt2:直线的终点坐标。
  • color:直线的颜色。
  • thickness:直线的线宽,默认为1。
  • lineType:直线的类型,默认为8连通线(cv::LINE_8)。
  • shift:坐标的小数位数,默认为0。

4.2 cv::rectangle:绘制一个矩形

void cv::rectangle(cv::Mat& img, cv::Rect rect, const cv::Scalar& color,
                   int thickness=1, int lineType=cv::LINE_8,
                   int shift=0);

参数说明:

  • img:要绘制矩形的图像。
  • rect:矩形的大小和位置信息,即左上角坐标和宽、高。
  • color:矩形的颜色。
  • thickness:矩形的线宽,默认为1。
  • lineType:矩形的类型,默认为8连通线(cv::LINE_8)。
  • shift:坐标的小数位数,默认为0。

4.3 cv::circle:绘制一个圆形

void cv::circle(cv::Mat& img, cv::Point center, int radius,
                const cv::Scalar& color, int thickness=1,
                int lineType=cv::LINE_8, int shift=0);

参数说明:

  • img:要绘制圆形的图像。
  • center:圆心的坐标。
  • radius:圆形的半径。
  • color:圆形的颜色。
  • thickness:圆形的线宽,默认为1。
  • lineType:圆形的类型,默认为8连通线(cv::LINE_8)。
  • shift:坐标的小数位数,默认为0。

4.4 cv::ellipse:绘制一个椭圆形

void cv::ellipse(cv::Mat& img, cv::Point center,
                 cv::Size axes, double angle, double startAngle,
                 double endAngle, const cv::Scalar& color,
                 int thickness=1, int lineType=cv::LINE_8,
                 int shift=0);

参数说明:

  • img:要绘制椭圆形的图像。
  • center:椭圆中心的坐标。
  • axes:椭圆的长轴和短轴大小。
  • angle:椭圆的旋转角度,以度为单位。
  • startAngle:椭圆的起始角度,以度为单位。
  • endAngle:椭圆的结束角度,以度为单位。
  • color:椭圆的颜色。
  • thickness:椭圆的线宽,默认为1。
  • lineType:椭圆的类型,默认为8连通线(cv::LINE_8)。
  • shift:坐标的小数位数,默认为0。

4.5 cv::putText:在图像中绘制文本

void cv::putText(cv::Mat& img, const std::string& text,
                 cv::Point org, int fontFace, double fontScale,
                 const cv::Scalar& color, int thickness=1,
                 int lineType=cv::LINE_8, bool bottomLeftOrigin=false);

参数说明:

  • img:要在其上绘制文本的图像。
  • text:要绘制的文本内容。
  • org:文本的左下角坐标。
  • fontFace:字体的类型。
  • fontScale:字体的缩放比例。
  • color:字体的颜色。
  • thickness:字体的线宽,默认为1。
  • lineType:字体的类型,默认为8连通线(cv::LINE_8)。
  • bottomLeftOrigin:是否以左下角为原点,默认为false,即以左上角为原点。

4.6 cv::polylines:绘制多边形的边界。

void cv::polylines(cv::Mat& img, const cv::Point* pts,
                   const int* npts, int ncontours,
                   bool isClosed, const cv::Scalar& color,
                   int thickness=1, int lineType=cv::LINE_8,
                   int shift=0);

参数说明:

  • img:要绘制多边形的图像。
  • pts:多边形每个顶点的坐标数组。
  • npts:多边形每个闭合环的顶点数量数组。
  • ncontours:多边形的数量。
  • isClosed:是否闭合多边形。
  • color:多边形的颜色。
  • thickness:多边形边界的线宽,默认为1。
  • lineType:多边形的类型,默认为8连通线(cv::LINE_8)。
  • shift:坐标的小数位数,默认为0。

4.7 cv::fillPoly:填充多边形内部。

void cv::fillPoly(cv::Mat& img, const cv::Point** pts,
                  const int* npts, int ncontours,
                  const cv::Scalar& color,
                  int lineType=cv::LINE_8, int shift=0,
                  cv::Point offset=cv::Point());

参数说明:

