ICode9

精准搜索请尝试: 精确搜索
  • Playwright自动化登录JD2022-09-15 10:33:03

    import base64 import random import re import time from playwright.sync_api import sync_playwright import cv2 def show(name): '''展示圈出来的位置''' cv2.imshow('Show', name) cv2.waitKey(0) cv2.destroyAllWin

  • opencv基本操作2022-09-14 22:31:55

    1-1.真彩色 24 位 BMP 图像每存储一个像素点需要几个字节?计算一幅大小为 1024× 768 的图像数据存储需要的字节数(不压缩)。 24位图像储存一个像素需要3个字节 print("一副1024*768的图像需要的字节数为:",1024*768*3) 一副1024*768的图像需要的字节数为: 2359296 1-2. 将灰度为256

  • Python图像处理丨基于K-Means聚类的图像区域分割2022-09-09 17:04:02

    摘要:本篇文章主要讲解基于理论的图像分割方法,通过K-Means聚类算法实现图像分割或颜色分层处理。 本文分享自华为云社区《[Python图像处理] 十九.图像分割之基于K-Means聚类的区域分割》,作者: eastmount。 本篇文章主要讲解基于理论的图像分割方法,通过K-Means聚类算法实现图像分割或

  • 跟我学Python图像处理丨何为图像的灰度非线性变换2022-09-02 16:33:19

    摘要:本文主要讲解灰度线性变换,基础性知识希望对您有所帮助。 本文分享自华为云社区《[Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换》,作者:eastmount 。 本篇文章主要讲解非线性变换,使用自定义方法对图像进行灰度化处理,包括对数变换和伽马变换。 一.图像灰度非

  • flask实时播放cv2读取的视频2022-08-29 13:32:25

    flask实时播放cv2读取的视频 app.py class VideoCamera(object): def __init__(self, url): self.cap = cv2.VideoCapture(url) def __del__(self): self.cap.release() def get_frame(self): success, image = self.cap.read() re

  • opencvsharp踩坑DAY1--图像增强emphasize2022-08-27 15:34:14

    cheche出差摸鱼做的一个用opencvsharp的东西,用于快速验证,水平极差,目前功能如下   今天搞的功能是复现halcon的图像增强算子emphasize,根据文档其运作过程为 1.输入均值(低通)滤波矩阵size,输入Factor,原图灰度集in 2.滤波in得图像m 3.然后out=round((in- m) * Factor)+in 效果如下  

  • 基于opencv的RTSP(rtsp)流读取和保存(C++可cmake编译-附带py方法)2022-08-25 11:00:11

      因其工作需要使用C++读取rtsp流,本文将针对linux下c++版读取视频流保存视频,凌乱且各种错误。现将将其成功执行的流程和代码记录,顺带也写了一份python读取rtsp方法,供自己使用及有需之人参考。本文分三部分,第一部分呈现CMakeLists.txt与rtsp_video源码;第二部分插图给出使用方法;第

  • opencv学习--基础2022-08-22 00:04:23

    1.opencv包安装    这里直接安装opencv-python包(非官方): pip3 install opencv-python    以及相应的扩展包:pip3 install opencv-contrib-python    官方文档:https://opencv-python-tutroals.readthedocs.io/en/latest/ 2. opencv简单图像处理   2.1 图像像素存储形式   

  • 跟我学Python图像处理丨基于灰度三维图的图像顶帽运算和黑帽运算2022-08-17 11:30:24

    摘要:本篇文章结合灰度三维图像讲解图像顶帽运算和图像黑猫运算,通过Python调用OpenCV函数实现。 本文分享自华为云社区《[Python图像处理] 十三.基于灰度三维图的图像顶帽运算和黑帽运算》,作者: eastmount。 本篇文章继续深入,结合灰度三维图像讲解图像顶帽运算和图像黑猫运算,通过Pyt

  • C#-OpenCvSharp二值化阈值2022-08-17 11:00:17

    本文链接:https://blog.csdn.net/qq_40344307/article/details/90741857 Mat panda = Cv2.ImRead("panda.png",ImreadModes.Grayscale);//必须为灰度图单通道 //1.简单阈值分割 //ThresholdTypes.BINARY 二进制阈值化,非黑即白 //ThresholdTypes.BINARY_INV 反二进制阈值化,非白即黑

  • 【CV】import cv22022-08-15 15:31:30

    记录cv2包相关方法的调用: 图像: img = cv2.imread(imgPath) # 读取图像,输出为3维的numpy img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # cv2.cvtColor()方法用于将图像从一种颜色空间转换为另一种颜色空间 image_resized = cv2.resize(image, target_shape) #调整形状 image_np

  • 使用cv2读取网络图片2022-08-08 00:31:52

    在使用cv2加载图片时,发现使用imread方法加载本地图片没有问题,但加载网络图片就无法读取None,显示为None,因此读取不到服务器上存储的图片, 解决方法: 先使用PIL读取网络图片,再将PIL.Image转换成OpenCV格式 response = requests.get(img_path) #图片地址 response = response.content

