计算机视觉标签_松山湖开发者村综合服务平台

计算机视觉

计算机视觉——Opencv（物体跟踪）

跟踪标志，默认为False# 打开默认摄像头（通常编号为0）tracking：布尔型标志位，控制跟踪的开启与关闭，False表示未开始跟踪；：打开摄像头设备。参数0代表默认摄像头，若有多个摄像头，可改为 1、2 切换；若要处理视频文件，可传入视频路径（如。

光羽隹衡
2026-03-17 22:26:39

 976

 7

#计算机视觉 #opencv #人工智能
OpenCV图像透视变换：自动矫正倾斜的发票

本文介绍了利用OpenCV实现文档图像自动矫正的方法。通过透视变换技术，可将倾斜拍摄的文档照片转换为正面矩形视图。核心步骤包括：图像预处理（灰度化、二值化）、轮廓检测（获取最大轮廓）、多边形近似（提取四个顶点）以及透视变换。重点讲解了顶点排序算法和透视变换矩阵的计算原理，并提供了完整的Python代码实现。该方法能有效解决文档拍摄畸变问题，提升OCR识别准确率。注意事项包括顶点近似精度调整、最大轮

 2201_75420345
2026-03-18 23:49:13

 1445

 18

#opencv #人工智能 #计算机视觉
OpenCV 实战：票据透视矫正 + 直方图画质增强，开箱即用的工业级代码

在计算机视觉日常开发中，我们总会遇到两类高频痛点：一是倾斜拍摄的票据、文档无法直接用于 OCR 识别，二是过暗、过曝、对比度不足的图像丢失关键细节。本文基于 OpenCV，拆解两大核心解决方案 ——

輕華
2026-03-18 22:46:55

 737

 13

#计算机视觉 #opencv
霍夫变换：几何特征检测与量化验证【计算机视觉】

综上，霍夫变换凭借「图像空间与参数空间对偶映射+累加投票」的核心逻辑，成为直线、圆这类规则几何形状检测的经典技术，也是本次分享的核心内容。直线检测核心通过极坐标方程（ρxcos⁡θysin⁡θρxcosθysinθ）规避了直角坐标下垂直线斜率无穷大的缺陷，经「边缘预处理→空间映射→累加投票→峰值检测」四步，即可鲁棒提取图像中的直线；圆检测核心拓展至三维参数空间（圆心x、圆心y、半径r），通过对圆心

 R_Feynman_
2026-03-17 22:12:44

 781

 12

#计算机视觉 #人工智能 #图像处理 +2
答题卡检测

本文介绍了一个基于OpenCV的答题卡自动评分系统。系统通过图像处理技术实现以下功能：1) 读取答题卡图像并进行灰度化、模糊处理和边缘检测；2) 定位答题卡区域并进行透视变换；3) 通过阈值处理和轮廓分析检测填涂的选项泡泡；4) 将检测结果与标准答案对比计算得分。系统支持自定义参数调整，包括泡泡最小尺寸、宽高比范围等，能够处理不同形态的答题卡。最终输出评分结果并在图像上标记正确/错误选项。实验表明

 啊哈哈哈哈哈啊哈哈
2026-03-16 23:58:15

 473

 9

#opencv #人工智能 #计算机视觉
OpenCV 项目实战：多方向箭头识别与模板匹配优化

在计算机视觉中，是一种基础且实用的目标检测方法。但在实际场景中，目标物体往往会以不同角度、翻转形态出现，仅用单一模板进行匹配会遗漏大量有效结果。本文将以图片箭头识别为例，从基础图像旋转讲起，逐步优化模板匹配方案，最终实现全方向箭头的精准检测。