  • img:要填充多边形的图像。
  • pts:多边形每个顶点的坐标数组的指针。
  • npts:多边形每个闭合环的顶点数量数组。
  • ncontours:多边形的数量。
  • color:填充的颜色。
  • lineType:多边形的类型,默认为8连通线(cv::LINE_8)。
  • shift:坐标的小数位数,默认为0。
  • offset:填充多边形时的偏移量。

4.8 cv::polylines 和 cv::fillPoly 的使用示例

cv::Mat image(500, 500, CV_8UC3, cv::Scalar(255, 255, 255));  // 创建一张白色图像

// 定义多边形的顶点坐标
cv::Point pts[1][4];
pts[0][0] = cv::Point(100, 100);
pts[0][1] = cv::Point(200, 100);
pts[0][2] = cv::Point(200, 200);
pts[0][3] = cv::Point(100, 200);

// 绘制多边形的边界
const cv::Point* ppt[1] = { pts[0] };
int npt[] = { 4 };
cv::polylines(image, ppt, npt, 1, true, cv::Scalar(0, 0, 255), 2);

// 填充多边形的内部
cv::fillPoly(image, ppt, npt, 1, cv::Scalar(0, 255, 0));

// 显示图像
cv::imshow("Image", image);
cv::waitKey(0);

这段示例代码创建了一个白色的图像,并在图像上绘制了一个红色边界的矩形,同时填充了矩形的内部为绿色。通过使用 cv::polylines 和 cv::fillPoly 函数,可以绘制更复杂的多边形形状和填充效果。

五、月饼、玉兔绘图代码

5.1 最简单的月饼

#include <opencv2/opencv.hpp>

int main()
{
    // 创建一个黑色背景图像作为画布
    cv::Mat canvas(400, 400, CV_8UC3, cv::Scalar(0, 0, 0));

    // 定义月饼的参数
    cv::Point center(canvas.cols / 2, canvas.rows / 2);
    int radius = 150;
    cv::Scalar mooncakeColor(139, 69, 19); // 棕色

    // 绘制月饼的主体
    cv::circle(canvas, center, radius, mooncakeColor, cv::FILLED);

    // 在窗口中显示绘制的月饼
    cv::imshow("Circular Mooncake", canvas);
    cv::waitKey(0);

    return 0;
}

代码里创建了一个大小为400x400像素的黑色背景图像,使用cv::circle()函数绘制一个圆形的棕色月饼。通过指定圆心坐标、半径和颜色来绘制圆形月饼。最后,在窗口中显示绘制的月饼。

5.2 最简单的玉兔

#include <opencv2/opencv.hpp>

int main()
{
    // 创建一个黑色背景图像作为画布
    cv::Mat canvas(400, 400, CV_8UC3, cv::Scalar(0, 0, 0));

    // 绘制兔子身体
    cv::ellipse(canvas, cv::Point(canvas.cols / 2, canvas.rows / 2), cv::Size(150, 200), 0, 0, 360, cv::Scalar(255, 255, 255), cv::FILLED);

    // 绘制兔子内耳朵
    cv::ellipse(canvas, cv::Point(canvas.cols / 2 - 60, canvas.rows / 2 - 110), cv::Size(70, 100), 0, 0, 360, cv::Scalar(255, 255, 255), cv::FILLED);
    cv::ellipse(canvas, cv::Point(canvas.cols / 2 + 60, canvas.rows / 2 - 110), cv::Size(70, 100), 0, 0, 360, cv::Scalar(255, 255, 255), cv::FILLED);

    // 绘制兔子眼睛
    cv::circle(canvas, cv::Point(canvas.cols / 2 - 40, canvas.rows / 2), 20, cv::Scalar(0, 0, 0), cv::FILLED);
    cv::circle(canvas, cv::Point(canvas.cols / 2 + 40, canvas.rows / 2), 20, cv::Scalar(0, 0, 0), cv::FILLED);

    // 绘制兔子嘴巴
    cv::ellipse(canvas, cv::Point(canvas.cols / 2, canvas.rows / 2 + 60), cv::Size(60, 30), 0, 180, 360, cv::Scalar(0, 0, 0), cv::FILLED);

