适用小白，大佬勿喷
个人配置：vs2013 ; opencv 3.0 ;
直接上效果图
注意：右下角的水印把中心点挡住了，要仔细看才能看到
下面是代码：
#include
#include
#include
#include
#define PI 3.1415926
using namespace cv;
using namespace std;
void RGB2HSV(double red, double
2021-06-18 09:18:09
69KB
1
项目预览:
QWQ
那么第一步先梳理一下我们的项目逻辑:
一. 找素材 （数字模板，银行卡照片等）
二. 识别数字则需要我们对数字模板进行处理。因此下面我们开始处理数字模板。
1.将数字模板处理成灰度图，再进行二值处理.这样图像就变成双通道图.
2.计算模板边缘轮廓.将数字模板每个数字的轮廓计算出来.
3.画出每个数字轮廓的外接矩形。最后将其分别保存到一个字典里.
三. 数字模板处理完成，已经洗净切块备用啦！现在让我们处理正餐-银行卡。
1.和模板一样先进行图像处理.灰度图 —— 二值处理
2.初始化一个（9,3）和(5,5)的卷积核放在旁边备用.
3.将已经处理的银行卡图像进行礼帽操作，去
2021-06-16 19:34:08
397KB
1
一、利用直方图的方式进行批量的图片缺陷检测（方法简单）
二、步骤（完整代码见最后）
2.1灰度转换（将原图和要检测对比的图分开灰度化）
灰度化的作用是因为后面的直方图比较需要以像素256为基准进行相关性比较
img = cv2.imread("0.bmp")
#原图灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
#循环要检测的图，均灰度化
for i in range(1, 6):
t1=cv2.cvtColor(cv2.imread(str(i)+".bmp"),cv2.COLOR_RGB2GRAY)
2.2 直方图计算（结果其实是二
2021-06-16 11:19:54
153KB
1
NC CLOUD开发指南，包括开发环境安装部署和元数据开发、单表单据、主子表单据开发、流程开发、功能注册、安装部署、补丁资料等。
2021-06-15 14:31:55
25.06MB
1