计算机视觉

对3D对象进行形变分析分析3D实例对象相对标准参照物的形变。一般用于质地较软的材质（例如橡胶，布料）查找，检查等。标准参考模型

12-OPENCV ROCKX项目人脸拍照这个功能只需要用一个主线程就可以完成，首先要初始化 VI 模块、ROCKX 模块并启动 VI 模块采集摄像头数据。初始化完成之后，则开始获取每一帧的 VI 码流数据，并且用 rockx 框架对每一帧视频数据进行人脸检测，若检测出人脸则用Opencv 对人脸图像进行截取，并用 opencv 的 API 把 NV12 图像转换为 BGR 图像，最后把转换后的 BGR 图像保存起来。

飞翔的佩奇

【完整源码+数据集+部署教程】石材实例分割系统源码和数据集：改进yolo11-CA-HSFPN研究背景与意义随着计算机视觉技术的快速发展，实例分割作为其中一个重要的研究方向，逐渐在多个领域中展现出其独特的应用价值。实例分割不仅能够对图像中的物体进行识别，还能精确地划分出每个物体的轮廓，这在许多实际应用中都具有重要意义。例如，在建筑行业中，石材的识别与分割对于材料的管理、施工进度的监控以及成本控制等方面都起着至关重要的作用。因此，开发一个高效的石材实例分割系统，能够有效提升相关行业的自动化水平和工作效率。

Halcon案例(三):C#联合Halcon识别排线

OPENCV图形计算面积、弧长API讲解（2）作用:把图像进行二值化处理在一个彩色图像中有许多像素值，例如设置阈值为100，大于100的像素变成100，小于的变成0或者其他值。其就是将多个像素点变成两个。

机器人/智能车纯视觉巡线经典策略—滑动窗口+直方图法作者：SkyXZCSDN：SkyXZ～-CSDN博客博客园：SkyXZ - 博客园在机器人或智能车的自主导航任务中，视觉巡线是一项最为基础且关键的能力之一。通过摄像头实时获取道路图像，并基于图像信息判断行驶路径，是实现智能车自动行驶的前提。其中，“滑动窗口 + 直方图”法作为一种经典的视觉巡线策略，因其实现简单、效果稳定、对环境适应性强，广泛应用于竞赛与实际项目中。接下来我将趁着学弟参加比赛的机会，手把手带着大家理解并实现这一经典纯视觉的巡线策略

OPENCV形态学基础之一膨胀数学表达式：dst(x,y) = dilate(src(x,y)) = max(x,y)src(x+x,y+y)

OPenCV CUDA模块立体匹配------对立体匹配生成的视差图进行双边滤波处理类cv::cuda::DisparityBilateralFiltercv::cuda::DisparityBilateralFilter 是 OpenCV CUDA 模块中的一个类，用于对立体匹配生成的视差图进行双边滤波处理。这种滤波方法可以在保留边缘信息的同时平滑噪声，从而提高视差图的质量。

把下载的ippicv.tgz放入＜opencv_build_dir＞/3rdparty/ippicv/download/中cmake依然无法识别如果已经将 ippicv_2022.0.0_lnx_intel64_20240904_general.tgz 放入了：

RootSIFT的目标定位，opencvsharp。首先截取匹配模板，然后使用rootsift特征匹配，最后定位目标。对于微弱变化，还是能够识别定位的，对于传统算法来说已经不错了。

飞翔的佩奇

【完整源码+数据集+部署教程】安检爆炸物检测系统源码和数据集：改进yolo11-REPVGGOREPA研究背景与意义随着全球安全形势的日益复杂，安检工作的重要性愈发凸显。特别是在公共场所和交通枢纽，如何有效地检测和识别潜在的爆炸物成为了一个亟待解决的技术难题。传统的安检手段往往依赖于人工检查和简单的物理检测，效率低下且容易受到人为因素的影响。因此，基于计算机视觉的自动化检测系统应运而生，成为提升安检效率和准确性的关键技术之一。

