OpenCV在iOS端的集成及Mat和UIImage互相转化以及 使用OpenCV处理图片的亮度、对比度、曝光、高光、阴影、饱和度、色温，色相（附源码）

最近使用树莓派安装opencv，发现安装opencv_python会有一个问题出现，每次就需要在python3前面加入LD_PRELOAD=/usr/lib/arm-linux-gnueabihf/libatomic.so.1才可以正常import cv2，后来发现其实只要安装这个_contrib_，不安装opencv_python就可以正常import cv2

opencv-460.jar 及 x64 opencv_java460.dll x86 opencv_java460.dll

基于Python+Opencv的车牌识别系统 用python3+opencv3做的中国车牌识别，包括算法和客户端界面，只有2个文件，surface.py是界面代码，predict.py是算法代码，界面不是重点所以用tkinter写得很简单。 使用方法： 版本：python3.4.4，opencv3.4和numpy1.14和PIL5 下载源码，并安装python、numpy、opencv的python版、PIL，运行surface.py即可 算法实现： 算法思想来自于网上资源，先使用图像边缘和车牌颜色定位车牌，再识别字符。车牌定位在predict方法中，为说明清楚，完成代码和测试后，加了很多注释，请参看源码。车牌字符识别也在predict方法中，请参看源码中的注释，需要说明的是，车牌字符识别使用的算法是opencv的SVM， opencv的SVM使用代码来自于opencv附带的sample，StatModel类和SVM类都是sample中的代码。SVM训练使用的训练样本来自于github上的EasyPR的c++版本。由于训练样本有限，你测试时会发现，车牌字符识别，可能存在误差，尤其是

包括：haarcascade_eye.xml、haarcascade_eye_tree_eyeglasses.xml、haarcascade_frontalcatface.xml、haarcascade_fullbody.xml、haarcascade_lefteye_2splits.xml、haarcascade_lowerbody.xml、haarcascade_profileface.xml、haarcascade_smile.xml、haarcascade_upperbody.xml等

因需要使用openCV 32位库，官方只提供64位库，踩了不少坑，编译好了这个库，让有这方面需要的朋友少踩些坑，供大家使用

前段日子，写了个人脸检测的小程序，可以检测标记图片、视频、摄像头中的人脸。效果还行吧，用的是opencv提供人脸库。至于具体的人脸检测原理，找资料去啃吧。 环境：VS2013+OPENCV2.4.10+Win8.1 一、基于对话框的MFC 首先，新建一个基于对话框的MFC应用程序，命名为myFaceDetect（取消“安全开发周期（SDL）检查”勾选，我自己习惯取消这个）。   放置Button，设置Button的ID和Caption。 图片按钮——ID:IDC_FACEDETECT 视频按钮——ID:IDC_FACEV 摄像头按钮——ID:IDC_FACEC 二、添加消

Matlab调用cpp+opencv库心得

opencv_contrib_python-3.4.0.12-cp36-cp36m-win_amd64.whl 0积分

OpenCvSharp 是一个OpenCV的.Net wrapper，应用最新的OpenCV库开发，使用习惯比EmguCV更接近原始的OpenCV，有详细的使用样例供参考。该库采用LGPL发行，对商业应用友好。使用OpenCvSharp，可用C#，VB.NET等语言实现多种流行的图像处理(image processing)与计算机视觉(computer vision)算法