    // 绘制兔子鼻子
    cv::circle(canvas, cv::Point(canvas.cols / 2, canvas.rows / 2 + 40), 10, cv::Scalar(255, 0, 0), cv::FILLED);

    // 在窗口中显示绘制的兔子
    cv::imshow("Rabbit", canvas);
    cv::waitKey(0);

    return 0;
}

代码l里创建了一个大小为400x400像素的黑色背景图像,使用cv::ellipse()和cv::circle()函数来绘制兔子的身体、内耳朵、眼睛、嘴巴和鼻子。通过指定中心点、尺寸、角度和颜色等参数来绘制不同的部分。最后,在窗口中显示绘制的兔子。

5.3 绘制带花纹轮廓的月饼

#include <opencv2/opencv.hpp>

int main()
{
    // 创建一个画布,大小为800x800像素
    cv::Mat canvas(800, 800, CV_8UC3, cv::Scalar(255, 255, 255));

    // 设置画笔属性
    int thickness = 20;
    cv::Scalar color(245, 225, 111); // 黄色
    int lineType = cv::LINE_8;

    // 绘制太阳花花瓣
    for (int i = 0; i < 20; ++i)
    {
        // 计算当前花瓣的角度
        double angle = i * 18.0;

        // 计算当前花瓣的终点坐标
        double x = 400 + 220 * cos(angle * CV_PI / 180);
        double y = 400 + 220 * sin(angle * CV_PI / 180);

        // 绘制直线
        cv::line(canvas, cv::Point(400, 400), cv::Point(x, y), color, thickness, lineType);

        // 绘制半圆
        cv::Point center(x, y);
        cv::ellipse(canvas, center, cv::Size(40, 40), 0, 180, 360, color, -1);
    }

    // 绘制中心圆
    cv::Scalar fill_color(255, 153, 51); // 橙色
    cv::Point center(400, 400);
    cv::circle(canvas, center, 200, fill_color, -1);

    // 绘制花瓣图案
    cv::Scalar petal_color(245, 225, 111); // 黄色
    for (int i = 0; i < 12; ++i)
    {
        // 计算当前花瓣的起点和终点角度
        double startAngle = i * 30.0;
        double endAngle = startAngle + 120.0;

        // 绘制圆弧
        cv::ellipse(canvas, center, cv::Size(60, 60), 0, startAngle, endAngle, petal_color, -1);

        // 旋转180度,绘制对称的圆弧
        cv::ellipse(canvas, center, cv::Size(60, 60), 0, startAngle + 180, endAngle + 180, petal_color, -1);
    }

    // 显示结果
    cv::imshow("Sunflower", canvas);
    cv::waitKey(0);
    cv::destroyAllWindows();

    return 0;
}

代码创建了一个800x800像素的画布,使用OpenCV的函数和方法来绘制太阳花图案。cv::line()绘制直线,cv::circle()绘制圆,cv::ellipse()绘制半圆和圆弧。

5.4 绘制兔子

#include <opencv2/opencv.hpp>

int main()
{
    // 创建一个800x800像素的画布
    cv::Mat canvas(800, 800, CV_8UC3, cv::Scalar(255, 255, 255));

    // 设置画笔属性
    int thickness = -1; // 填充形状
    cv::Scalar color(0, 0, 0); // 黑色
    int lineType = cv::LINE_8;

    // 绘制兔子的头部
    cv::Point center(400, 400);
    cv::circle(canvas, center, 60, color, thickness, lineType);

    // 绘制兔子的眼睛
    cv::Point eye1(380, 500);
    cv::Point eye2(420, 500);
    cv::circle(canvas, eye1, 25, color, thickness, lineType);
    cv::circle(canvas, eye2, 25, color, thickness, lineType);

    // 绘制兔子的嘴巴
    cv::Point mouth_center(400, 480);
    cv::Size axes(10, 10);
    cv::ellipse(canvas, mouth_center, axes, 0, 0, 180, color, thickness, lineType);

    // 绘制兔子的身体
    cv::circle(canvas, center, 100, color, thickness, lineType);

