计算机视觉OpenCV基础教学讲义（Python版，包括理论、图例、PPT、实验、代码、手册） 专栏地址： https://blog.csdn.net/weixin_53403301/category_12113705.html 实验一 图像预处理 https://blog.csdn.net/weixin_53403301/article/details/127976297 实验二 基元检测 https://blog.csdn.net/weixin_53403301/article/details/127976661 实验三 目标识别（卡证、卡号识别） https://blog.csdn.net/weixin_53403301/article/details/127977068 实验四 尺寸测量 https://blog.csdn.net/weixin_53403301/article/details/127977211 实验扩展 图像处理 https://blog.csdn.net/weixin_53403301/article/details/127977388

vsprint7 打印控件

实现任意角度拍摄的矩形物体，通过一系列数字图像处理，把另外一张目标图像替换拍摄的矩形框。 难点一：矩形边框的检测识别（噪声） 针对难点一： 拟采用边缘检测检测像素突变点提取边缘线条+轮廓提取+拟合外接四边形寻找轮廓中满足面积条件的四边形。考虑到拍摄图像有很多噪点干扰，采用中值滤波进行平滑处理，过滤椒盐噪声。设定矩形区域面积阈值，去除不满足条件轮廓，对轮廓进行多边形拟合迭代，直到拟合成四边形，并排序输出四个点坐标。 ②难点二：由于相机平面很难与物体平面平行，所以矩形区域是形变的矩形。 针对难点二： 拟采用投影变换，利用getPerspectiveTransform函数求出变换矩阵M，再用M将代替换图像投影变换到矩形区域，其余面积像素为0，以便后续图片融合相加。

柿冈地磁站的磁通密度数据（H和Z分量）（ http://www.intermagnet.org ）。 2012 年 1 月 ( http://www.iris.edu ) 记录的最小震级为 5 SR。 红点表示 6<= SR <= 10，绿点表示 5<= SR <=5.99

人脸检测demo 包括源代码和release编译好的可执行程序（已打包完成，可直接运行）。 开发环境：win10+qt5.9.1-msvc2015 x64+opencv4.5.4 可以从图片、视频、网络摄像头实时检测人脸。 需要加入新的人脸检测时，要在face_db文件夹下放一张该人的人脸截图，即可识别该人。

VS Code 1.73.1版本 RPM包

VS 2017 用 CMAKE 编译 OpenCV3.4.12&opencv_contrib-3.4.12生成32位静态链接库 附加编译过程中缺少的文件以及错误； 以及打包编译好的32位库文件； 可根据需要自己编译64位； 详情：https://blog.csdn.net/qq_40147007/article/details/126707732

这是一个基于opencv的C++图像拼接程序，代码中包含测试图片，可对三幅图像进行拼接，拼接结果放置于当前目录下，同时显示拼接结果，对于初学者是很有帮助的！

包括了几乎所有的功能模块，如实用库、辅助库、Windows专用库等，具体所含的文件如下： opengl.lib、glut32.lib、glut.lib、glu.lib、glu32.LIB、glaux.lib gl.h、glut.h、glu.h、glaux.h、GLEXT.H、WGLEXT.H opengl.dll、glut32.dll、glut.dll、gl

cv2.cvtColor函数封装了各种颜色空间之间的转换，唯独没有RGB与HSI之间的转换，网上查来查去也只有C++或MATLAB版本的，自己要用到python里，所以就写写python版本的。 HSI颜色模型是一个满足计算机数字化颜色管理需要的高度抽象模拟的数学模型。HIS模型是从人的视觉系统出发，直接使用颜色三要素–色调（Hue）、饱和度（Saturation）和亮度（Intensity，有时也翻译作密度或灰度）来描述颜色。 RGB向HSI模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。基本要求是将RGB中的亮度因素分离，通常将色调和饱和度统称为色度，用来