平时在我们图像处理的时候会经常用到图像细化或者称为直线细化，在这里我跟大家分享一下我个人的理解，这是我花了一天的时间才搞明白其中的原理，具体的原理大家可以在其他博主的博客里搜索到，偶有详细的解释，我这里只是为大家做一下补充，希望能够帮助大家理解一下就是我对代码的理解，我对每一行的代码进行注解，#include <iostream>#include <vector>#incl

跟大家分享一下如何提取圆形的ROI有时候我们必须把感兴趣区域分割出来，然后对其进行独自的分析，这样既可以节约代码的运行时间，又可以减少感兴趣区域周围的干扰。常有的方法是用掩膜提取，我这里也是用的掩膜提取findContours(g_adpsrc,contours,hierarchy,RETR_LIST,CHAIN_APPROX_SIMPLE,Point(0,0));vector<Rect&g

废话不多说，直接上代码vector<Vec4i>R_lines;HoughLinesP(R_dst,R_lines,1,CV_PI/180,50,20,7);/*霍夫直线检测，里面的数字参数依次表示为：50：表示累加平面的阈值参数，即识别某部分为图中的一条直线时它在平面中必须达到的值，20：表示最低线段的长度，比这个设定参数短的线段就不能被显示出来。5：表示允许将同一行点与点之间连接起

我们在做深度学习的时候几乎都需要用到txt文件，还有对应的图片名，这个时候如果数据就几十个还好，如果再增多的话，我们就受不了了，下面我就记录顺便保存一下代码txt_file="C:\\Users\\ljs\\Desktop\\rename\\test_501.txt" #这里是txt文件的地址a=[] #创建一个列表with open(txt_file, 'r', encoding='utf-8'

本人功力很浅，所以有大佬的代码中是用简洁大方式写的，我需要学习一下residual = x if self.right is None else self.right(x)上边的这行代码等价于下面的：if self.right:residual=xelse:residual=self.right(x)相比于上面的，我更喜欢用下面的方式，虽然没有上面的简洁，但是这样可以让像我一样的人更直观的了解。学

opencv——图像模糊图像模糊（所谓模糊，可以理解成每一个像素都取周边像素的平均值）是在给图像做预处理时，降低图像噪声，例如：在大目标支取之前，去除图像的一些琐碎细节。这里的噪声与物理学中的噪声不大相同。应该找时间去查找资料理解一下。#include<opencv2/opencv.hpp>#include<iostream>using namespace std;usin

在我们平时识别圆时，经常提到霍夫圆检测霍夫直线检测，但是实际上这两个函数检测出来得圆和直线特别得多，需要你自己动手调参数。所以要用直线拟合和椭圆拟合（如果检测出来得圆不太圆或者很多，会拟合成一个），。通过拟合的直线或圆都会成一个，不再乱七八糟的。过程呢还是需要用到发现轮廓这个函数，然后定义一个旋转矩形框vector<RotatedRect>rr(s_contours.size());记

在我们学习图像处理时，很多时候需要在一张图片中找到我们想要的一个区域，但是这个图片又是眼花缭乱的，我们该怎么做呢？我在这里总结一下我在处理时的一个过程，前边的很多工作都是很简单的，比如：首先转为灰度图，然后二值化处理，接下来就是边缘检测，这里最好创建一个滑动调，可以找到最好的边缘，然后就是发现轮廓，到这里也就是到了最关键的地方，我在这里是采用的面积过滤的方法，也就是在发现轮廓后创建了一个for循环

矩阵的掩膜操作(也可以成为锐化)首先介绍一下什么是掩膜：用选定的对象去覆盖修饰另一个目标对象，使其达到想要的效果。掩膜操作有两种方法，一种是使用函数filter2D，另一种是遍历数组进行修改。下边分别记忆这两种方法（在这里我省去了一些常规操作，直接开始写关键代码）int main(){Mat src;src=imread("图片位置");if(!src.data){prinft("could no

问题描述：在利用transforms.Resize时，出现的问题出现这个问题的时候一般是自己粗心大意；正确的解法是：transforms.Resize（（x,y））这里面的大小数据要用一个括号包裹