    // 绘制兔子的脚
    cv::Point foot1(340, 600);
    cv::Point foot2(460, 600);
    cv::ellipse(canvas, foot1, axes, 0, 0, 180, color, thickness, lineType);
    cv::ellipse(canvas, foot2, axes, 0, 0, 180, color, thickness, lineType);

    // 绘制兔子的尾巴
    cv::Point tail(480, 400);
    cv::circle(canvas, tail, 20, color, thickness, lineType);

    // 显示结果
    cv::imshow("Rabbit", canvas);
    cv::waitKey(0);
    cv::destroyAllWindows();

    return 0;
}

代码创建了一个800x800像素的画布,绘制了兔子的头部、眼睛、嘴巴、身体、脚和尾巴。

5.5 绘制嫦娥仙子-精简版

#include <opencv2/opencv.hpp>

int main()
{
    // 创建一个800x800像素的画布
    cv::Mat canvas(800, 800, CV_8UC3, cv::Scalar(255, 255, 255));

    // 设置画笔属性
    int thickness = -1; // 填充形状
    cv::Scalar color(0, 0, 0); // 黑色
    int lineType = cv::LINE_8;

    // 绘制头部
    cv::Point head_center(400, 300);
    cv::circle(canvas, head_center, 80, color, thickness, lineType);

    // 绘制眼睛
    cv::Point eye1(360, 270);
    cv::Point eye2(440, 270);
    cv::circle(canvas, eye1, 10, color, thickness, lineType);
    cv::circle(canvas, eye2, 10, color, thickness, lineType);

    // 绘制嘴巴
    cv::Point mouth_center(400, 330);
    cv::Size axes(30, 30);
    cv::ellipse(canvas, mouth_center, axes, 0, 0, 180, color, thickness, lineType);

    // 绘制身体
    cv::Point body_top(400, 380);
    cv::Point body_bottom(400, 550);
    cv::line(canvas, body_top, body_bottom, color, 2, lineType);

    // 绘制衣裙
    cv::Point skirt_top(370, 550);
    cv::Point skirt_bottom(430, 700);
    cv::line(canvas, body_bottom, skirt_top, color, 2, lineType);
    cv::rectangle(canvas, cv::Rect(350, 570, 100, 130), color, thickness, lineType);

    // 绘制左手
    cv::Point hand1_start(400, 420);
    cv::Point hand1_end(320, 500);
    cv::line(canvas, hand1_start, hand1_end, color, 2, lineType);

    // 绘制右手
    cv::Point hand2_start(400, 420);
    cv::Point hand2_end(480, 500);
    cv::line(canvas, hand2_start, hand2_end, color, 2, lineType);

    // 绘制发髻
    cv::Point hair_top(400, 200);
    cv::Size hair_axes(80, 40);
    cv::ellipse(canvas, hair_top, hair_axes, 0, 180, 360, color, thickness, lineType);

    // 绘制发丝
    cv::Point hair1_start(400, 160);
    cv::Point hair1_end(320, 220);
    cv::line(canvas, hair1_start, hair1_end, color, 2, lineType);

    cv::Point hair2_start(400, 160);
    cv::Point hair2_end(480, 220);
    cv::line(canvas, hair2_start, hair2_end, color, 2, lineType);

    // 显示结果
    cv::imshow("Chang'e", canvas);
    cv::waitKey(0);
    cv::destroyAllWindows();

    return 0;
}


创建了一个800x800像素的画布,绘制了嫦娥仙子的头部、眼睛、嘴巴、身体、手、衣裙和发髻。

六、总结

中秋节是中国传统文化中重要的节日之一,而使用OpenCV绘制精美的月饼和玉兔图像,则是将传统与科技相结合的创新之举。通过OpenCV的强大功能,可以展现出独特的视觉效果,让传统元素焕发出新的魅力。同时,这也是对中秋佳节的一种独特表达方式,让大家在品味月饼和赏月的同时,感受到现代科技为我们带来的惊喜和乐趣。

无论是专业开发者还是普通爱好者,学习和掌握OpenCV都能够更好地发挥想象力和创造力,创作出属于自己的精美作品。在这个特殊的中秋节,借助OpenCV的魔力,在绘制月饼和玉兔的过程中,感受传统文化的魅力和现代科技的力量。用创意和技术,为这个美好的节日增添更多的喜悦和祝福。

提前----> 祝大家中秋快乐,月圆人团圆!

