粉丝495获赞5811

使用欧喷 cv 读取一张图片是通过 im 瑞的方法传入图片的地址,返回读取回来的图像数据,读取回来的图片可以直接打印显示, 可以看到打印显示的结果是数字组成的多维数组。上节视频讲过, c v 二里面使用 num pay 存储图像数据,打印出来的其实就是 num pan 的数组,显示在 im 瑞的方法中 第一个位置参数传入的是图片的路径,这里的路径有两种形式,一,先对路径,二、绝对路径。先对路径是根据程序运行的当前工作目录来写,当前的工作目录下有个 res 的文件夹, 瑞士下有个有 buff 老师的头像,所以可以通过相对路径读取回来图片。绝对路径 是图片文件所在的词盘的完整路径。比如可以这样写, 通过传入完整路径,还可以读取非空城目录下的图片文件。这里特别要注意的是, oppo c v 不支持中文路径和中文图片名称的,在一盘下这张有 buff 点 png 虽然存在, 但是读取后打印的结果是,那 还有一点要注意的是,传入一个全英文的图片路径,但这个图片不存在代码不会报错, 只是读取的结果是烂,所以在操作图像前,要记得对图片进行非空判断。

今天学习 open dnm, 不说原吗解析?

一种获取物体边缘的方法,以下是基于奥班 siv 讲述的算法,用其他图像处理框架原理近似。 首先给无物体的背景拍一张照片作为背景图片缓存起来,放上物体后的照片转换为 u 或 a x b 这样的亮度色彩分离模型。在逐个像素减去之前的背景进行绝对值和预值计算,做一次切实得到二,然后依据像素间变化进行开逆运算得到三。 再根据三进行多边形礼盒得到结构化的多边形做标点数据就得到了四,就可以计算面积、朝向等等了。这种方式的优点在于计算法简单,计算快,低配电脑也能进行视频识别。 缺点在于易受干扰。相机需要设定为手动曝光、手动白平衡, bis 凹直,且需要专用固定光源,不能用自然光线,不能测量反光物体有高度的物体阴影也会被识别。

今天给大家介绍一个计算机视觉学习方面的资料, opple cv 的官方中文文档 opplecv 是计算机视觉中经典的专用库,这是多语言、跨平台,功能强大,他在计算机视觉领域扮演着重要的角色。作为一个基于开元发行的跨平台计算机视觉库, oppo cv 实现了图像处理和计算机视觉方面的很多通用算法,利用他们可以识别物体,对摄像机捕捉的数据进行处理分析,他可以应用到人脸识别、医疗图像等很多的领域。这几天我找到一份最新的 oppo cv 四点一版本的完整中文版官方教程,可以 帮助大家更好的学习和了解 oppo cv 的相关细节。教程是根据官方提供的文档尽量完整的进行了还原。通过这份文档教程,你可以学习到简单的 oppo cvps 安装,如何显示和保存图像和视频图像 的基本操作,内部的不同图像处理函数,还有有关图像渠道和积极学习与目标检测的一些知识。相关的资源我放在这里,需要的同学可以去看看,希望能对你有帮助。

这节课我们讲一下数字图像的脂肪图的概念啊。 数字图像的,嗯,脂肪图呢,对于数字图像处理来说是个啊非常重要的一个,呃,一个数学工具啊,可以用它来分析我们,呃分析一些图像它可能具有的一些性质啊, 那么他定义就是这样啊,说明脂肪图的定义的话,就是我们啊,在定义他的时候呢,我们通常呢是使用一个啊灰度图像啊, 灰图像,那么嗯在这个图像当中呢,他的脂肪图是什么意思呢?就说我们图像呢,实际上他的灰度阶呢是从零到这个二百五十五啊,那么这样的话我就可以把零到二百五十五,这个灰 会把把这个区间呢,我可以分成若干个很小的这样的啊 格子啊,我们一般把它称作这个病啊,每个格子呢我们把它称作一个病啊,那么接下来我们在统计他, 那么我们现在就是要分享在这个图像整体的这个灰度像素的这个他的分布情况是什么样子的。