基于OpenCV和TensorFlow的生活垃圾图像分类识别 前后端结合的项目 trash_classify_demo1 基于OpenCV对图像的二值图进行轮廓识别，并得到其边界矩形。通过此方法，大概率能够框选得到图片中的主要物体，并基于框选出的方框对图像进行裁剪为224*224的尺寸。 trash_classify_demo2 ./cnn_test.py 为此前自己摸索的卷积神经网络，训练起来准确率不佳，遂改用VGG16模型。 ./trash_classify_demo2/cnn_test.py 基于VGG16模型，增加bn层促使模型收敛。将训练集迭代训练约15次，训练集准确度约80%-90%，测试集准确度约60%。 关于label，格式为“图片名称 类别”，由于上传大小所限，仅上传label文档，未上传数据集。 trash_classify_demo3 一些项目进行中所编写的小程序，包括爬虫批量下载图片、调整图片尺寸、计算图片平均RGB值和生成标签文档。 trash_classify_demo4 程序的web前端界面。 包括图像上传、识别功能，垃圾分了科普功能，显示模型

毕业论文-基于OpenCV的轮毂图像拼接，大学生毕业论文。

在织物疵点自动检测开发中,传统的图像处理代码编写繁琐、效率不高。OpenCV具有较强的图像处理能力且提供了丰富的图像处理函数,可以把OpenCV运用到织物疵点检测上。以断经、纬疵样本为例,提出在OpenCV环境下采用阈值分割提取疵点图像,利用形态学技术实现噪点分离及断线连接。边缘检测实现了疵点图像在原图像中的准确定位。实验结果表明,OpenCV有简化代码、提高编程效率的图像处理强大功能,疵点检测结果准确,效率高。

基于OpenCV的 桌面手机的尺寸测量（cpp_opencv4_1_1.rar） 在工业领域，物体的尺寸识别一直是一个需要耗费大量的人力和无力的事情。本文针对该问题，在前期对图像进行预处理，以减少噪声，改善图像的质量，使之更适合机器的处理，利用灰度化、二值化、高斯滤波、Canny算子检测边缘以及膨胀腐蚀对不连续线段进行连接；再对处理后的图像进行直线的标定及交点的确定，以对其进行倾斜矫正，并利用四个点之间的关系，求取校正后的图像的位置，以实现对部分图像的透视矫正；使之在之后的目标识别测量中的结构更精确，在实现测量便捷的同时，也提高了检测的效率。 实验针对10组数据，进行了检测，其中有10%能够实现透视矫正，有20%能够实现倾斜校正，有80%能够粗略的测量手机的尺寸。实验结果表明，本文的预处理及所运用的识别方法行之有效，较传统方法相比，有参考物体的比照，使之计算量大大减少，能够快速便捷有效地检测手机的尺寸。

内包含基于C++的opencv图像分割配套视频、PPT、配套源码和图片素材等，包含Kmeans、GMM、分水岭和Grabcut图像分割方法

基于OpenCV的均值漂移滤波实现

主要为大家详细介绍了Python基于OpenCV实现视频的人脸检测，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

openCV的人脸识别主要通过Haar分类器实现，当然，这是在已有训练数据的基础上。openCV安装在 opencv/opencv/sources/data/haarcascades_cuda（或haarcascades）中存在预先训练好的物体检测器（xml格式），包括正脸、侧脸、眼睛、微笑、上半身、下半身、全身等。 openCV的的Haar分类器是一个监督分类器，首先对图像进行直方图均衡化并归一化到同样大小，然后标记里面是否包含要监测的物体。它首先由Paul Viola和Michael Jones设计，称为Viola Jones检测器。Viola Jones分类器在级联的每个节点中使用Ad

本文为硕士毕业论文，CNKI可查询。主要讲解车辆检测、跟踪的相关算法，如跟踪目标框等。利用OpenCV，可以很方便的实现自己的想法，非常值得参考。

使用opencv-python处理人工智能计算机视觉中的小球检测及颜色分类，视频中显示标注后的结果，类似yolov算法检测后的标注框。主要运用到形状轮廓检测以及色彩模型，代码自己书写，亲测调试通过，项目中包含测试视频，简答配置环境即可使用。效果参考：https://www.bilibili.com/video/BV1fZ4y117X3/