【20】番茄叶片病害数据集(有v5/v8模型)/YOLO番茄叶片病害检测➷点击跳转至数据集及模型获取处☇图片数量1500张，已标注txt格式训练集验证集按1250:250划分，可直接用于目标检测训练

基于生成对抗网络（GAN）的图像生成与编辑：原理、应用与实践前言生成对抗网络（GAN）是近年来深度学习领域中最具影响力的技术之一。自2014年由Ian Goodfellow等人首次提出以来，GAN已经在图像生成、图像编辑、风格转换等多个领域取得了令人瞩目的成果。GAN的核心思想是通过生成器（Generator）和判别器（Discriminator）的对抗训练，生成高质量的图像内容。本文将详细介绍GAN的基本原理、图像生成与编辑的应用场景，以及如何通过Python实现一个简单的GAN模型。一、生成对抗网络（GAN）的基本原理 1.1 GAN的基本架构生成对抗网

一站式 YOLO 视觉模型训练管理平台随着人工智能技术的快速发展，计算机视觉任务在工业、安防、交通等多个领域中扮演着越来越重要的角色。YOLO 系列目标检测算法因其高效性和准确性，广泛应用于实时目标识别场景中。然而，对于非专业开发者而言，手动配置环境、处理数据集、训练模型和部署推理流程仍然存在较高门槛。

飞翔的佩奇

【完整源码+数据集+部署教程】甘蔗叶片病害检测系统源码和数据集：改进yolo11-GhostDynamicConv研究背景与意义甘蔗作为全球重要的经济作物之一，其产量和质量直接影响到糖业、酒业及生物能源等多个行业的发展。然而，甘蔗在生长过程中常常受到多种病害的侵袭，尤其是叶片病害，这不仅会导致产量下降，还会影响甘蔗的糖分含量和品质。因此，及时、准确地检测和识别甘蔗叶片病害，对于保障甘蔗的健康生长和提高经济效益具有重要意义。

思通数科大数据舆情

工业安全零事故的智能守护者：一体化AI智能安防平台前言：通过AI视觉技术，为船厂提供全面的安全监控解决方案，涵盖交通违规检测、起重机轨道安全、非法入侵检测、盗窃防范、安全规范执行监控等多个方面，能够实现对应负责人反馈机制，并最终实现数据的统计报表。提升船厂的生产安全、运营效率和管理智能化水平。

OpenCV 图像像素值统计一、知识点 1、像素值统计 (1)、最小(min) (2)、最大(max) (3)、均值(mean) (4)、标准差(standard deviation) 方差是一组数据与其平均值之差的平方的平均值。标准差是方差的平方根。它们衡量了数据的离散程度。值越大，数据点之间的差异越大，集中趋势差; 反之，数据分布越集中。 2、void minMaxLoc(InputArray src, CV_OUT double * minVal, CV_OUT double * maxVal = 0, CV_OUT P

强盛小灵通专卖员

基于深度学习RT-DETR算法的盲人障碍物目标检测：提升盲人出行安全的智能化突破盲人出行问题一直是社会关注的焦点，尤其是在复杂的城市环境中，盲人面临着无数的障碍物，如路障、行人、车辆等，这些障碍物对他们的出行安全造成了极大的挑战。尽管现有的无障碍设施和辅助设备不断进步，然而在实际应用中，许多传统的障碍物检测技术依然存在精度低、实时性差、适应性差等问题，无法有效帮助盲人避开潜在的危险。为了解决这些问题，基于深度学习的**RT-DETR（Real-Time DEtection Transformer）**算法应运而生，成为了提升盲人出行安全的重要技术手段。

论文解析：一文弄懂ResNet(图像识别分类、目标检测)一、相关资源二、Motivation三、技术细节1.残差学习过程2.快捷连接类型(1)Identity Shortcuts（恒等捷径）

医学图像分割最新进展少样本分割致力于用极少量标注样本识别新类别使用支持集（含k张已标注图像）指导模型对查询图像进行新类别分割。