基于VS2019和opencv(4.5.3)开发的MFC应用程序，通过点击窗口的按钮实现相关图像处理功能，图像处理部分核心算法均来自《数字图像处理》教材代码（C++）。

基于VS2008平台，利用opencv函数对摄像头采集的图像进行实时处理！

1.灰度线性变换 图像的灰度线性变换是图像灰度变换的一种，图像的灰度变换通过建立灰度映射来调整源图像的灰度，从而达到图像增强的目的。灰度映射通常是用灰度变换曲线来进行表示。通常来说，它是将图像的像素值通过指定的线性函数进行变换，以此来增强或者来减弱图像的灰度，灰度线性变换的函数就是常见的线性函数。 g(x, y) = k · f(x, y) + d 设源图像的灰度值为x，则进行灰度线性变换后的灰度值为y = kx + b (0<=y<=255)，下面分别来讨论k的取值变化时线性变换的不同效果 (1).|k|>1时 当k>1时，可以用来增加图像的对比度，图像的像素值在进行变换后全部都线性方法，增

《项目实战：Qt+Ffmpeg+OpenCV相机程序(打开摄像头、支持多种摄像头、分辨率调整、翻转、旋转、亮度调整、拍照、录像、回放图片、回放录像)》 https://blog.csdn.net/qq21497936/article/details/108489004

OpenCV图像处理实例全书源码，C++，源码、数据、图像；每章一个文件夹

采用设备无关位图DIB实现Windows多文档模式下图像的显示，实现显示的关键函数StretchDIBits的原型

基本思路 斑马线检测通过opencv图像处理来进行灰度值转换、高斯滤波去噪、阈值处理、腐蚀和膨胀后对图像进行轮廓检测，通过判断车辆和行人的位置，以及他们之间的距离信息，当车速到超过一定阈值时并且与行人距离较近时，则会被判定车辆为未礼让行人。 结果示例 实验流程 先通过视频截取一张图片来进行测试，如果结果满意之后再嵌套到视频中，从而达到想要的效果。 1.预处理（灰度值转换、高斯滤波去噪、阈值处理、腐蚀和膨胀）> 根据自己的需求来修改一些值 #灰度值转换 imgGray = cv2.cvtColor(copy_img,cv2.COLOR_BGR2GRAY) #高斯滤波去噪 imgBlur =

已经训练好样本，可以识别当前图像或者视频的数字，或者是实时聪摄像头获取的视频。改videocapture（）括号的参数是图片名或者视频名或者是0代表当前摄像头

include "cv.h" #include "highgui.h" #include #include int main( int argc, char** argv ) {

车道和车辆检测系统 OpenCV图像处理管道，用于自动驾驶汽车的车道和车辆检测 图像处理管道 添加自动调整（自动亮度和对比度）以消除颜色不规则 转换为灰度并隔离黄色和白色 运行Canny边缘检测器 创建感兴趣的区域以减少周围的噪音 运行概率霍夫线变换 平均左车道线和右车道线成1条凝聚力车道 自动调整 为了使图像清晰，我们可以使用对比度优化和直方图裁剪自动调整亮度。 然后，该算法将根据削波百分比自动生成α和β（可以通过增加百分比来增加目标亮度）。 蓝色（调整前）橙色（调整后） 与以前的混合方式相比，车道线现在更为普遍。 这将使以后的边缘检测更容易识别线条。 隔离黄色和白色 从RGB转换为HSV使得黄色和白色阴影更易于检测。 通过这样做，我们可以简单地将黄色和白色道路标记与图像的其余部分隔离开（任何覆盖浅色和深色阴影的颜色范围都应该起作用）。 现在，我们将原始帧转换为灰度，并将其与新的