呃呃,也就是说他在各个灰度等级上像素个数的一个统计量啊。举个简单例子来说啊,比如说我们现在在这个格子里头,我们要统计一下 他在每个灰度等级下,比如这是零一二三啊,一直到二百五十五。那比如说现在我统计一下他在啊灰度皆为三的,这个在灰度皆为三 啊的所有的像素的个数呢,我们把它啊就绘制到我们这个图像上面去啊, 那比如说现在我们从那他计算的过程时间,我们我们从零开始啊,比如说从零开始呢,就说零开始,那么这里头比如说有像素啊,零的像素在这上面有有有四个,那么我们把它啊统计上来以后啊,就把它这地方就写一个啊,就是就是 就是四啊,那么像素为一的呢啊个数呢?比如在这个图像当中啊,一共有这么多个一、一、二、三、四五、六七,一共有七个一啊,那么他的这个个数就是七 啊,同理二,比如说在这里头二的像素汇度值为二的啊,像素有两个啊,那么我统计出来就是二啊,就以此类推啊,就是我最后 统计完以后呢啊,当我把这所有的这个灰度全部统计完以后,在每个灰度接上呢,我都可以啊,还有的这个值分布的多,有的值分布的少啊,那么这样的话我就得到了这个图像的这个脂肪图,嗯, 好,那么呃,其实这个概念是非常简单的,那么另外呢还有一个就是,呃,这个是从统计的意义上来说,这就是他的脂肪图。那么另外还有一个,还有我们还可以从这个概率的角度上来对这个脂肪图来进行一个 分享。那比如说现在我每个这个小柱上呢,实际上都代表我每个啊灰度机上它的像素的像素的个数,那么如果我把每个格子上像素的个数呢,全部啊,用我们的每个格子呢,我们是 n i 啊, 然后我除以我的所有啊所有像素的整个的这个图像的个数啊,那么除完以后的话啊,大家想一下,我们我们把除完以后,那么这个上面啊,实际上他就会形成这样的一个 啊概率分布啊,那么这样的话,我把所有的这个概率分布呢,从 i 一直到 i, 从零啊,一直到二百五十五啊,实际上你做一个呃累加以后呢,实际上就等于 n 分之 n 啊,就等于一啊,那这样的话,我就也可以有这样的一个概率统, 有一个概率概率统计,那概率啊,那是这个概率的理解,就是我啊,现在,比如说我现在啊随机的从这个咱们这个头像当中取一个像素出来,随机取一个像素,我把它拿出来啊,那这个像素他在 灰度的接的这个分布啊,是就取出来以后,那么他的这个分布啊,就是取出来这个这个像素他的灰度的可能的 灰渡街呢,就是从零一直到二百五十五啊,那么那么每个灰渡街上的他的有可能的概率呢,就是我们刚才计算出来的啊, ni 除以 n 就是这样的概率,那么可以想象一下啊,就说假如说我的一个图像啊, 我通过一个脂肪图呢,我比如说我已经计算出来脂肪图大大致是一个这样的一个脂肪图啊, 那这样的脂肪图的话,那你想我们这个其实啊,实际上就是我们在这个图像当中啊,有绝大部分的图像的这个绝大部分的像素呢啊,都集中在,比如说这个是从十到五 五十啊,这是他的这个脂肪图,那么我们就知道这个图像他是一个很偏暗的一个图像,因为绝大部分像素灰度呢,都集中在很窄的这个这个区间内啊,所以你可以通过脂肪图对他有一个大致的一个亮度的判断啊。 但是另外一点啊,他的一个脂肪图的有一个非常重要的特性啊,就是,嗯,他是有一个全局的,一个全局啊,统计 啊,这个怎么理解呢?啊?你比如说我现在有一个脂肪图啊,我就现在有一个图像啊,那就比如说像刚才的这个图像 啊,那么比如说在这个图像当中呢?周围全,嗯,我有,嗯啊,在这个图像当中,我的十到五十呢,是绝大部分的这个 值啊,那比如说我现在这个图像啊,只有一小部分的值啊,只有很小的一部分的值啊,他的像素值呢,比如说是两百啊,那也就说我在这个地方呢有这么一小段啊,分布成了啊,在两百这个地方呢,会有一个 啊,非常大的啊,一个一部分的分布啊,因为两百的这地方比较多一些,那么其他区域的值呢啊,都是处于啊十到五十这个这个这个灰度节啊,那么这这个图像呢,大致就是我的这个他的这个脂肪图呢,大概就是这样子,对吧? 