登录社区云，与社区用户共同成长
邀请您加入社区
在立体匹配环节，半全局匹配算法（SGBM）生成的视差图“满足一定精度，计算速度接近实时”，在MiddleBurry数据集上的测试表明，640×480分辨率下SGBM的计算时间约为40ms。深度图中的无效值、超出工作距离的远背景、与地面拟合的平面点，都可以在毫秒级时间内通过OpenCV的基础算子完成标记和剔除。在动态SLAM场景中，YOLOv8s语义分割模块处理RGB图像提取语义信息和物体掩码后，通
一个基于rk3588的摄像头推流简单实现
OpenCV + Real-ESRGAN 视频超分实战：老视频 4K 修复完整方案一、引言视频超分辨率是比单图超分更复杂的任务——需要在保持帧间一致性的同时提升每帧的分辨率。本文将使用 **OpenCV + Real-ESRGAN** 构建一个完整的视频超分管线，支持从 480p
做桌面端视频去水印工具时，踩过不少坑。本文把核心流程（抽帧 → 标注掩膜 → 修复 → 合成回视频）和几个关键坑位讲清楚，代码可直接复用。
海思Hi3519 DV500 部署yolov5并加速优化
对象，以便在后续的图像处理和分析中能够更方便地使用。这种颜色空间的转换在许多应用中都非常重要，例如视频处理、图像增强、目标检测等。YUV 是一种常见的视频压缩格式，而 RGB 则更适合于大多数图像处理算法和显示设备。函数通过一系列的参数设置和调用特定的函数，实现了高效准确的 YUV 到 RGB 的颜色空间转换，为图像处理流程提供了关键的支持。函数的主要功能是将输入的 YUV 格式的视频帧转换为 R
摘要：AI系统算法偏见问题日益突出，测试工程师需构建"功能-性能-伦理"三位一体的测试新范式。文章提出道德扫描器框架，包含统计平等、因果推理等核心模块，并展示金融、医疗领域的应用案例。研究表明，部署道德扫描器可显著降低算法偏见（如将金融系统偏见指标从0.38降至0.09）。未来五年，具备算法道德测试能力的工程师薪酬溢价预计达40%，这标志着测试工程师职业价值的战略升级。（149
摘要：随着AI系统广泛应用，算法偏见成为新的质量风险点。本文提出算法偏见的自动化检测框架，涵盖数据源性偏见和模型架构偏见的测试方案。重点介绍道德扫描器的核心原理，包括静态代码分析和动态测试框架，并给出持续集成实践方案。通过行业工具链横向对比，建议分阶段建设测试能力，最后指出多模态偏见检测等未来方向。测试工程师需将道德风险评估纳入常规测试流程，建立敏感数据验证机制，定期进行跨群体模型效能比对。（14
OpenCV是自动驾驶入门学习的实用工具，无需昂贵硬件即可实现车道检测和行人跟踪两大核心功能。文章详细拆解了基于OpenCV的车道线检测流程（图像预处理、边缘提取、兴趣区域裁剪和霍夫变换）和行人动态跟踪方案（HOG+SVM检测结合KCF跟踪算法），并指导如何整合为轻量化视觉系统。作者强调掌握这些基础图像处理技术对理解自动驾驶底层逻辑的重要性，指出这是进阶深度学习算法前的必备技能，同时分享了实际项目
本实训报告聚焦具身智能在工业视觉中的应用，涵盖工具软件安装、工业视觉环境构建及昇腾终端部署。基于Python与EasyOCR实现跨平台文字识别，适配Windows CPU与昇腾Atlas200I DK A2板卡（aarch64欧拉系统），通过虚拟环境配置、USB海康相机接入与PaddleOCR引擎调用，完成中文文本识别、人脸与人体检测的实时分析。代码支持中文字体渲染与置信度显示，具备良好可移植性与
摘要：本文提出了一种基于边缘检测的滑块验证码破解方案。通过Canny边缘检测算法处理背景图和滑块图，使用模板匹配计算最佳匹配位置，根据匹配分数确定滑动距离。方案采用Selenium实现自动化操作，包含图像解码、边缘处理、模板匹配和滑块拖动等步骤。通过10次尝试机制提高成功率，解决了传统方法受图片质量、噪声干扰的问题。实验表明该方法对重复模式和噪声具有较强鲁棒性，能有效完成滑块验证任务。