材754
2026-03-16 23:44:57

 295

 4

#opencv #人工智能 #计算机视觉
OpenCV 图像金字塔全解析：高斯金字塔上下采样 + 拉普拉斯金字塔图像复原 | 附完整实战代码

本文深入讲解了计算机视觉中的图像金字塔操作，重点解析了高斯金字塔和拉普拉斯金字塔的原理与实现。通过Python+OpenCV代码演示，详细介绍了pyrDown和pyrUp函数的使用方法，解释了为何下采样再上采样会导致图像模糊，以及如何利用拉普拉斯金字塔保存残差信息实现无损图像复原。文章包含完整可运行代码示例，涵盖了高斯模糊、降采样、残差计算等关键步骤，并指出了常见应用场景和避坑指南。特别强调了下采

 輕華
2026-03-16 21:55:20

 1211

 16

#opencv #人工智能 #计算机视觉
OpenCV 图像金字塔：高斯金字塔与拉普拉斯金字塔的原理与实现

本文介绍了图像金字塔在计算机视觉中的应用，重点探讨了高斯金字塔和拉普拉斯金字塔的原理与实现。通过OpenCV的pyrDown和pyrUp函数演示了图像的下采样和上采样过程，分析了尺寸变化和细节丢失现象。实验验证了上下采样的不可逆性，并展示了拉普拉斯金字塔的高频细节提取功能。图像金字塔作为多尺度分析的重要工具，在目标检测、特征匹配等任务中具有关键作用。文章提供了完整的Python实现代码，帮助读者深

 2201_75420345
2026-03-17 07:00:00

 914

 20

#opencv #人工智能 #计算机视觉
机器人/无人机视觉开发选型指南：RealSense D455 vs D435i 与奥比中光的互补方案

本文面向进阶视觉开发者，全面对比分析Intel RealSense D455和D435i的技术特性，并结合奥比中光Gemini系列相机，针对机器人开发和无人机应用场景，提供完整的技术选型方案。文章涵盖核心参数对比、技术原理分析、场景适配策略、实测数据引用以及完整的开发建议，帮助开发者构建技术互补的视觉感知系统。

轩辕尧帝贾天下
2026-03-17 08:58:54

 1836

 11

#机器人 #无人机 #计算机视觉 +2
OpenCV 实战——图像形态学操作与边缘检测全解析：从腐蚀膨胀到 Canny 边缘检测

形态学操作：腐蚀 / 膨胀是基础，开 / 闭运算适配纹理修复，梯度 / 顶帽 / 黑帽适配细节增强；Sobel 边缘检测：需处理负数信息丢失问题，优先融合 x/y 方向边缘；进阶边缘检测：Scharr 增强 Sobel 灵敏度，Laplacian 无方向但易受噪声影响，Canny 是工业级最优方案。掌握这些技术后，可轻松应用于文字增强、指纹修复、数字边缘提取等实际场景。

材754
2026-03-14 23:41:33

 1000

 14

#opencv #人工智能 #计算机视觉
小龙虾包装前缺陷智能视觉检测方案：告别人工分选，实现高效标准化品控

未来，我司将持续深耕智能视觉技术在农产品深加工领域的应用，针对种子、根茎类、果蔬、坚果、杂粮、禽蛋、水产、速冻调理食品等更多品类农产品及加工制品的检测需求，优化升级解决方案，为农产品深加工企业提供更高效、精准、智能的品质管控服务，助力我国农产品深加工行业向高质量、智能化方向发展，让更多优质农产品走向市场！，可在水产加工的生产环境下，清晰捕捉小龙虾的每一处外观细节与摆放状态，有效规避小龙虾形态差异带

 Microvision维视智造
2026-03-09 16:57:01

 537

 8

#视觉检测 #人工智能 #计算机视觉
YOLO26 多任务统一架构：检测 / 分割 / 姿态 / OBB 设计

YOLO26提出了一种多任务统一架构，整合了目标检测、实例分割、姿态估计和旋转框检测（OBB）四大计算机视觉任务。该架构采用共享Backbone和Neck的设计，配合轻量级任务特定Head，解决了传统方法中多模型并行带来的高开发成本、大内存占用和低推理效率问题。核心设计包括：1）共享特征提取层实现参数复用；2）模块化Head结构支持灵活任务组合；3）统一接口实现单模型多任务处理。实验表明，该架构在

