摘要： 借助官方离线文档中的samples来理解VideoWriter 文档位置：samples/cpp/tutorial_code/videoio/video-write/video-write.cpp 注：需要提前下载 openh264-1.8.0-win64.dll，然后放在Release文件夹下 ， 阅读全文

摘要： 此次我们将一张图像转灰度后再进行灰度取反，即黑的变白的，白的变黑的，所以我们需要获取每个像素点上的灰度级，cv中提供了一个函数at，但是这个函数还有11个重载函数，太多了，我们只用这次需要用到的，即通过读取像素点的位置来获取灰度级。 ◆ at() [3/12] template<typename _ 阅读全文

摘要： 相较于之前的Python下的opencv读取视频流并展示，C++下有一些不同需要配置 1、opencv\build文件夹的bin文件夹下的opencv_videoio_ffmpeg490_64.dll需要拷贝至工程文件中，或者将bin路径写入环境变量也可。（如果没有这个dll文件的话，可能会出现一直 阅读全文

摘要： 记录一下Visual Studio配置OpenCV过程以及出现的问题 本机环境： 1、Windows10 2、Visual Studio 2022 配置步骤： 1、下载OpenCV（Releases · opencv/opencv · GitHub）在GitHub上下载最新的版本 2、双击打开，然后 阅读全文

摘要： 通过上一篇博客，我们成功将有角度的图片进行“摆正”，接下来我们来提取图片中的文字。 我们使用Tesseract来处理图片并提取文字，相关下载安装请参考：Python下Tesseract Ocr引擎及安装介绍 - 黯然销魂掌2015 - 博客园 (cnblogs.com) 同时我们需要下载第三方Lib 阅读全文

摘要： 对于OCR技术在处理有角度有偏差的图像时是比较困难的，而水平的图像使用OCR识别准确度会高很多，因为文本通常是水平排列的，而OCR算法一般会假设文本是水平的。 针对上述情况，所以我们在处理有角度的图象时，需要将图像“摆正”，将使用到getPerspectiveTransform方法和warpPers 阅读全文

摘要： 接着练手图像处理例子 抛开网上截图进行OCR识别，更多的图源来自于我们的手机，相机等等设备，而得到的图片都并非是板正的，大多随手一拍的图源都是带有角度的，所以我们需要先将图像进行摆正。 首先先对图像进行预处理，上代码： 1 def edge_detect(image): 2 gray = cv2.c 阅读全文

摘要： 相较于BarCode，QRCode有明显的特征区域，也就是左上角、右上角、左下角三个”回“字区域，得益于hierarchy中，父子关系的轮廓是连续的（下标），所以这个时候我们就可以通过cv2.findContours()返回的hierarchy来进行定位。 我们直接上代码 1 import cv2 阅读全文

摘要： 在打算自己实现二维码的定位的时候，看到了相关博文的关于cv2.findContours返回的层级信息来定位三个“回”字从而达到定位二维码的目的，但是返回的hierarchy中的层级信息分别对应的是哪个轮廓却困扰了许久，查阅了很多资料最后还是自己手动找出了清晰的规律。 关于hierarchy返回的每一 阅读全文

摘要： 根据上一篇博客可知，单纯的通过求取最大面积而进行定位的局限性，因此我们接下来将通过cv2.moments()和cv2.HuMoments()这两个方法来在更复杂的环境中去找到我们的目标区域。 cv2.moments()： 参数： array：表示输入图像的单通道数组。通常是灰度图像，可以是8位或浮点 阅读全文