那么当我如果说把这两百这个像素啊,现在在一个小块里头啊,那么他是实际上就是背景呢,实际上是一个灰色的一个图像,那么前景 有一个两百非常亮的一个区域啊,脂肪图你想象一下,大致就是这样的一个分布,但是如果我把这个两百的这个灰度啊,我把这个图像呢稍微做一个变化啊, 啊,我把这两百像素呢,我把它都啊离散的啊,放到我的这个图像当中啊,全部散开啊,现在是集中在一个方块里,当我把它全部散开以后呢? 啊,那么他这个这每每一个小,每一个小,这个小点点的代表是像呼噜,是为两百,那么其他的呢?还是以这个啊,还是零到五十的这个背景啊? 零到五十个作为他的背景,那么实际上这个图,这两个图像,你做从脂肪图的定义来说,他们是一模一样的, 对吧?但是从图像呈现出来的这个视觉效果廊来说的话,是完全不一样的啊。那么因此也就说啊,这个我们的这个脂肪图呢,是一个全局的统计量,他并不能反映这个图像在啊,比如说我现在在把这个图像呢,我分成一个,他并不能啊, 对图像的这个一些局部的特性,比如说他在某个局部是什么样子,对不对?这些特性的话,我们就不能拿这个脂肪图来进行分析啊,尽管如此呢,我们啊后面在很多的一些学习当中,我们看到会不会使用脂肪图的这个概念啊? 好,那么我们接下来呢,我们看一下,用啊,用 python 啊,或者 open cv, 我们来实现,用 opencv 来实现这个脂肪图的计算啊。那么在 在计算之前呢,首先我们还是呃加载进来我们要使用的这三个库啊,然后我们读进来一幅图像啊,这个图像呢,它是一个三千乘四千那个比较大的图像,那么我们还是以灰度图像来把它读进来啊,为了这个 简单期间,那么这每一个像素呢,实际上他都是一个 aside in the 八啊,那么也就是都是属于整形的,而且都是从零到二百五十五之间的一个数,我们把这个图像稍微啊显示一下,他就是这样的一幅图片啊, 那么在 p r t 这个库里头呢,它有一个,呃,对脂肪图的一个计算啊,它的计算计算函数呢,就是 p r t 点 histor histor 啊, histor gram 就是我们的绘图脂肪图啊,就 脂肪图,那么 his 的这个函数里头呢,有两有啊,常见的有三个参数啊,第一个参数呢,就是我们必须输入呢,是一个一尾的数组啊,那我们用这个 i m, g, r, a, v, e l 呢,就可以把我们这个图像呢输出成一个 啊,把它整个拉平啊,拉成一个一维的一个数组啊,原始的图像呢,我们知道是二维的,现在呢用这个函数呢就可以把它拉成一维的图像啊,那么接下来第二个参数呢,代表的是啊我要使用的这个病啊,也就是我们刚才讲啊, 我们刚才讲就是你要用多少个格子来进行统计啊,统计的这个格子病的这个病的这个个数啊,也就是你的啊, 啊,你的, 你的要需要统计的格子是有多少个格子?那么最后一个参数是一个呃, list 啊,这里头一个是一个最大最小值,就是我这我现在统计呢,就统计啊这里头最小值和最大值之间啊的值,然后呢把它往这个格子里头去 进行投掷啊,看一下他们的啊分布是什么样啊?好,我们把它啊,那你计算完以后呢,实际上你就可以直接把它 这个脂肪图就可以直接来进行显示啊,那么对于我们刚才这个图像呢啊,大致就是这样的一个脂肪图,那么通过这个脂肪图我们就可以大致判断啊,和我们这个原始的这个图像呢, 你就可以进行一个大致的判断,就说一部分像素啊,啊,是非常亮的像素啊,那这部分像素呢,代表其实就是我们的这个天空的这个值啊,他的分布呢,大概是在一百五十到两百之间,是非常啊,可能有一半的这个值大概分布在这个这个部分, 那么还有一部分就是暗的这些区域啊,是灰色和黑色的,偏黑色的区域呢啊,大致分布在这些区域啊,所以 啊,可以把脂肪图和原始图像呢进行一个联系,记得这个 histo 这个函数呢,嗯,除了能把这个脂肪图画出来之外呢,他实际上他的参数呢?