 一键难忘
2026-03-01 00:39:36

 639

 6

#人工智能 #计算机视觉 #目标检测 +1
计算机视觉——Opencv（答题卡识别并打分）

import cv2# 正确答案映射（题目索引：正确选项索引）

光羽隹衡
2026-02-28 17:59:06

 1241

 13

#计算机视觉 #opencv #人工智能
《计算机视觉：模型、学习和推理》第 17 章-形状模型

本文系统介绍了计算机视觉中的形状模型，涵盖从基础到高级的多种方法。首先讲解了形状的轮廓点表示和参数化表示，随后详细阐述了Snake模型、形状模板、统计形状模型（PCA）、子空间形状模型（PPCA）等核心算法，并提供了对应的Python实现代码。针对三维场景，介绍了三维形状模型和铰接式人体模型。文章还探讨了形状与外观的联合建模以及非高斯统计形状模型（GPLVM）。每个模型都配有可视化示例，通过对比原

 啊阿狸不会拉杆
2026-03-01 18:46:08

 1836

 25

#计算机视觉 #学习 #人工智能 +1
C# 基于OpenCv的视觉工作流-章27-图像分割

本文介绍了基于OpenCV的C#图像分割技术，重点讲解了分水岭算法的实现流程。主要内容包括：图像预处理（灰度化、二值化、开运算）、背景/前景图设置（使用膨胀和DistanceTransform算子）、边缘图计算、标识图构建（ConnectedComponents处理）以及最终的分水岭分割（Watershed算法）。文章提供了详细的OpenCV函数调用示例和效果展示图，并分享了相关的视觉工具下载链接

 fang_1_9_8_7
2026-02-25 12:09:02

 1233

 14

#opencv #人工智能 #计算机视觉 +2
YOLO26实操记录（自用）

输入特征图（假设维度为。

weixin_45859446
2026-02-25 23:55:35

 954

 27

#目标跟踪 #人工智能 #计算机视觉
目标检测数据集第114期-基于yolo标注格式的机场周转地面目标检测数据集(含免费分享)

从样本图像来看，数据集覆盖了多样化的机场地面场景：包含不同机型的飞机、各类地勤保障设备与廊桥设施，且图像中存在自然的光照变化、阴影干扰与设备遮挡，模拟了机场周转作业中的真实视觉条件。该数据集覆盖了机场周转环节的典型环境：包含白天、黄昏、夜间等不同时段的光照变化，以及晴天、阴天等天气条件，模拟了机场地面作业的真实视觉挑战，能够帮助算法更好地应对现实中的干扰因素，提升检测的鲁棒性。在使用该数据集进行学

 畅想未来2020
2026-02-24 08:45:00

 1859

 49

#目标跟踪 #人工智能 #计算机视觉 +2
《计算机视觉：模型、学习和推理》第 10 章-图模型

1.核心概念：条件独立性是图模型的基础，有向图表示因果关系，无向图表示相互依赖； 2.实战重点：有向图适合分类 / 推理，无向图适合图像建模 / 去噪，CRF 是无向图在视觉中的核心应用； 3.关键能力：图模型的学习是估计参数，推理是求解未知变量（MAP、边缘分布、采样等）。

啊阿狸不会拉杆
2026-02-24 17:44:04

 1430

 17

#计算机视觉 #学习 #人工智能 +2
【OpenCV】(十七)目标追踪

目标追踪

 C__learner_
2026-02-09 23:19:55

 1170

 18

#opencv #人工智能 #计算机视觉
计算机视觉——Opencv（图像透视变换）

我们经常需要将纸质文档转换为电子档，但拍摄的文档照片往往存在倾斜、透视畸变等问题，导致文档内容歪斜、不易识别。想要解决这个问题，就需要用到它能够将不规则的四边形区域映射为规整的矩形，完美消除透视畸变，广泛应用于文档矫正、车牌识别、全景拼接等场景。本文将通过一个完整案例，从图像读取、轮廓检测，到透视变换、结果后处理，逐步完成发票/文件的自动矫正。

