Opencv2.4.4示例程序说明
parter 1:
No1.?
利用HSV空間的色調信息的皮膚檢測,背景不能有太多與膚色相似的顏色。效果不是特別好。
No2.?
好大一串……目前還看不懂。
No3.?
前后背景分離。開啟攝像頭或讀取視頻。
No4.?
攝像頭捕捉,根據運動進行前后背景分離。
No5.?
高斯處理視頻。跟蹤運動做前背景分割。BackgroundSubtractorMOG2
No6.?
視頻跟蹤。跟蹤視頻中的運動物體,用綠色線框出。
No7.?
利用brief描述算子匹配二維圖像特征點。line118出錯.???
No8.?
建立三維模型。根據給出的檢測器對原始進行建模。
No9.?
相機外定標。根據自帶的函數提取角點后定標,效果很不好。
No10.?
根據角點自動校準攝像。初始化后尋找角點再用calibrateCamera校準,有findChessboardCorners估計效果不
怎么好。
No11.?
圖像匹配。把圖像二值后在目標圖像中尋找模板圖像。主要調用chamerMatching函數。
No12.?
輪廓查找與獲取。cvFindContours一個函數搞定。
No13.?
從文件中裝載訓練好的級聯分類器或者從OpenCV中嵌入的分類器數據庫中導入 然后另存為一個文件。
No14.?
凸包。產生隨機點后計算凸包。
No15.?
opencv中矩陣的輸出。
No16.?
根據隨機點進行Delaunay三角測量找到邊,結束時計算Voronoi圖表的細胞結構。
No17.?
直方圖均衡化來調節圖像的亮度和對比度,輸出黑白圖像。
No18.?
7-8個參數。SIFT匹配。
No19.?
計算檢測算子。各種Dataset。
No20.?
計算檢測算子匹配。也是各種Dataset。
No21.?
對圖像進行離散Fourier變換。數學變換。
No22.?
距離變換。計算輸入圖像所有非零元素和其最近的零元素的距離。
No23.?
簡單的畫點、線、文字等。不解釋。
No24.?
邊緣檢測。通過滑動條調節閾值,利用Canny檢測圖像邊緣后顯示,很簡單的一個代碼。
No25.?
em聚類。
No26.?
fab-mat匹配。從訓練數據中建立Chow-Liu樹。
No27.?
人臉檢測。根據已訓練好的分類器對人臉圖像進行檢測,用不同顏色的圓形框或矩形框標記出檢測出的五官。
No28.?
人臉識別。
No29.?
計算視頻的光流。默認打開攝像頭,有些卡,速度慢。
No30.?
Mat矩陣存儲,讀寫xml/yml文件。
No31.?
有關Surf算法的示例。利用匹配在目標圖像中尋找樣本圖像中的物體。
No32.?
通過訓練分類樹檢測目標物體。需要訓練圖像。
No33.?
同樣是目標檢測。基于隨機蕨叢的快速識別關鍵點。
No34.?
橢圓擬合,查找圖像輪廓圖形。findContours很有用。總體效果不理想。
No35.?
利用特征點進行圖像匹配。特征點描述包括A. Alahi, R. Ortiz, and P. Vandergheynst. FREAK:Fast
Retina Keypoint.
No36.?
輸入顏色數量,產生著色條帶狀圖像。色帶寬20。
No37.?
SURF圖像匹配。輸入參數包括兩幅圖像和參數數據。
No38.?
利用Hough變換提取圖像中的直線或圓。效果一般。Canny很重要。
No39.?
基本的圖像和視頻讀取,圖像加噪和平滑處理。
No40.?
Kalman濾波,先建立運動模型和觀察模型。對繞圓周運動的一維點跟蹤,算法結果顯示了估計點和實際點的連線。
No41.?
聚類分析。在平面上產生隨機點后用K-means算法作聚類迭代,由于聚類中心也是隨機產生的,可知效果很不好。
No42.?
也是邊緣檢測。由滑動條調整閾值,先對圖像作濾波(高斯,均值,中值),后Laplace檢測邊緣。參數sigma=3時效果最好。
No43.?
用latentSVM檢測目標。
No44.?
演示訓練各種不同的分類器,使用uci的字符庫數據集。
No45.?