还可以呃,把这个每个灰度接下,有多少个像素呢?也可以返回回来啊, 我们来看一下他的那个说明号, 它的说明啊, p l t 的 paste, 那么在这里头我们看它的参数呢,一共有有啊,参数有三个啊,第一个 x 呢,就代表是我输入的这个啊, image 啊,把它拉平啊,就是我们输入的这个数组啊, 那么病死呢,代表的就是说我要把它呃分成多少个灰度阶,灰成分成多少个等级 啊?那么在我们这个例子当中呢,实际上我们把它分成了啊,二百五十六个等级啊,因为是二十八次方,是二百五十六个等级 啊,然后还有一个值是锐值啊,锐值就是我们最小值和最大值啊,好, 然后最后我们返回的值呢,是将这地方是有啊,返回值的话有有两个比较重要的,第一个就是 n, 代表的是在每个灰度阶上他的像素的累积的这个呃 像素的个数啊,还有个病死,就是我们在哪些回头街上来进行这个呃统计的啊,我们把它打出来我们就可以看到哈, 我们实际上我们啊返回回来以后,它实际上是一个 out, 一个是一个 out 的对象,那这个 out 对象我们刚才看它实际上是有一个,是有有三个指啊,我们只关心前两个啊,我们 print 啊 out 零和它的这个 point 二, out 一,嗯,看一下, 嗯,打出来以后我们看,嗯,我们可以看到的话,就是这里头啊,数组的这个是代表第一个灰渡街有啊,大概是十个三字方格啊。啊,零的这个灰渡街上有这么多个,嗯,像素啊, 然后下面这个呢,代表的是从零这个灰度接,然后第二个灰度接是零点九九啊,这可能是有一点点问题啊,有一点点问题啊,应该说应该是整整数的类型在整数的点上啊,因为灰度接是整数,但是他返回的是浮点类型, 这个问题我们要看一下,他的问题实际上出在了,嗯,我们看一下,嗯,实际上出现了,在这一些,估计是在一些边界的位置上啊,啊,就我们看,其实他这样啊,在这样说明这个病死呢,他是凹啊, but the last bin is the half open 啊,就说他实际上就说有一边是闭的啊,就左闭右开的几个形式啊。嗯,所以从这个上来说的话,我们现在得到的这个数数据的话是有问题,就说我们现在统计的实际上是 从零啊,那么由于是左臂右开的话,那么这实际上是统计了零到二百五十四这个回度结上啊,那么因此你把它又分成二百五十六的话,就会就会出问题啊,那么因此这地方我们应该把它分到二百五十六个等级啊, 好,分到二百五十六个等级以后呢,我们就可以看到,那么实际上这个是从零这个等级啊,零的等级啊,就是一一对应啊,我们这两个数组一啊零的这个回头接,就是在这地方对应的是他的这个像素点的个数, 所以大家在使用这些呃函数的时候呢,经常会呃出一点小问题呢,大家把那个他的这个参考手册打出来以后呢,就可以啊了解这每个参数的一些详细内容啊,有的时候第一次使用的时候可以多去读一读 啊,或者在百度上面找一些这方面的内容啊啊,看几个例子的话就比较清晰一些。 那么另外呢,我们也可以使用一个我们自己写的一个函数啊,自己写一个函数也可以对他来进行啊统计啊,那么在统计的过程中呢,实际上我们啊在这个算法里头呢,我们啊 用这个,因为我现在要计算的就是这个各个会读机,所以我这个 r 呢,代表的是啊,这个 图像里头的灰度阶的个数啊,我们用 r 代表灰度阶的个数,嗯,他实际上是从零一直到我们的二百五十五。 那么接下来在每个灰度阶下面呢,我就看一下这个图像里头啊,它的这个每个像素等于 r 的这个 像素,他有哪些啊?那么我们之前讲过啊,可以看我以前的视频啊,他返回的是一个和原始图像 mg 等大小的一个图像啊,是一个 mask 类型 啊,接下来我们可以通过 mask 啊里头我们把为处的这些值呢做一个累加,累加完以后呢我们就可以计算这个病的他的啊,满足这个灰度值的他的像素的个数啊,然后就把它添加到我们这个灰 度的这个数组里面去,最后呢我们就把它绘制出来啊,那他时间稍微有一点慢啊啊,绘制出来和我们上面这个图呢大致是一样的啊,那么最后呢给大家啊留一个小作业吧。啊,一共有三个作业啊。 嗯,那么好,今天呢我们这个会录脂肪图的内容,我们就讲到这里啊,有什么问题可以给我留言。

