OpenCV的教程– Best Of

当我们谈论计算机视觉时,OpenCV通常是首选的选择。但是,这个开源库专注于实时图像处理,并且绝对很难掌握。例如,应用程序并不总是直观的,’并不总是清楚何时使用什么API以及如何有效使用算法。实际上,如果您打算使用OpenCV库来实现某项功能并且从未做过,那么通常需要一段时间才能获得第一个应用程序。

但是,你不’需要搜索成千上万的OpenCV功能和扩展来解决每个计算机视觉问题。您可以使用提供出色信息的专业教程,当然可以节省大量时间。

两年前,我们展示了精选的OpenCV教程集,用于检测和识别手势。现在它’是时候阅读一份全新的OpenCV学习资料清单了。本文提供了专业的OpenCV教程,旨在帮助您快速掌握计算机视觉技能并提高应用程序质量。

追踪与检测

  • 使用OpenCV进行球跟踪/检测
    只需花费很少的精力,您就可以通过一个简单的应用程序(如球跟踪和检测)开始学习OpenCV。
    1
  • 创建自己的Haar Cascade OpenCV的 Python教程
    在OpenCV中跟踪特定对象是一个很大的挑战,因为它需要使用两个图像。在一个图像中,您有物体,而在另一图像中,则是您想要检测的物体。本教程是跟踪所需对象的绝佳资源。
    opencv对象检测可检测任何对象
  • 教程:使用OpenCV进行实时对象跟踪
    在此视频教程中,用户Kyle Hounslow向您展示了如何构建实时应用程序来跟踪球。免费下载代码 这里.
    跟踪球
  • 行人检测OpenCV
    以下技术将向您展示如何检测和跟踪图像和视频流中的人物。此应用程序对行人检测和行人交通计数很有用。
    文职人员_032

物体检测

  • 与FLANN的功能匹配
    此功能匹配教程展示了一种非常简单的方法,可以在OpenCV中执行快速有效的匹配。
    Featur_FlannMatcher_Result
  • SIFT:简介
    这是主要教程的第一部分,分为七个部分。在这个你’可以找到对尺度不变特征变换(SIFT)算法的介绍。继续第二部分,您’当您拥有不同比例和旋转的图像时,将发现如何在不同图像上匹配特征。
    筛选结果
  • 扫描QR码(第1部分)
    本教程将向您展示如何在OpenCV中从头开始创建QR码阅读器。本教程分为两个部分。第一部分(I)是有关QR码的一些说明,而第二部分(II)是在您提供给它的任何图像中标识QR码的代码。
    qr-简介
  • 使用OpenCV和Akaze进行移动应用和游戏测试
    以下是制作具有图像识别功能的移动游戏测试应用程序的方法。这可以通过加速KAZE(AKAZE)算法和OpenCV库来完成。 AKAZE算法用于在两个图像之间找到匹配的关键点,并将它们保存到JSON文件中。第二步是使用OpenCV Java绑定来处理JSON文件,以在屏幕快照中找到所需图像的单应性。
    Screen-Shot-2015-05-19-at-1.11.17-PM
  • 光检测OpenCV
    您想从远处检查几次电气设备的状态?当然,有很多方法,但是使用OpenCV,您甚至可以选择更多的选项来确定烤箱是打开还是关闭。
    original_image_with_circles
  • 将OpenCV 3.1封装为Android AAR
    您需要四个关键要素才能抓住并解决数独难题。甚至无需考虑,您就可以使用Android智能手机,OpenCV,JavaFX和Scala解决数独难题。
    屏幕截图
  • 检测护照图像中的机器可读区域
    本教程是关于使用诸如阈值处理,渐变,形态学操作和轮廓属性之类的处理技术来检测护照扫描中的机器可读区域(MRZ)。
    mrz_output_04
  • 皮肤检测:使用Python和OpenCV的分步示例
    在本OpenCV教程中,我们将学习如何使用计算机视觉来检测图像中的皮肤。此检测应用程序有一些限制,并且仅适用于被认为是皮肤的一定范围的像素强度。在不同的光照条件下,该算法可能会有不同的结果。
    skin_detection_face

人脸检测

边缘检测

OpenCV的视频编辑

  • OpenCV的视频编辑教程
    尽管OpenCV具有执行某些视频编辑的众多功能,但程序员很少使用此区域。从本教程中,您可以学习如何从网络摄像头读取帧以及如何修改现有视频。
    opencv实时视频
  • 带有Raspberry Pi和OpenCV的多台摄像机
    本教程包括两个部分,它们将向您展示如何使用Raspberry Pi连接和访问多台摄像机以及如何使用这些摄像机创建运动检测应用程序。
    multiple_cameras_rpi_start

图像编辑与处理

4条评论 » Write a comment

  1. 真的很棒。您所做的工作相当简单,特别是SIFT教程对我来说很简单。非常感谢

发表评论

您的电子邮件地址不会被公开。 必需的地方已做标记 *