坐標的相互轉化。
No46.?
SURF圖像匹配。參數少,效果和generic_descriptor_match.cpp相似。
No47.?
多幅圖像的匹配。強大的SURF算法。
No48.?
meanshift圖像分割。三個參數spatialRad、colorRad和maxPyrLevel可調。
No49.?
產生隨機點后計算包含所有點的面積最小的圓和矩形。純數學問題。
No50.?
形態學基本運算,包括開/閉運算,膨脹/腐蝕運算。
No51.?
運動跟蹤。
No52.?
MSER方法區域提取圖像輪廓。使用顏色距離閾值的基于MSER方法的最大穩定顏色區域檢測子(Maximally
Stable Colour Regions,MSCR)。
No53.?
演示建立決策分類樹訓練 使用mushroom數據
No54.?
基于主成分分析的特征點匹配問題。運行時間好長……
No55.?
顯示opencv版本。簡單的幾行代碼。
No56.?
OpenEXRimages_HighDynamicRange_Retina_toneMapping_video.cpp
不清楚。
No57.?
開放式的自然交互視頻捕捉。Depth generator。
No58.?
主成份分析算法。重建。
No59.?
HOG (Histogram-of-OrientedGradients)行人或人體檢測,使用的是hog特征和svm。?
No60.?
基于相位的相關圖像運動方位跟蹤程序。
No61.?
點分類。鼠標點擊給定點和類。
No62.?
線性坐標和極坐標相互轉換。可以從攝像頭捕捉圖像。
No63.?
金字塔圖像分割。
No64.?
Retina特征點檢測。
No65.?
視覺里程計算法。為了估計剛體變換,試圖找到翹曲,即最大化之間連續兩個RGBD的幀不同的圖像尺度。
No66.?
視頻跟蹤分割運動中的物體。
No67.?
收集數據集對象和分割遮罩,顯示了如何使用相機的校準模式。計算該單對應性校準圖案上的平面。還顯示
grabCut分割等。
No68.?
一種光流算法。
No69.?
尋找矩形。
No70.?
根據圖像列表文件yaml讀取并顯示圖像。
No71.?
打開視頻圖像選擇畫面保存為圖片。
No72.?
攝像機立體校準。
No73.?
立體匹配。?
No74.?
圖像拼接。涉及到特征點的提取、特征點匹配、圖像融合等等。Stitcher類。
No75.?
光流法視頻跟蹤。
No76.?
演示使用不同的決策樹 CvDTree dtree;決策樹 CvBoost boost;Boosted treeclassifier監督學習樹
CvRTrees rtrees;隨機樹 CvERTrees ertrees;完全隨機樹。
No77.?
視頻截圖。
No78.?
使用features2d的快速角點檢測。?
No79.?
穩定視頻。
No80.?
做分水嶺圖像分割。
?
parter 2:
No1.?
彩色目標跟蹤。根據鼠標點擊一個區域的色度光譜來跟蹤視頻目標。
No2.?
連通區域。findContours+drawContours。
No3.?
先畫一張線條圖后檢測輪廓。參數可調。
No4.?
漫水填充。根據鼠標選取的點搜索圖像中與之顏色相近的點,用不同顏色標注。
No5.?
圖像分割,鼠標選取矩形框,摳出前景,分離背景。效果還挺不錯的。
No6.?
混合跟蹤。調試時HybridTracker那出錯了,不懂。
No7.?
把圖像名稱列表寫成yaml或xml格式。
No8.?
數字圖像修復程序,基于紋理合成。先在圖像上隨便畫,按"i"鍵后顯示修復的圖像。
No9.?
line196出錯.???
No10.?
點跟蹤。改進的Lucas-Kanade光流算法,檢測視頻運動目標。鼠標點擊目標點,視頻跟蹤。
parter3:
No1.?
UNIX或ANDROID平臺上使用的例子。基于檢測的跟蹤
原博文地址:http://blog.sina.com.cn/s/blog_6c9b83990101eecw.html
總結
以上是生活随笔為你收集整理的Opencv2.4.4示例程序说明的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 基于颜色特征,形状特征和纹理特征的数字图
- 下一篇: (各种均衡算法在MIMO中的应用对比试验