下载后直接解压即可使用，非常方便！！！

opencv3是开源的机器学习平台，以跨平台、高效率为特点，为计算机视觉处理提供了强大的支持，与多个编程工具连接，可以方便开发人员使用其图片操作功能，编辑代码更有效率。 开源 OpenCV是开源的，并根据BSD 3条款许可发布。它是免费的商业用途。 跨平台 C ++，python和java接口支持Linux，MacOS，Windows，iOS和Android。 优化 OpenCV是一个高度优化的库，专注于实时应用程序。 应用领域： 1、人机互动 2、物体识别 3、运动分析 4、机器视觉 5、结构分析 6、汽车安全驾驶 7、图像分割 8、人脸识别 9、动作识别 10、运动跟踪 11、机器人

基于python编程下opencv库实现多张多方向图片的自动识别拼接，可应用于大幅纸质地图扫描成多个文件后自动拼接恢复电子版原图。

由于工作需要，自己亲手用c++builder（代码跟vc++通用）的opencv图像处理程序，附上源代码，其中程序实体代码在unit1.cpp中，可用记事本查看。实现了二值图像（0，255）搜索不同形状(黑色为种子)的区域，并记录了不同区域的边缘、大小等数据，采用的是递归算法，执行速度超快。 另包含对灰度图像进行canny处理的代码和对偏暗图像进行对比度增强的代码，阈值可用滑动杆调，对边缘扫描阈值确定和调试opencv的canny检测效果很有帮助。。。另关于opencv的在c++builder中的调试方法，我已以pdf的形式发布————

23.1 傅里叶变换 目标 本小节我们将要学习： • 使用 OpenCV 对图像进行傅里叶变换 • 使用 Numpy 中 FFT（快速傅里叶变换）函数 • 傅里叶变换的一些用处 • 我们将要学习的函数有：cv2.dft()，cv2.idft() 等 原理 傅里叶变换经常被用来分析不同滤波器的频率特性。我们可以使用 2D 离 散傅里叶变换 (DFT) 分析图像的频域特性。实现 DFT 的一个快速算法被称为 快速傅里叶变换（FFT）。关于傅里叶变换的细节知识可以在任意一本图像处 理或信号处理的书中找到。请查看本小节中更多资源部分。 对于一个正弦信号：x (t) = A sin (2πft), 它的频率为 f，如果把这个信号 转到它的频域表示，我们会在频率 f 中看到一个峰值。如果我们的信号是由采 样产生的离散信号好组成，我们会得到类似的频谱图，只不过前面是连续的， 现在是离散。你可以把图像想象成沿着两个方向采集的信号。所以对图像同时 进行 X 方向和 Y 方向的傅里叶变换，我们就会得到这幅图像的频域表示（频谱 图）。 更直观一点，对于一个正弦信号，如果它的幅度变化非常快，我们可以说 他是高频信号，如果变化非常慢，我们称之为低频信号。你可以把这种想法应 用到图像中，图像那里的幅度变化非常大呢？边界点或者噪声。所以我们说边 界和噪声是图像中的高频分量（注意这里的高频是指变化非常快，而非出现的 次数多）。如果没有如此大的幅度变化我们称之为低频分量。 现在我们看看怎样进行傅里叶变换。 23.1.1 Numpy 中的傅里叶变换 首先我们看看如何使用 Numpy 进行傅里叶变换。Numpy 中的 FFT 包 可以帮助我们实现快速傅里叶变换。函数 np.fft.fft2() 可以对信号进行频率转 换，输出结果是一个复杂的数组。本函数的第一个参数是输入图像，要求是灰 度格式。第二个参数是可选的, 决定输出数组的大小。输出数组的大小和输入图 像大小一样。如果输出结果比输入图像大，输入图像就需要在进行 FFT 前补 0。如果输出结果比输入图像小的话，输入图像就会被切割。 146 www.linuxidc.com

本文对当今静态手势识别技术中的各种方法进行了详细的分析，并在此基础上，设计 并实现了一套可以进行实时识别的静态手势识别系统。本系统共分为四个模块：手势图像 捕捉、图像预处理、特征提取以及手势的分类识别。系统在运行的过程中首先由 USB 摄像 头捕获手势图像，再经过图像预处理得到手势的二值图像以及轮廓图像，针对这两幅图像 对手势进行特征提取，最后采用基于欧氏距离的模板匹配法进行识别。在系统的图像预处 理以及特征提取两个模块中，本文加入了 OpenCV（微软开源视觉库）函数库，在运行的 效率以及速度上都达到了良好的效果。在实际的系统测试中对本文定义的十个手势建立了 模板库，并且在固定手势采集距离以及非固定手势采集距离两种情况下对 681 个测试样本 进行了识别，平均识别率为 92.80%，达到了很好的识别效果。同时，符合高识别率以及实 时处理的设计准则。

基于OpenCV最新版本3.1.0详细讲述OpenCV图像处理部分内容，包括Mat对象使用、HIGHGUI使用、基于常用核心API讲述基本原理、使用方法、参数、代码演示、图像处理思路与流程讲授。涵盖OpenCV中图像处理部分的全部主要内容。穿插了应用开发中常见问题与分析，是学习图像知识与应用开发最佳实践教程

主要介绍了Python Opencv图像处理基本操作代码详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

入门OpenCV必备资料，学习图像识别、人脸识别、人体识别等

OpenCV图像处理基础——基于C++实现版本视频培训课程概况：教程中会讲解到OpenCV的基础知识及使用方法，并基于OpenCV实现基础的图像处理算法；除此之外课程包含如下的内容： 图像颜色空间及类型转换及应用（BGR、YUV、YCrCb颜色空间、人像肤色检测）、图像直方图及其应用（直方图均衡化、色阶及对比度调节）、图像几何变换（平移、翻转、缩放等）、图像滤镜操作（卡通特效、畸变图像、马赛克）、图像滤波处理（人像磨皮、美颜）、图像形态学操作、多尺度及图像金字塔及视频操作处理等。 下方的拓扑图给出了课程的章节目录及每一章中各个小节涉及到的主要内容：