光羽隹衡
2026-02-03 19:53:33

 1323

 15

#计算机视觉 #opencv #人工智能
【计算机视觉】增强现实虚拟试穿购物系统架构剖析

本文深入探讨了基于计算机视觉、3D建模、实时渲染、人体姿态识别以及商品匹配算法的虚拟试穿与增强现实（AR）购物体验系统。该系统旨在解决传统电子商务中消费者无法直观试穿商品的痛点，通过融合先进的技术栈，实现实时、逼真的虚拟试穿效果。

秋说
2026-02-02 10:49:31

 758

 5

#计算机视觉 #ar #系统架构 +4
opencv实现图像拼接

本文介绍了基于SIFT特征和单应性矩阵的图像拼接技术。首先通过SIFT算法提取图像特征点并生成描述符，然后使用暴力匹配器进行特征匹配，结合距离比值法和RANSAC算法筛选有效匹配点。接着利用匹配点求解单应性矩阵H，描述图像间的透视变换关系。最后通过透视变换将待拼接图像映射到基准图像坐标系，并完成图像融合生成全景图。该方法具有尺度不变性和旋转不变性，能有效处理图像缩放、旋转等情况，实现无缝拼接。

爱打代码的小林
2026-01-28 20:48:15

 1935

 42

#opencv #计算机视觉 #人工智能
OpenCV学习：从角点检测到特征匹配

本文介绍了两种图像特征检测方法及其应用。首先详细讲解了Harris角点检测原理与实现，包括关键参数解析和角点标记方法。其次介绍了SIFT特征提取流程，分析了关键点属性和描述符计算。最后基于特征匹配构建了一个指纹验证系统，使用FLANN匹配器进行特征点匹配，并通过Lowe's比率测试筛选优质匹配点。实验结果表明，该方法能有效区分不同指纹，实现身份认证功能。文中提供了完整的代码实现和参数解析，为图像特

 子夜江寒
2026-01-25 19:44:19

 1309

 17

#opencv #学习 #计算机视觉
《机器学习》第五章-集成学习（Bagging/Boosting）

本文全面介绍了集成学习的基本概念和主要方法。集成学习通过组合多个基学习器提升模型性能，核心思想是"三个臭皮匠顶个诸葛亮"。主要内容包括：1）Bagging方法（如随机森林），通过并行训练和样本/特征扰动降低方差；2）Boosting方法（如AdaBoost、GBDT），通过串行训练和错误样本权重调整降低偏差；3）实战应用部分展示了随机森林、GBDT/XGBoost在分类、回归任

 啊阿狸不会拉杆
2026-01-21 16:22:12

 1164

 19

#机器学习 #集成学习 #人工智能 +3
基于OpenCV的银行卡号识别项目实战

本项目核心目标是自动识别银行卡表面的卡号，整体流程分为两大模块：一是创建数字模板库，通过对标准OCR-A（一种便于机器识别的字体）数字模板图像的处理，提取0-9每个数字的轮廓特征并保存；二是对银行卡图像进行预处理、轮廓检测定位卡号区域，再通过模板匹配识别每个数字，最终输出卡号及银行卡类型。技术栈：Python + OpenCV + NumPy，无需复杂的深度学习模型，仅通过传统计算机视觉技术即可实

 一招定胜负
2026-01-18 19:43:43

 1007

 32

#opencv #人工智能 #计算机视觉
《数字图像处理》第 11 章 - 表示与描述

本文介绍了数字图像处理中表示与描述的核心方法，包括边界跟踪、链码、多边形逼近、骨架提取等表示方法，以及边界描述子、区域描述子、关系描述子等特征提取技术。通过Python代码实现并对比了各种方法的实际效果，如Freeman链码压缩边界数据、傅里叶描述子保持形状特征、Hu矩的平移旋转不变性等。文章还提供了工程应用建议，如简单形状识别推荐使用Hu矩或傅里叶描述子，纹理分析适合灰度共生矩阵。所有案例均附带