大家不要对我有什么过高期待,昨天发了个视频,发现挺多人想学 opensv 的教程,信号大干了视频也在录了。这个 opensv 系列教程是面向小白的图像处理入门教学,只是教 怎么去掉包不减算法和原理,但是我会尽量说清楚每个方法是干什么的,各个参数是什么意思,什么情况下可以用来做什么,每个知识点多举点例子来加深理解,帮助大家 快速入门,快点上手,用 open cv 做点小东西,仅此而已。

喂喂,能不能听到啊?我现在做一个总结,是做了一个练习,是一个计算机视觉图像处理,是由 opcv 来实现的。一个图像处理实现的案例是个什么呢?就是识别信用卡上面的数字 啊,其实这里面已经很常用了对吧?但是我们自己用程序来实现。比如说第一张图,然后我们自动要识别出来四零零零幺二三四五六七八九零幺零这个数字, 第二张卡识别这个数字,第三张卡识别这个数字等等。我们要根据这个图片信息来识别出来。嗯,根据这个信用卡上的照片信息识别出来,推信息识别出来数字。 而我们这个作用呢,它是一个提供了一个模板,这个模板的作用是让他能够识别出来 哪个是一,哪个是二,哪个是三,哪个是四,哪个是五。然后等于相当于是一个训练,是一个训练的过程啊。就是使用的这个方法,使用的是一个模板匹配法。模板匹配法比较简单, 就是让,比如说首先这个图片让他识别到这个图片的这个位置区域,然后再分割里面其中的某一个小的图片,然后让和这里面的比如说这个四识别出来这个四。之后让他和模板当中的这个一二三四来对比,看是哪个 和这个相同的有识别出十四,如果和这个相同的有识别出是一模板匹配法啊,使用 opancv 实现的模板匹配法哦。加拍粉,拍粉实现了 oppocv。 然后我们首先来看一下 功能啊,我现在直接来运行啊,这是首先呢,是一个模板对模板来匹配,实际上相当于是一个学习的过程,因为模板进来之后,机器他也是不知道的。 然后这是原始图像的模板,然后对它进行一个度转换,现在变成一个二指堵灰图图像,然后对它进行一个预制数理,从灰度图像变成一个嗯,二指图像,就是零和幺的二指图像,黑白两种颜色。 然后我们要进行边缘检测,然后绘制边框,然后得到这几个对象啊。然后然后呢,现在这里边是读取我们要测试的图片照照片信息,就这是一张信用卡,这个信用卡是一个照片素材, 不是真的啊。现在这个图片拿到之后啊,像第二步带进行一个灰度转换,大家可以看到这里左上角这个地方灰度转换,他现在变成一个黑白两种颜色的灰度图形。 然后呢,我现在对他进行预知处理。预知处理就是去除掉多余的背景颜色,比如蓝色什么全部去掉是吧?呃,就是设置一个临界点,然后低于临界点的删除掉,高于临界点的保留啊。然后现在呢进行了一个边缘检测。 然后呢,现在这个操作呢是什么?是进行了一个呃形态学操作。形态学操作是要找到目的是什么呢?目的是用来去除要多余的杂志 这图片当中多余的杂质。然后可以看到这里边嗯,我们想要找的是什么呢?我们想要找的是个图片当中的一二三四的四个横的横条,长条的东西, 但是这里面横长一点东西不明显,所以我现在对他就进行了一个预知处理,让他看起来明显一点, 看起来明显的之后还发现这里边有空洞是吧?还有空洞啊,这边角部分还有不是很规整的地方。然后我对他进行再次二呃,第二次进行一个形态学操作啊,必必操作 b 格那个操作。