下面用两种方法实现直方图的计算和绘制，其一用自己实现计算直方图，其二利用OpenCV提供的库函数计算直方图。代码和算法不难，适合OpenCV初学者学习之用。如有疏漏错误之处，还请各路方家指出。下面使用的测试图是标准的lena图。

关于实时视频传输，业界已经有非常多成熟方案，分别应用在不同需求场景。本文介绍一种基于 HTTP ，非常简单、易理解的方案，实用性不强，但有助于理解 HTTP 协议。从摄像头读取视频帧node 的硬件操作能力偏弱，运行时本身并没有提供太多硬件接口，所以要调用

计算机视觉领域中，目标检测一直是工业应用上比较热门且成熟的应用领域，比如人脸识别、行人检测等，国内的旷视科技、商汤科技等公司在该领域占据行业领先地位。在本教程中，将学习如何使用YOLO、OpenCV和Python检测图像和视频流中的对象。

OpenCV提供三种类型的梯度滤波器或高通滤波器，Sobel，Scharr和Laplacian.1 Sobel 和 Scharr 导数Sobel算子是结合了高斯平滑与微分运算的结合方法，所以它的抗噪声能力很强.用户可以设定求导方向，水平或者垂直.也可以指定

学习目标函数cv2.line(), cv2.circle() , cv2.rectangle(), cv2.ellipse(), cv2.putText() etc. 参数介绍img：需要绘制形状的图像color：颜色的形式. 对于BGR,将作为元组传递比

以前也用过opencv, 不过都是按需使用, 掌握的知识很零散, 这次希望能够系统学习opencv-python. 本文直接从Gui Features开始.1 读取图片使用cv2.imread()函数读取图像.filename 图片的路径, 图片应该在工作

由于最新版的opencv3.2.0的windows版本只提供了v14版本，我觉得自行编译opencv还是算了，特意下了个vs2015，然后开始配置opencv。

# 将识别到的人脸框出来for in faces: cv2.rectangle

首先，我们来开一下计算机是如何检测边缘的。通常是X方向和Y方向的导数，也就是梯度。理论上计算机就是通过这种方式来获得图像的边缘。就是用一个3×3的窗口来对图像进行近似求导。这就是所谓的Prewitt算子。Y方向导数与X方向导数求法相似，只不过是用第三行元素

在本文中，我们将探索OpenCV中存储和读取我们的数据的函数。在许多应用中，比如校准或者机器学习，我们需要处理数据计算，就需要保存结果以备下一个执行阶段重新获取。为此，OpenCV提供了一个XML/YAML保持层。要将OpenCV数据或者其它数值数据写入到

在Android上有两种方法使用OpenCV，第一使用OpenCV提供好的库文件，然后调用OpenCV的java api来做图像处理。第二种是使用OpenCV的C++ api，但是需要ndk来创建动态库，然后Android工程间接调用动态库中的函数。第二步

前几天接触了图像的处理，发现用OPencv处理确实比较方便，毕竟是很多东西都封装好的，但是要研究里面的东西，还是比较麻烦的，首先，你得知道图片处理的一些知识，比如腐蚀，膨胀，仿射，透射等，还有很多算法，傅里叶，积分，卷积，频谱，加权。反正我看了半天，是云里

改写自OpenCV中的lda.cpp程序，通过改写的程序可以返回自己所需的信息，实现算法的独立编译，也可以通过阅读程序，加深对LDA算法的理解。// main.cpp : 定义控制台应用程序的入口点。#include "stdafx.h"

特征点又称兴趣点、关键点，它是在图像中突出且具有代表意义的一些点，通过这些点我们可以用来识别图像、进行图像配准、进行3D重建等。本文主要介绍OpenCV中几种定位与表示关键点的函数。Harris角点是一类比较经典的角点类型，它的基本原理是计算图像中每点与周

Qt中利用OpenCV显示图片和视频时，需要将OpenCV中的Mat或IplImage结构转换为Qt中QImage结构，转换时需要注意的地方是OpenCV中和Qt中关于三原色的排列的不同：OpenCV中是以BGR的顺序排列，Qt中是以RGB的顺序排列，两种

下面代码实现了基于Laplacian算子的图像边缘增强 。if // rgb image{ cv::split;}else if // gray image{ rgb.push_back;}// 分别对R、G、B三个通道进行边缘增强for {