  • 抖音 滑块验证方案 s_v_web_id 参数分析2022-08-06 14:30:47

    本文所有教程及源码、软件仅为技术研究。不涉及计算机信息系统功能的删除、修改、增加、干扰,更不会影响计算机信息系统的正常运行。不得将代码用于非法用途,如侵立删! 抖音web端 s_v_web_id 参数生成分析与实现 操作环境 win10 Python3.9 分析 s_v_web_id 作用:web端使用滑块后的s

  • 27_将视频按帧率获取图片2022-08-03 16:02:11

    # 导入所需要的库 import cv2 import numpy as np # 定义保存图片函数 # image:要保存的图片名字 # addr;图片地址与相片名字的前部分 # num: 相片,名字的后缀。int 类型 def save_image(image, addr, num): address = addr + str(num) + '.jpg' cv2.imwrite(address, ima

  • 17_图像轮廓2022-08-03 12:03:49

    # 图像轮廓 ## 2.1 图像二值化 import cv2 #opencv的缩写为cv2 import matplotlib.pyplot as plt # matplotlib库用于绘图展示 import numpy as np # numpy数值计算工具包 def cv_show(img,name): cv2.imshow(name,img) cv2.waitKey() cv2.destroyAllWindows

  • 24_背景建模2022-08-03 12:03:49

    # 背景建模 # 1. 帧差法 # 2. 混合高斯模型 ## 2.2 混合高斯模型测试方法 import numpy as np import cv2 # 经典的测试视频 cap = cv2.VideoCapture('D:/pycharm/pycharm-cope/opencv/resource/videos/02_Foreground.avi') # 形态学操作需要使用 kernel = cv2.getStructu

  • 25_光流估计2022-08-03 12:03:25

    # 光流估计 # 1. 光流估计 import numpy as np import cv2 cap = cv2.VideoCapture('D:/pycharm/pycharm-cope/opencv/resource/videos/02_Foreground.avi') # 角点检测所需参数 # 如果不限制角点最大数量,速度就会有些慢,达不到实时的效果 # 品质因子会筛选角点,品质因子设置的

  • 18_模板匹配2022-08-03 12:02:35

    # 模板匹配 # 1. 模板匹配简介 # 2. 模板匹配单个对象 import cv2 # opencv的缩写为cv2 import matplotlib.pyplot as plt # matplotlib库用于绘图展示 import numpy as np # numpy数值计算工具包 template = cv2.imread('D:/pycharm/pycharm-cope/opencv/resource/photo

  • 19_图像直方图2022-08-03 12:02:03

    # 图像直方图 # 1. 图像直方图简介 # 2. 图像直方图统计 import cv2 import numpy as np import matplotlib.pyplot as plt def cv_show(img,name): cv2.imshow(name,img) cv2.waitKey() cv2.destroyAllWindows() img = cv2.imread('D:/pycharm/pycharm-cope/ope

  • 20_傅里叶变换2022-08-03 12:00:43

    # 3. 傅里叶变换 import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('D:/pycharm/pycharm-cope/opencv/resource/photo/13_Lena.jpg',0) img_float = np.float32(img) # 输入图片转换成 np.float32 格式 dft = cv2.dft(img_float, flags =

  • 21_harris角点检测2022-08-03 12:00:12

    # 角点检测 # 1. 角点检测原理 # 2. harris角点检测 import cv2 import numpy as np img = cv2.imread('D:/pycharm/pycharm-cope/opencv/resource/photo/17_Chessboard.jpg') print('img.shape:',img.shape) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #gray =

  • 02_灰度图处理与图片保存2022-08-03 11:34:57

    # 灰度图处理与图片保存 # 1. 读取BGR图(默认读取) import cv2 # opencv的缩写为cv2 import matplotlib.pyplot as plt # matplotlib库用于绘图展示 import numpy as np # numpy数值计算工具包 img = cv2.imread('D:/pycharm/pycharm-cope/opencv/resource/photo/01_cat.j

  • 06_边界填充2022-08-03 11:33:54

    # 边界填充 # 1. 边界填充简介 """① 边界填充就是对图像进行一些变换,让原始图像进行扩大。 ② 边界填充的入口参数: - BORDER_REPLICATE:复制法,也就是复制最边缘像素。 - BORDER_REFLECT:反射法,对感兴趣的图像中的像素在两边进行复制例如:fedcba|abcdefgh|hgfedcb - BORDER_REFLEC

  • 03_HSV颜色空间2022-08-03 11:33:25

    import cv2 #opencv的缩写为cv2 import matplotlib.pyplot as plt # matplotlib库用于绘图展示 import numpy as np # numpy数值计算工具包 # 魔法指令,直接展示图,Jupyter notebook特有 # %matplotlib inline hsv = cv2.imread('D:/pycharm/pycharm-cope/opencv/resource/photo

  • OpenCV图像处理笔记[16]2022-08-03 11:32:43

    Painting Light 1. 前期工作 理解核心代码所需的预备知识 关于BMP文件格式的详解 https://blog.csdn.net/zjq_1314520/article/details/53830349 BMP位图与调色板分析 https://blog.csdn.net/qsycn/article/details/7801145 聚类用于图像分割 https://juejin.im/post/5e9eb5eef2

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有