3、直接将基线图和实际元素图片传入对比方法对比，当差异超过预期，则会在实际元素图片上红框标记出差异部分保存到output_path。2、playwright打开页面，截取元素图片（actual_path）如果是表单截图，则需要等待所有的字段都加载完。如果是图片预览，则需要等待图片彻底打开到最大。1、准备好基线图（expect_path）
本文将从最开始的环境搭建开始，其中会讲解一些涉及到的一些专业名字的概念及其作用（部分），详细介绍从搭建到训练再到部署及应用的个人学习全过程（2025年3月16日-2025年3月27日）。以下是本文目录：一、学习过程中的问题二、anaconda下载及环境搭建三、部分库和yolov5下载及其依赖安装四、yolov5数据集及训练五、yolov5部署及Paddleocr联合应用车牌识别。
这几天一直卡在这个问题，在不断查找资料，发现之前配置的方法有问题在Linux有两种方式安装python但是从 Raspberry Pi OSBookworm开始，只能用于安装到python虚拟环境中，更多信息参考尝试在系统范围内安装 Python 包会报错，如下图所示由于使用apt不适用于Debian Bookworn，所以此处不展开解释。
4G：（Raspberry Pi，简称RPi或RasPi）代码是 创乐博的，本文只作解释分析......今日学习：OpenCV舵机云台物体追踪。用到的程序会统一打包在文后下载。
第一篇文章，计算机视觉OpenCV基础，嵌入式视觉方面。树莓派5 ，官方OS ， CSI摄像头调用 ， 安装教程 ，图像处理入门。
OpenCV是开源计算机视觉库，拥有强大的内置函数和开源社区，且提供了C++、Python和Java等编程语言的接口，配合树莓派可直接读取树莓派摄像头Picamera的视频，并对采集到的图像进行处理。下边将介绍在python环境下如何安装opencv库，numpy为数值计算库numpy，经常与opencv配合使用，将一并安装。然后按 Ctrl+x离开—>再按Y ->回车，保存修改即可。②安装如下依
下载 opencv 源码：官方安装文档：详细的安装过程可以参考文章： 安装依赖项：cmake ../下载 fftw 源码：mkdir buildcd buildmakemake install下载 openvino 源码：官方安装文档：tar -xf l_openvino_toolkit_ubuntu20_2023.3.0.13775.ceeafaf64f3_x86_64.tgz。
opencv-python PEP517解决
上述代码中json数据有五个部分：image为图片数据，level是告警等级，rtsp为数据流地址，type是算法类型，label是算法标签等，所以数据发送为这五个内容。上述完整代码可详见github或者百度网盘。
解决：进入C:/user/username/.condarc文件，替换为以下内容：
这篇博客将以两个入门实例，帮助初学者掌握在树莓派上进行C/C++程序开发以及快速入门在64位树莓派上运行OpenCV深度学习模型。
树莓派B C++ OpenCV4
试过了mjpg—streamer但是缺少了一个input_opencv插件不能执行代码，也试过基于udp的socket的通信不知道为什么安卓端接受不到画面，分别参考了这两遍文章https://blog.csdn.net/qq_44743166/article/details/104424979?spm=1001.2101.3001.6650.1&utm_medium=distribute.
利用ffmpeg的录制 + 切片截图 + opencv图像分析。需要安装ffmpeg/ffplay、opencv库等。
cv2.imshow()显示问题
123
本文内容来自用户@炼丹去了，由OAK中国编辑排版。一.背景OAK-D-lite 本质上是3个相机+1个Inter VPU的组成，可玩性挺高。由于OAK demo库中目标检测目前只有yolox的案例，故学习了其他模型的适配。目前适配模型：yolov5_v6.0nanodet_plusUltra_Light_Fast_Generic_Face_Detector.