VC9、VC11、VC14、VC15是啥? 一:先看个关系对应 vs发布版本与vc版本对应关系如下所示: Visual Studio 6 : vc6 Visual Studio 2003 : vc7 Visual Studio 2005 : vc8 Visual Studio 2008 : vc9 Visual Studio 2010 : vc10 Visual Studio 2012 : vc11 Visual Studi... 阅读详情

相关推荐

在VS2017(VC15)上配置opencv4.0.1环境

作为萌新最初听说到opencv,以为是一个集成开发环境IDE。后来因为毕设原因不得不去使用opencv,才了解到OpenCV是一个广受欢迎的开源计算机视觉库 ,它提供了很多函数,实现很多计算机视觉算法,从最基本的滤波到高级物体检测皆有涵盖。换言之,opencv只不过是一个写好的库,方便在编程的时候对视觉数据进行处理。 网上有各式各样的配置方式,但是大部分都没说每一步做法的原因 ,导致opencv...

GoldenBullet的博客 3384

VS2015配置opencv4.5.1

配置环境路径,在Path里面追加D:\opencv\opencv\build\x64\vc14\bin,这是楼主的路径,前面的根据自己的安装路径进行修改即可,可以测试路径配置是否成功。>>链接器>>输入>>附加依赖项:opencv_world451d.lib(d是debug模式,451是opencv的版本号,填你下载的版本,可以去你的安装路径看一眼,下图参考)>>库目录:D:\opencv\opencv\build\x64\vc14\lib(v14是vs2015版本,v15是2017,选择你的版本)

weixin_72504310的博客 967

利用OPENCV创作梵高艺术风格图片

OpenCV is a library with 20 years of continuous development under its belt. The age of introspection and search of destiny. Are there any projects based on the library which have made someone’s life better and happier? Can you make it by yourself? Seeking

weixin_41697507的博客 802

【youcans的OpenCV例程300篇】总目录

【youcans 的 OpenCV 例程300篇】总目录 转载本系列作品时必须标注以下版权内容:必须标注以下版权内容: youcans@qq.com, 【youcans 的 OpenCV 例程】, https://blog.csdn.net/youcans/category_11459626.html......................................................

youcans的博客 7万+

最新opencv-3.4.1-vc14_vc15安装包,简单安装

我将搭建QT和Cmakey以及opencv的环境搭建都写在博客里面,如果不想去官网下载的可以直接下载这个文件,选好安装的位置,直接下一步安装就好,很简单的安装

opencv-3.4.1-vc14_vc15

opencv-3.4.1,比较新,解压后使用即可。操作方法可自行百度或参照博客

可做毕设/基于opencv的手势识别完整项目/python3.9/万字长文手把手带你学

万字长文!毕业设计临近,为了做一个更好的作品,和大家一样,我也一直在找一个简单的opencv项目练练手。原作者的code版本太老,于是我在学习了网上许多大佬的开源代码和研究了作者思路之后,便着手改动重制一份。但是由于本人能力有限,加之一时心血来潮,项目仍有诸多不足和错误之处,特行文记录,希望能帮助到有需要的人。

一个简单的孩子。 4461

基于FPGA的TDC延迟链优化与码密度校准方法(1)——原理与实现

本文深入探讨了基于FPGA的时间数字转换器(TDC)延迟链非均匀性问题及其码密度校准方法。通过分析工艺偏差、温度电压影响等根源,详细介绍了码密度测试原理、逐位校准技术及气泡消除算法,并分享了自适应校准策略与多场景应用实践,有效提升TDC测量精度至皮秒级。

kiwi8的博客 491

推荐几个Python+OpenCV实战项目

计算机视觉 (CV) 是人工智能 (AI) 的一个分支,它使计算机能够从图像、视频和其他视觉输入中提取有意义的信息。例如自动驾驶汽车、自动交通管理、监控、基于图像的质量检查等等。有不少粉丝问CVer:本人小白一枚,看了很多深度学习,机器学习以及图像处理等视频和书之后,理论有一些长进,但是实际运用能力不足,从反面也是由于理论认识不足所致,所以想问问有没有好的项目,提升下自身...

