配置opencv的时候经常出现一些麻烦，比如说import cv2提示 ImportError:DLL load failed:找不到指定模块!!等等，这都是opencv没有配置好的现象，在官网下载复制文件到site-packages，或是直接使用pip命令安装opencv，要么在pycharm的库中搜索，安装pythoncv等等，这些办法，经常都不好使，那么你可以试试使用WHL包安装的这个办法，这个办法适用于直接使用python官方版本的环境。

【V2.0】基于树莓派的OpenCV-Python摄像头人脸追踪及手势识别、网络地址推流及远程控制系统（多功能系统、含演示视频） 文章： https://blog.csdn.net/weixin_53403301/article/details/124193178

python opencv sift 手动区域光流跟踪

import cv2 as cv import numpy as np def scan_edge_demo(img): gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) gray = cv.GaussianBlur(gray,(3,3),0) scan_edge = cv.Canny(gray,60,150) return scan_edge def scan_contours(img): scan_edge =scan_edge_demo(img) aa,contours,b= cv.findContours(scan_edge,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE) cv.drawContours(img,contours,-1,(0,255,255),thickness=4) cv.imshow("scan_contours",img) src = cv.imread("E:/opencv/picture/taijie.png") cv.imshow("inital_window",src) scan_contours(src) cv.waitKey(0) cv.destroyAllWindows() 图片： 分析： 1.Opencv发现轮廓的函数原型为：findContours(image, mode, method[, contours[, hierarchy[, offset]]]) -> image, contours, hierarchy image参数表示8位单通道图像矩阵，可以是灰度图，但更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像。 所以输入源需要二值化（threshold）处理或者边缘处理canny后才行 mode参数表示轮廓检索模式： ①CV_RETR_EXTERNAL：只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略。 ②CV_RETR_LIST：检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓。 ③CV_RETR_CCOMP：检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层。 ④CV_RETR_TREE：检测所有轮廓，所有轮廓建立一个等级树结构，外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。 method参数表示轮廓的近似方法： ①CV_CHAIN_APPROX_NONE 存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max （abs (x1 - x2), abs(y2 - y1) == 1。 ②CV_CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息。 ③CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法。 contours参数是一个list，表示存储的每个轮廓的点集合。 hierarchy参数是一个list,list中元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。 offset参数表示每个轮廓点移动的可选偏移量。 2.Opencv绘制轮廓的函数原型为：drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]]) -> image imgae参数表示目标图像。 contours参数表示所有输入轮廓。 contourIdx参数表示绘制轮廓list中的哪条轮廓， 如果是负数，则绘制所有轮廓。 color参数表示轮廓的颜色。 thickness参数表示绘制的轮廓线条粗细，如果是负数，则绘制轮廓内部。 lineType参数表示线型。 hierarchy参数表示有关层次结构的可选信息。 maxLevel参数表示绘制轮廓的最大级别。 如果为0，则仅绘制指定的轮廓。 如果为1，则该函数绘制轮廓和所有嵌套轮廓。 如果为2，则该函数绘制轮廓，所有嵌套轮廓，所有嵌套到嵌套的轮廓，等等。 仅当有可用的层次结构时才考虑此参数。 offset参数表示可选的轮廓偏移参数，该参数可按指定的方式移动所有绘制的轮廓。 关于轮廓检测，什么的样的情况会被判断为轮廓呢？ 答：因为在做轮廓检测之前需要进行二值化，所以对于图像的整个ROI区域只有黑白两个颜色，而下面两种情况会被检测作为轮廓： 1. 白色区域与黑色区域的边缘交接区域 2. 当背景为白色时，整个ROI区域的外边界就会被视为轮廓。（往往我们希望背景是黑色，所以如果出现这种情况时我们需要在二值化图像时对图像取反）。

模板：灰度处理-二值处理-轮廓检测-轮廓排序与数字对应上放到字典里 输入图像：灰度处理，礼帽处理，x梯度，闭操作，取轮廓，画到原图像上，得到轮廓的外接矩形，通过宽高比得到目标轮廓，目标轮廓取出，二值化，对每一组中各个数字轮廓提取，resize成和之前模板一样大小，用十个模板分别进行匹配并记录得分

import cv2 import matplotlib.pyplot as plt img = cv2.imread("macro-photography-of-strawberry-934066.jpg") gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # otsu阈值 (t,thresh) = cv2.threshold(gray_img,0,255,cv2.THRESH_TOZERO_INV+cv2.THRESH_OTSU) # 三角法阈值：由直方图凹凸性确定的阈值 (t,thresh1) = cv2.threshold(gray_im

主要介绍了opencv+python实现鼠标点击图像,输出该点的RGB和HSV值，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

opencv3+python人脸检测和识别- 完整实战项目源代码 识别视频《欢乐颂》中人物opencv3+python人脸检测和识别- 完整实战项目源代码 识别视频《欢乐颂》中人物opencv3+python人脸检测和识别- 完整实战项目源代码 识别视频《欢乐颂》中人物

，tkinter，人脸识别，python，opencv，带登陆注册功能。

在早先的章节里，我们看到很多图像平滑技术如高斯模糊，Median模糊等，它们在移除数量小的噪音时在某种程度上比较好用。在这些技术里，我们取像素周围的一小部分邻居，做一些类似于高斯平均权重，中值等替换掉中间的元素。简单说，移除一个像素的噪音是基于本地邻居的。 噪音有一个属性，噪音一般被认为是具有零平均值的随机变量。假设一个像素噪音，p = p0 + n, 其中p0是像素的真实值，n是那个像素的噪音。你可以从不同图像取大量的同一个像素(N)并计算他们的平均值，理想情况下，你应该得到p=p0，因为均值是0. 你可以自己通过一个简单例子验证一下。保持一个静止的摄像机对准一个位置多呆几秒，这会给你很多帧