从数据集获取到训练yolo模型，实现安全帽监测项目
Vectorizing your code using Universal Intrinsics使用 Universal Intrinsics 对代码进行矢量化Goal本教程的目标是提供使用通用内在函数功能对 C++ 代码进行矢量化以获得更快运行时的指南。 我们将简要介绍 SIMD 内在函数以及如何使用宽寄存器，然后是有关使用宽寄存器的基本操作的教程。The goal of this tutori
简单记录下自己的配置过程：1.更新源，默认源下执行如下命令sudo apt-get updatesudo apt-get upgrade出现如下报错信息：碰到后，可执行如下信息：sudo apt-get install vlc-plugin-skins2完毕后再重新执行sudo apt-get upgrade命令，出现如下很多报错信息这里尝试，更新清华源，如下命令打开源配置文件sudo gedit
本文详细介绍了在树莓派上源码编译安装OpenCV 4.5.1的完整流程。首先调整系统配置并安装依赖库，随后更换国内源加速下载，获取并解压OpenCV源码。重点说明了编译前需要添加的特定文件和路径修改，安装Python依赖库numpy后，通过cmake进行编译（约2小时）。最后验证安装版本并成功运行。教程针对树莓派环境优化，解决了常见编译问题，适合AI应用开发者参考。
visual-pushing-grasping环境配置及复现 - 知乎视觉机械臂 visual-pushing-grasping - 云+社区 - 腾讯云Requirements: (tested on Ubuntu 16.04.4 LTS):Python 2.7 or Python 3NumPy, SciPy, OpenCV-Python, Matplotlib. You can quickly
刚接触PCL，记录一下掉进去过的几个坑“可视化点云的时候，点云反转了，与本来的坐标系不匹配了”仔细琢磨了半天，可能与pcl::PointCloud::sensor_orientation_ 这个结构有关系sensor_orientation_中有一个关键的值是 matrix().一般情况下sensor_orientation_.matrix()值是cloud->sensor_orientat
目录IIC简介AHT20温湿度采集总结参考IIC简介IIC（Inter-Integrated Circuit）其实是IICBus简称，所以中文应该叫集成电路总线，它是一种串行通信总线，使用多主从架构，由飞利浦公司在1980年代为了让主板、嵌入式系统或手机用以连接低速周边设备而发展。I²C的正确读法为“I平方C”（“I-squared-C”），而“I二C”（“I-two-C”）则是另一种错误但被广泛
基于opencv采集推流1.opencv采集rtsp解码 //可以基于usb 摄像机(调用系统驱动)和rtsp(调用ffmpeg 接口 转yuv加解码) 摄像机2.ffmpeg缩放转换像素格式3.ffmpeg编码H2644.ffmpeg推流rtmpsws_getCachedContext (像素格式转换 会清理之前的数据)1.struct SwsContext *context,2.int src
import cv2的时候报错：ImportError: libGL.so.1: cannot open shared object file: No such file or directory解决方法：ubuntu：apt-get updateapt install libgl1-mesa-glxcentos：yum install libgl1-mesa-glx尝试上面的方法并没有解决yum
在某些特殊的情况下，也许只能触摸屏幕控制树莓派。但是用OpenCV实时检测时，弹出的窗口即使点击了右上角x号还是会继续弹出来。需要一种方法使它能被直接关掉。
https://blog.csdn.net/xiaolintyd/article/details/52974809首先在系统里面安装opencvsudo apt-get install libopencv-dev安装qtsudo apt-get updatesudo apt-get install qt5-defaultsudo apt-get install qtcrea...
最近研究opencv识别银行卡号，集成opencv的时候ndk编译报错如下：E:\codingPath\BankCardOCR\app/src\main\cpp\CardOcr.cpp:229: error: undefined reference to 'cv::imwrite(cv::String const&, cv::_InputArray const&, std::...
OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
Qt在win10&树莓派上的安装配置&Qt5+opencv显示图像的简单程序一、win10上Qt5.11.2与VS2015的安装配置（一）安装Qt5.11.2（二）Qt与VS2015关联（三）配置环境变量（四）测试二、树莓派3B+安装Qt5（一）安装（二）配置三、Qt+opencv图像显示程序一、win
树莓派3B+ 安装opencv3（3.4.1）安装过程更换软件源（清华源）（1）使用管理员权限，编辑/etc/apt/sources.list文件，参考如下命令：sudo nano /etc/apt/sources.list用 # 注释掉原文件内容，用以下内容取代：deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ st...
最近在学习opencl在opencv上的编程，资料很少。
摘要：研究发现，部分放弃传统测试用例的团队反而实现更低缺陷率，挑战了测试用例作为质量保证"黄金标准"的认知。本文分析指出，探索性测试通过动态调整能发现更多复杂缺陷，开发者自测和TDD实现质量内建，轻量级文档结合风险驱动测试聚焦关键区域。数据显示，这些替代策略可使缺陷率降至8%-12%，优于传统团队的15%-20%。成功关键在于资源优化和灵活测试范式，但需平衡风险，建议采用混合方
opencv
——opencv
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
火山引擎视频云技术社区
海思HiSpark开发者社区
AI编程社区
亚马逊云科技技术品牌专区
人工智能6S服务平台
乐奇 Rokid 开放社区