阿木寺的博客 7094

【重磅更新】CT/MRI LI-RADS 2024:肝细胞癌局部区域治疗后反应评估的核心突破与临床实践指南

减少过度治疗:辐射 LRT 的 Nonprogressing 类别避免了 “持续强化 = 存活” 的误判,降低不必要的再治疗风险;提高检出效率:非辐射 LRT 的辅助特征升级减少了 Equivocal 比例,更早识别存活肿瘤;统一评估语言:标准化的分类标准为放射科、肝病科、肿瘤科、肝移植科的多学科协作(MDT)提供了统一 “沟通工具”,助力治疗方案的精准制定。

楚山之石的博客 1232

【鸿蒙游戏上架审核规范指南】

华为鸿蒙游戏上架审核规范指南摘要

weixin_44161102的博客 934

OpenCV图像识别小案例

Opencv识图小案例,抛砖引玉,带你走进Opencv大门

百锦再的博客 1万+

使用WSL2安装ubuntu系统并配置深度学习环境

wsl2安装ubuntu部署深度学习环境的方法

u013358093的博客 2703

程序媛过中秋的正确打开方式——使用Python绘制月饼消消乐,素描图,词云图,字符画图及提取轮廓

程序媛过中秋的正确打开方式——这篇博客将介绍如何使用Python绘制月饼消消乐,素描图,词云图,字符画图及提取轮廓。

qq_40985985的博客 3161

从零开始写一个RTSP服务器(一)RTSP协议讲解

从零开始写一个RTSP服务器系列 从零开始写一个RTSP服务器(一)不一样的RTSP协议讲解 从零开始写一个RTSP服务器(二)RTP传输H.264(待写) 从零开始写一个RTSP服务器(三)一个传输H.264的RTSP服务器(待写) 从零开始写一个RTSP服务器(四)RTP传输AAC(待写) 从零开始写一个RTSP服务器(五)一个传输AAC的RTSP服务器(待写) 从零开始写一个RTSP服务器(...

JT同学的博客 7万+

手把手教你学Simulink——基于经典PID控制的电机系统场景实例:BLDC电机PID电流控制策略仿真

*无刷直流电机(Brushless DC Motor, BLDC)**因其高效率、长寿命和低维护成本,在众多领域如家用电器、工业自动化、电动汽车等得到了广泛应用。为了实现对BLDC电机的有效控制,通常采用基于霍尔传感器或反电动势检测的换相技术,并结合电流闭环控制以提高系统的动态响应和稳定性。本教程将带你使用构建一个基于PID控制的BLDC电机电流控制策略仿真模型BLDC电机建模PID控制器设计与应用系统仿真与调试控制效果分析本文介绍了如何使用构建一个。

MHD0815的博客 203

Python—2023 |已有文章汇总 | 持续更新,直接看这篇就够了

????导语 现将之前写过的文章进行分类整理,方便大家观看找到自己喜欢的文章类型哦~ ????每日更新: 项目1.0樱花将灿,冬尽风暖 漫天樱花表白小程序:“樱花将灿,冬尽风暖“一樱花和你我都想念~(内含多份源码) 项目1.1 纪念册 【Python纪念册】哪些浪漫至极的表白程序—“你做我的男孩,我做你的宇宙” 项目1.2 外星人小游戏 Pygame实战:前方高燃,外星人基地又双叒叕“空降”了。 ????Pygame游戏项目合集───── 项目1.0 超级玛丽 程序员自制游戏:

顾木子吖的博客 1万+

Android 车联网——CarAudioService介绍(六)

CarAudioService 是 Android Automotive OS 中的一个重要组件,用于管理车辆中的音频功能。它是 Android Auto 的一部分,负责处理车辆音频的播放、控制和路由。CarAudioService 使用标准的 Android 组件架构,基于 Binder 通信机制,提供了一组 API,用于管理车辆音频。它包括以下主要功能:音频路由管理:CarAudioService 可以让开发者控制音频的路由,即将音频发送到不同的输出设备,例如车辆的扬声器、耳机等。

小旭的专栏 3208

再见实体店!推荐一个Python神器,能在线帮助小姐姐试衣服!

