opencv

OpenCV 4.10.0 移植 - AndroidUbuntu 编译 OpenCV SDK for Android + Linux OpenCV 4.10.0 移植

opencv中contours的使用一 Contour FindingContours使用 STL-style vector<> 表示，如 vector<cv::Point>, vector<cv::Point2f>。opencv中，使用函数 cv::findContours() 寻找contours，具体函数定义如下：

OpenCV图像基本操作：读取、显示与保存在图像处理项目中，图像的读取（imread）、显示（imshow）和保存（imwrite）是最基础也是最常用的三个操作。本文将详细介绍这三个函数的功能、用法和注意事项，并提供一个完整示例供读者上手测试。

OpenCV图像数据处理:convertTo,normalize和scaleAdd在 OpenCV 图像处理的世界里，有几个函数进行一些基本数据变换：cv::convertTo()：类型转换与线性缩放；

Opencv---深度学习开发在OpenCV中进行深度学习开发，主要围绕其dnn模块展开，该模块支持加载预训练模型、预处理输入数据、执行推理计算以及解析输出结果。本文讲解基于OpenCV进行深度学习开发的基本流程。

看到我，请让我去学习

OpenCV 图像进阶处理：特征提取与车牌识别深度解析图像特征提取是连接原始像素数据与高层视觉任务的桥梁，其核心是从海量像素中提取具有判别性、稳定性和鲁棒性的关键信息。本文系统剖析 OpenCV 中主流特征检测算法的原理与实现，包括角点检测（Harris、Shi-Tomasi）、尺度不变特征（ORB）、纹理特征（LBP）和梯度特征（HOG），并通过车牌识别案例展示多算法协同应用。文中结合数学推导、参数调优指南和扩展应用场景，为读者提供从理论到工程实践的完整知识体系。

OpenCV多种图像哈希算法的实现比较OpenCV提供用于提取图像哈希值的算法，以及在大规模数据集中快速找出最相似图像的方法。所有函数的命名空间为：cv::img_hash。支持的算法：

Windows11桌面解锁守护脚本

音视频牛哥

打造实时AI视觉系统：OpenCV结合RTSP|RTMP播放器的工程落地方案在人工智能的众多子领域中，计算机视觉无疑是最贴近“感知智能”的一环。而 OpenCV，作为最经典、最广泛应用的视觉库之一，提供了丰富的图像处理、目标检测、特征提取与几何变换工具，成为深度学习、边缘识别、嵌入式AI等场景中不可或缺的基础工具。

OpenCV探索之旅：形态学魔法在你已经掌握了如何加载图像、转换色彩空间、进行几何变换和滤波降噪之后，你可能会遇到一些新的挑战：如何精确地去除一些微小的噪点？如何将一个断裂的物体连接起来？或者，如何将两个紧挨着的物体分离开？这些任务，仅仅依靠模糊或锐化是很难完成的。这时，我们就需要一种新的工具，它不关心像素的具体灰度值，而更关心图像中的形状–这就是形态学转换。

用Python和OpenCV从零搭建一个完整的双目视觉系统（六最终篇）本系列文章旨在系统性地阐述如何利用 Python 与 OpenCV 库，从零开始构建一个完整的双目立体视觉系统。

蹦蹦跳跳真可爱589

Python----OpenCV（几何变换--图像平移、图像旋转、放射变换、图像缩放、透视变换）“平移操作是通过一个平移矩阵来实现的。这个矩阵是一个2x3的矩阵，表示图像坐标的变换。其中，Tx 和 Ty 分别表示图像在 x 轴和 y 轴方向上平移的距离。

看到我，请让我去学习

OpenCV 与深度学习：从图像分类到目标检测技术三者关系可概括为：AI 是目标，ML 是路径，DL 是 ML 的进阶工具。传统机器学习的瓶颈在于特征工程—— 依赖领域专家手工设计特征（如用 “颜色直方图 + HOG 特征” 描述车辆），当数据复杂或场景变化时，特征鲁棒性极差。而深度学习通过层级特征学习突破这一限制：

OpenCV 图像哈希类cv::img_hash::AverageHashcv::img_hash::AverageHash是OpenCV中用于图像哈希（Image Hashing）的一个类，属于opencv_img_hash模块。它实现了平均哈希算法（Average Hash, aHash），可以快速计算图像的“指纹”或“感知哈希值”，用于判断两张图像是否相似。

OpenCV图像认知(三)在读取一个图像的时候，我们可能只对图像中的某一区域感兴趣，所以我们可以把需要的部分单独截取出来，这样还可以运算速度。

Canny边缘检测（cv2.Canny()）一、Canny边缘检测 Canny 边缘检测是一种使用多级边缘检测算法检测边缘的方法。Canny()边缘检测步骤： Canny 边缘检测分为如下几个步骤： 1.去噪。噪声会影响边缘检测的准确性，因此首先要将噪声过滤掉。 2.计算梯度的幅度与方向。 3.非极大值抑制，即适当地让边缘“变瘦”。 4.确定边缘。使用双阈值算法确定最终的边缘信息。

图像梯度处理与边缘检测：OpenCV 实战指南目录1. 图像梯度与边缘检测自定义卷积核代码示例效果2. Sobel 算子代码示例效果3. Laplacian 算子

九章云极AladdinEdu

华为昇腾NPU与NVIDIA CUDA生态兼容层开发实录：手写算子自动转换工具链（AST级代码迁移方案）当国产AI芯片崛起遭遇生态壁垒，如何实现CUDA算子到昇腾平台的无损迁移成为关键挑战。本文首次公开基于抽象语法树（AST）的自动转换工具链设计，实现90%以上算子的零人工迁移。

Blue桃之夭夭

基于OpenCV的实时人脸检测系统实现指南 ——Python+Haar级联分类器从环境搭建到完整部署摘要：本文详细介绍使用OpenCV库和Haar级联分类器实现实时人脸检测的全流程，涵盖环境配置、模型加载、检测算法调优及异常处理方案。通过20行核心代码演示计算机视觉基础应用的快速开发。（关键词：OpenCV、人脸检测、Haar特征、Python）

用Python和OpenCV从零搭建一个完整的双目视觉系统（四）本系列文章旨在系统性地阐述如何利用 Python 与 OpenCV 库，从零开始构建一个完整的双目立体视觉系统。