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。

基于opencv和zed的测距程序，主要通过获取点云图，鼠标选择对象，获得距离

本程序是基于opencv下的烟雾检测程序，程序简单并附有测试视频

基于OpenCV的行人检测系统的实现 OpenCV在图像处理中的应用

本期我们将展示一种对路面类型和质量进行分类的方法及其步骤。为了测试这种方法，我们使用了我们制作的RTK数据集。 路面分类 该数据集[1]包含用低成本相机拍摄的图像，以及新兴国家常见的场景，其中包含未铺砌的道路和坑洼。路面类型是有关人或自动驾驶车辆应如何驾驶的重要信息。除了乘客舒适度和车辆维护以外，它还涉及每个人的安全。我们可以通过[2]中的简单卷积神经网络（CNN）结构来实现。 在这种方法中，我们对表面类型分类任务使用特定的模型，我们将其定义为以下类别：沥青，已铺设（用于所有其他类型的路面）和未铺设。对于表面质量，我们使用其他三种不同的模型，每种类型的表面都使用一种。这四个模型都具有相同

使用VS2017和win10编译环境，文件夹里有三种颜色识别的方法，在vs2017中能直接打开运行。

基于opencv、pcl单目线激光三维重建，包括相机标定、激光面标定、履带运动标定、三维重建。三维结果效果还不错，可参考学习

代码一共分为三个部分：样本数据集的获取、训练、预测 。 第一部分-get_train_image.py样本的获取: 我是用的opencv自己获取的自己手势的数据集、测试集。 第二部分-dataset自定义数据集以及训练: 采用tensorflow 的dataset模块创建自己数据集和tensorflow.keras api实现模型的构建以及训练. 第三部分-模型预测与应用

VS2019工程、C++语言、基于OpenCV的在图片上画刻度尺坐标、分划版、侧微尺、十字双边带刻度，下载下来，可接着开发的源代码，工程亲自通过测试

基于OpenCV和LSSVM的数字仪表读数自动识别，这个比较经典，分享一下