 啊阿狸不会拉杆
2026-01-18 20:40:53

 680

 17

#计算机视觉 #图像处理 #算法 +1
（YOLO前置知识点）神经网络、Pytorch、卷积神经网络CNN

本文系统讲解了神经网络、PyTorch和卷积神经网络(CNN)的核心知识与应用。首先指出仅掌握YOLO基础调用不足以为论文或毕设提供足够深度，必须理解CNN底层原理才能进行算法优化。文章详细解析了神经网络基础概念：从神经元、感知机到全连接网络，重点讲解了激活函数(sigmoid、Tanh、ReLU等)、前向传播、损失函数和反向传播机制。在CNN部分，阐述了其相比传统神经网络的优势，包括局部相关性处

 m0_73991249
2026-01-16 15:27:34

 985

 13

#深度学习 #计算机视觉 #神经网络 +2
从森林到梯度——梯度提升树的原理、调参与实战

grad = preds - labels # 一阶梯度hess = np.ones_like(preds) # 二阶梯度适用于 Quantile Regression、Focal Loss 等场景。梯度提升树不仅是算法，更是一种认知范式：承认当前模型的不完美，以谦卑之心，一步步修正偏差。复杂问题，可以分解为一系列简单修正；最优解，往往藏在误差的梯度方向里；真正的强大，源于对细节的极致把控。

渡我白衣
2026-01-12 08:31:58

 1591

 98

#机器学习 #人工智能 #自然语言处理 +4
【YOLO系列07】YOLOv5详解——PyTorch时代的工程化典范

YOLOv5解析：PyTorch时代的工程化典范 YOLOv5是Ultralytics公司于2020年发布的基于PyTorch的目标检测框架，尽管存在命名争议，但其工程化实现、易用性和活跃社区使其成为最流行的检测框架之一。主要特点包括：模块化架构：采用Focus模块（后改为6×6卷积）、CSP结构和SPPF模块，平衡性能与速度多尺度模型：提供5种规模的预训练模型（n/s/m/l/x），参数从1

Mark Zero
2026-01-08 00:23:19

 1343

 26

#pytorch #人工智能 #深度学习 +3
【YOLO数据集】遛狗未牵绳目标检测

此类行为不仅容易导致犬只走失、受伤或发生交通事故，更可能因犬只失控而引发邻里纠纷，甚至造成人身伤害，尤其对儿童、老人及怕犬人士构成潜在威胁。尽管多地已出台相关管理条例，明确要求携犬出户时必须使用牵引绳，但由于缺乏高效、常态化的监管手段，违规行为仍难以被实时发现与取证。因此，探索利用计算机视觉技术，特别是基于深度学习的实时目标检测算法，对公共区域中“遛狗未牵绳”行为进行自动识别与预警，成为提升城市宠

 MU_kaka
2026-01-07 22:31:41

 1092

 9

#目标检测 #人工智能 #python +1
《数字图像处理》第 12 章 - 图像模式分类

本文摘要：《数字图像处理》第12章系统讲解了图像模式分类的理论与方法。首先介绍了模式分类的基本概念和发展历程，包括传统手工特征、浅层神经网络和深度学习三个阶段。重点阐述了四种典型分类方法：原型匹配（最小距离、互相关、SIFT特征匹配、结构匹配）、贝叶斯统计分类器、神经网络（感知机、多层前馈网络）和深度卷积神经网络（CNN）。通过MNIST手写数字分类等实例，详细推导了各类算法的数学原理，并提供了完

 啊阿狸不会拉杆
2025-12-23 23:28:34

 1091

 20

#分类 #数据挖掘 #人工智能 +4
OpenCV(四十四)：SIFT计算描述子

SIFT 描述子通过尺度归一化、方向对齐、空间分块和梯度方向统计，构建了一个高度稳定且区分性极强的 128 维特征向量。OpenCV 对 SIFT 的实现高度工程化，封装了复杂的数学细节，使其在计算机视觉领域长期占据重要地位。尽管在实时性和计算成本上存在不足，但在对匹配精度和鲁棒性要求极高的场景中，SIFT 描述子仍然是一个标杆级算法。