在计算机视觉顶级会议CVPR2020中,收录了一篇基于图像的虚拟换装的文章,文章提出网络模型 ACGPN。该模型能够十分逼真地来模拟任务换装后的效果。我们来看一下换装的效果吧。怎么样,效...

cainiao_python的博客 1892

069、自动曝光(AE)测光策略:全局/中心/点测光与曝光时间增益分配

本文深入探讨了自动曝光(AE)测光策略的技术细节与实际应用。作者通过多个真实案例(手机前置摄像头、车载ADAS、安防监控等)分析了全局测光、中心测光和点测光的优缺点,指出不同场景应采用不同策略。重点剖析了曝光时间与增益分配的"跷跷板效应",提出要根据传感器特性选择最优分配方案。文章强调测光策略应动态调整,并给出5条实用建议:结合场景切换测光模式、关注传感器增益拐点、点测光需防抖处理、全局测光不宜迷信、调试要观察亮度直方图。最后指出AE调试需要结合具体硬件特性进行实测优化,没有通用解决方案。

zzfmlxs的博客 106

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

opencv中vc14和vc15的区别?

VC11,Visual Studio 2012编译器 VC14,Visual Studio 2015编译器 VC15,Visual Studio 2017编译器 - VC11构建需要安装Visual Studio 2012 x86或x64的Visual C ++ Redistributable - VC14构建需要安装Visual Studio 2015 x86或x64的Visual C ++ Redistributable - VC15构建需要安装Visual Studio 2017 x64或x86的Vi

Dontla的博客 1万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

【建议收藏】优秀实用的OpenCV开源项目汇总

1、Openpose 实时人体、脸、手、脚的关键点检测库 https://github.com/CMU-Perceptual-Computing-Lab/openpose 2、Learnopencv 学习OpenCV: c++和Python示例 https://github.com/spmallick/learnopencv 3、Faceai 一款入门级的人脸、视频、文字检测以及识别的项目. https://github.com/vipstone/faceai 4、Mvi.

albertleebob的博客 1万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

VS(Visual Studio)与VC(Visual C++)版本对应关系

本科时学c语言最早接触的c,c++开发环境是经典的VC++ 6.0,后来又用上了VS开发环境学习c++;再后来接触深度学习,安装python的第三方包的时候,某些python第三方包要求电脑上需装有vc 14版本编程环境,那么vc版本与vs之间是什么关系呢,下面简单的介绍下方便以后查阅。 C++是一门编程语言。 VC全名是Microsoft Visual C++是微软出的一个集成的c,c+...

aoanng的博客 7万+

opencv载入图片,并得到行列值

之前看了opencv载入图像,在这里总结一下。 #include "stdafx.h"   #include   #include   #include   #include   #include   int main(int argc, char *argv[])   {       IplImage* img = 0;        int height,widt

u012263702的专栏 2825

VS版本 与 VC版本 的对应关系,以及opencv 对 VC版本 的支持情况

VS版本 与 VC版本 的对应关系 Visual Studio 6 : vc6 Visual Studio 2003 : vc7 Visual Studio 2005 : vc8 Visual Studio 2008 : vc9 Visual Studio 2010 : vc10 Visual Studio 2012 : vc11 Visual Studio 2013 : v...

魔法学徒 2万+

opencv中的SVM图像分类(二)

原创作品 转载请注明出http://blog.csdn.net/always2015/article/details/47107129

去实验室,奔跑吧 4万+
上一篇: 基于STM32+华为云设计的智能鱼缸
下一篇: 基于STM32+华为云IOT设计的智能衣柜
DS小龙哥
DS小龙哥 领域专家: 嵌入式与硬件开发技术领域 领域专家: 嵌入式与硬件开发技术领域
博客等级 码龄12年 5万+粉丝 1542原创
评论 6
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

DS小龙哥

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址