基于python的数字图像处理实验源码+详细代码注释+实验说明文档.zip 代码内有注释，自带图片，地址为相对路径，可以直接运行 需要matplotlib、numpy、cv2、skimage库 【实验一】 图像反转实验,255-像素值 将彩色图像变换成灰度图像 直方图均衡化实验 线性对比度展宽实验 灰级窗实验 【实验二】 高斯噪声的中值、均值处理 椒盐噪声的中值、均值处理 【实验三】 锐化处理 水平锐化 垂直锐化 Roberts锐化 Sobel锐化 Laplacian锐化 Wallis锐化 【实验四】 基于类间最大距离法的图像分割

包内含 1.vscode的配置文件(复制粘贴即可用) 2.运行opencv所依赖的dll库 3.编译cpp程序所借用的MinGW包(官网亦可下载)

基于opencv实现的图像之间的匹配，做的还可以，匹配度挺高的，欢迎讨论

文主要在Qt中使用opencv进行编程，实现了简易的摄像头播放及其卡通化处理功能，只要稍作更改，也可打开其他视频，并对视频进行其他处理，编程环境为Qt5.5.1+opencv2.4.6

官方的 OpenCV-Python 库缺少一些涉及专利的或测试算法（例如 SURF、Multitracking），需要自己下载源码，编译生成 带有 OpenCV_contrib 接口的 OpenCV 库。 配套博文，参见：【youcans 的 OpenCV 学习课】1.2 编译生成带有 OpenCV_contrib 的 OpenCV 库（https://youcans.blog.csdn.net/article/details/128448875） 1. 工具下载与安装 2. 下载和编译 OpenCV 源码 3. 用 CMake 编译 OpenCV 源码 4. 用 Visual Studio 生成带有 OpenCV_contrib 接口的 OpenCV 库 5. 使用带有 OpenCV_contrib 接口的 OpenCV 库

树莓派3B+ 电路原理图 位置图 raspberry pi 3 model B+ 树莓派3B+ 电路原理图 位置图 raspberry pi 3 model B+

主要为大家详细介绍了OpenCV实现鼠标响应裁剪图像，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

opencv 编译版本opencv 编译版本c++

首先进行图片的读取，使用opencv的haar鼻子特征分类器，如果检测到鼻子，则证明没有戴口罩。如果没有检测到鼻子，接着使用opencv的haar眼睛特征分类器，如果没有检测到眼睛，则结束。如果检测到眼睛，则把RGB颜色空间转为HSV颜色空间。进行口罩区域的检测。口罩区域检测流程是首先把距离坐标原点的较近的横坐标作为口罩区域开始横坐标，离坐标原点较远的横坐标作为口罩区域结束横坐标。离坐标原点较远的纵坐标作为口罩区域开始纵坐标，离坐标原点较远的纵坐标与眼睛高度2倍的和作为口罩区域结束纵坐标。

3DDFA_V2.5原本人脸检测器是facebox， facebox在脸部超过一半被遮挡时效果较差， 人脸检测器换成yolov5-face，yolov5-face在脸遮挡超过一半时关键点不太准确。 图片处理是imageio，换成opencv。 demo_cam_v5face.py yolov5-face 依赖项： models，加载模型用 yolov5_face，人脸检测器。