却道天凉_好个秋
2025-12-22 22:33:28

 1073

 9

#opencv #人工智能 #计算机视觉
Opencv总结1——视频读取与处理，图像阈值和平滑处理,图像形态学操作

读取视频VideoCapture可以捕获摄像头，用数字可以空中不同的设备，比如0和1视频文件直接指定位置就可以。

Jerryhut
2025-12-22 20:21:17

 598

 22

#opencv #人工智能 #计算机视觉
OpenCV计算机视觉实战（33）——文字识别详解

本节围绕实际 OCR 系统构建，系统讲解了从文本区域检测、图像预处理、字符识别到结构化信息提取的完整流程。通过引入 EAST 模型、图像多尺度与旋转补偿策略，有效提升了文本检测的召回率与准确性；结合形态学与行排序技术，优化了 ROI 的提取质量；在 Tesseract 集成中，通过二值化增强、字符白名单与批量识别等手段，提高了字符识别的稳定性与效率。最后通过发票识别案例，展示了如何将 OCR 结果

 AI technophile
2025-12-22 16:31:59

 1767

 31

#计算机视觉 #opencv #人工智能
基于阈值分割的车牌定位识别

基于阈值分割的车牌定位识别

 jghhh01
2025-12-20 16:09:33

 474

 3

#计算机视觉 #图像处理 #opencv
机器学习周报二十六

本周主要阅读了风格迁移方面的三篇论文，内容涉及场景文字编辑、文本驱动风格迁移以及内容与风格组合的图像生成方法。三篇论文分别从文字编辑、文本驱动风格迁移和内容-风格组合三个角度推进了风格迁移领域的发展，在保持内容结构的同时，实现了更精准、多样和高质量的风格化图像生成。本周主要对一些感兴趣方向的论文进行了阅读，从中获取一些应用方向、创新点的启发，为以后的科研提供方向。

讋113
2025-12-14 20:58:05

 1112

 9

#机器学习 #人工智能 #计算机视觉
OPENCV（python）--初学之路（十八）特征匹配+ Homography查找对象

本文介绍了OpenCV中蛮力匹配(BFMatcher)的基本原理和应用方法。首先讲解了BFMatcher的创建和使用，包括normType参数选择和crossCheck功能。详细比较了match()和knnMatch()两种匹配方法的特点，并提供了ORB和SIFT两种特征描述符的匹配实例代码。文章还介绍了如何通过findHomography()函数实现图像配准，包括参数说明和实际应用案例。最后，作

 WGK1005
2025-12-13 16:40:19

 1564

 34

#opencv #人工智能 #计算机视觉
OpenCV(四十一)：SIFT关键点检测

SIFT 是计算机视觉领域中极具代表性的特征检测与描述算法，其通过尺度空间、DoG极值检测、方向分配和高维描述子构建，实现了对尺度和旋转变化的不变性。尽管在性能上不如轻量级算法，但在鲁棒性和匹配准确性方面依然具有不可替代的优势。

却道天凉_好个秋
2025-12-14 21:00:37

 1251

 31

#opencv #计算机视觉 #人工智能
【完整源码+数据集+部署教程】动画标识检测系统源码 [一条龙教学YOLOV8标注好的数据集一键训练_70+全套改进创新点发刊_Web前端展示]

【完整源码+数据集+部署教程】动画标识检测系统源码[一条龙教学YOLOV8标注好的数据集一键训练_70+全套改进创新点发刊_Web前端展示]

飞翔的佩奇
2025-12-15 08:44:12

 829

 22

#前端 #计算机视觉 #python
【完整源码+数据集+部署教程】船舶类型检测系统源码 [一条龙教学YOLOV8标注好的数据集一键训练_70+全套改进创新点发刊_Web前端展示]

【完整源码+数据集+部署教程】船舶类型检测系统源码[一条龙教学YOLOV8标注好的数据集一键训练_70+全套改进创新点发刊_Web前端展示]

飞翔的佩奇
2025-12-12 09:08:18

 1038

 15

#前端 #python #计算机视觉