# -牧野- 2021-05-29import cv2from flowlib import flow_to_imageimg0_path = 'im1.png'img1_path = 'im3.png'img0 = cv2.imread(img0_path)img1 = cv2.imread(img1_path)img0_gray = cv2.cvtColor(img0, cv2.COLOR_B

1. 从视频中抽取帧ffmpeg -i input.mp4 -r 1-q:v 2 D:\images\img_%02d.jpeg-i 输入视频-r 提取频率，每秒多少帧，可以为小数-q:v 图像质量, 2为保存为高质量最后一个是保存路径2. 从视频中剪切出一段视频ffmpeg -i input.mp4 -ss 00:00:15 -t 00:00:05 D:\vid...

Vimeo-90KVimeo-90K是在论文Video Enhancement with Task-Oriented Flow（IJCV 2019）里提出的，数据集地址： http://toflow.csail.mit.edu/图源http://toflow.csail.mit.edu/整个数据集是从vimeo.com网站上收集的89800个视频片段上生成的，涵盖了多种场景和多种运动形态。数据集包

coco数据集的均值和方差（三分量顺序是RGB）mean = [0.471, 0.448, 0.408]std = [0.234, 0.239, 0.242]imagenet数据集的均值和方差（三分量顺序是RGB）mean = [0.485, 0.456, 0.406]std = [0.229, 0.224, 0.225]用opencv和numpy计算自己数...

实现两幅图像线性（不同系数下）的融合涉及到Opencv中两个关键的方法，addWeighted()和createTrackbar()addWeighted方法：函数原型：void addWeighted(InputArray src1, double alpha, InputArray src2,double beta, double gamma, OutputArray

1.下载和安装OpenCV SDK在OpenCV官网的下载页面： http://opencv.org/downloads.html   找到对应OpenCV for Windows版本下载。目前（2016/07/02）官网的最新版本是2015/12/21发布的Version 3.1.0，最新发布是2016/05/19日的Version 2.4.13。Version 3.1.0只有64位的开

Opencv中求点集的最小外结矩使用方法minAreaRect，求点集的最小外接圆使用方法minEnclosingCircle。minAreaRect方法原型：RotatedRect minAreaRect( InputArray points );输入参数points是所要求最小外结矩的点集数组或向量；minEnclosingCircle方法原型：vo

支持向量机（SVM）中最核心的是什么？个人理解就是前4个字——“支持向量”，一旦在两类或多累样本集中定位到某些特定的点作为支持向量，就可以依据这些支持向量计算出来分类超平面，再依据超平面对类别进行归类划分就是水到渠成的事了。有必要回顾一下什么是支持向量机中的支持向量。上图中需要对红色和蓝色的两类训练样本进行区分，实现绿线是决策面（超平面），最靠近决策面的2个实心红色样本

图像配准需要将一张测试图片按照第二张基准图片的尺寸、角度等形态信息进行透视（仿射）变换匹配，本例通过Surf特征的定位和匹配实现图像配准。配准流程：1. 提取两幅图像的Surf特征2. 对Surf特征进行匹配，找到最匹配的特征点对3. 提取最优配对点的坐标，生成透视变换矩阵4. 对测试图像经过透视变换，生成配准图像以下是Opencv代

开启深度测试后OpenGL就不会再去绘制模型被遮挡的部分，这样实现的显示画面更为真实，但是由于深度缓冲区精度的限制，对于深度相差非常小的情况（例如在同一平面上进行两次绘制），OpenGL就不能正确判定两者的深度值，会导致深度测试的结果不可预测，显示出来的现象时交错闪烁的前后两个画面，这种情况称为z-fighting，在旋转（深度值发生变化）的情况下表现的更为明显，如下图所示：