进行那些操作之后可以看到的数字的部分,这四个长条部分显得稍微规整点,对不对?然后再查找边界, 查找边界,然后在边界信息上面,在原图上进行绘制。然后四个红的地方,这是我们要找的目标,是在这里 啊。那么下面呢,我就来进行提取,提取到一个四位数字,是五四幺二是吧?这这是四个一个小部分。然后这个四个小部分当中呢,我再一个一个的截取,截取五,截取四,截取幺,截取二 啊。这是对他进行一个二指处理,二人的意志处理二指画,然后截取一个五,第二个四一二 是吧。然后这是第二部分的一小块,有四位数字七五幺二啊。进行预支处理,然后得到 第一个七五幺二啊。然后再进行第三个作为数字的求处理啊。四点,然后第四位四位数的处理 啊。是这样的。然后他其实上得到呃这个数字七。之后拿到这个数字七,会和我们模板当中那个模板零一二三四五六七八九来进行匹配,看和哪个数字的相似度最高,最像。然后他就会得出一个结论,他就是七, 同样的零也是。然后挠到这个零的对象。之后他会和我们模板图片当中零一二三四五六七八九来进行对比,进行匹配,得到匹配率最高,相似度最高的那个就是 我们的目标,可以看到现在在图像中来进行显示是吧?我把这个结果在卡上面来进行显示。五四幺二七五幺二是吧,到三四五六七八九零。 然后上面呢是通过模板匹配法检测到的数据。下面红框是我们要检测的区域,检测到的区域 有四个长方形的横框。检测到的区域,然后把检测到结果数据匹配之后的结果数据显示到横框上面。就是这样模板匹配法。

哈喽,大家好,我是唐宇迪。太多演艺同学在思考啊,就是导师让我做这个视觉,我也想做跟图像处理相关的东西啊,但是我们该怎么去学?为大家举个例子啊,就是说咱们现在做这个图像处理啊,大家先不用犹豫,拍子还是 c, 我们肯定是先拿拍子去上手,假如说老师,以后我们实际工作当中,咱们部署得用 c 啊,但是大家想一想,我们对于初学者来说,咱们是不是先学起来,先用起来以后我们做出来不一定呢,那是不是学什么容易,学什么上手快,咱们用什么呀? 就是第一件事肯定是去拍子去做的,包括母后用深度学习,都是去拍子。所以说 c 扎吧,你暂时先不用去学。好多人跟我说啊, c 是拍子的基础啊,拍子不需要 c 的基础, 你直接上拍死非常快的一件事。第二个呢,我们先学什么?我建议大家咱们先拿 open cv 做点小例子,就是你不用做特别复杂的,做特别难的东 东西,把咱们欧美思维这些东西啊,简单的事,你去过一过图像的简单处理,什么轮廓提取啊,什么预制量等等,哎,你先把这些事过一过,数一数,记有一个基本印象时间来。我不建议大家看论文, 因为你对这个领域还比较陌生的,你直接看这论文必然是看不懂的,咱们手里啊,起码得先积累一些东西, 比如说你做这个视觉,做这个图像处理,你先做一个物体检测怎么样?比如说咱们最简单这个 ulo, 哎,你先把 ulo 基本思想去熟悉一遍,不要看论文啊,博客人很多解释,包括我视频里边很多解释,千万不要看论文,论文你可看不懂,先把咱们的一些通俗解释去过一过,哎,了解这个方法的一个思想, 咱不用说,第一晚就把全部的知识点掌握,咱们起码先上手,我们能跑出来一个结果啊,有一个呆默出来,有呆默出来之后呢?接来,哎,有说你有时间啊,你再去抵 bug 一遍, 看一看人群网当中啊,是数据怎么处理的,网络就怎么搭建的,模型怎么设计的,你把这些处理完之后,相当于呢,这你才迈出了第一步,才完成了一些基本工作。 所以说建议大家就是我们快速过过 pass, 熟悉熟悉欧本 cv, 跑一个车头,运用模型出来,接下来你再做自己其他任务,这样呢,咱们有循序渐进的过程,能让你在先了解这个领域基础上 再做其他任务,可能就没那么难了,起码咱们心里有个概念,有印象了,是不是?

来玩一玩基于 iphone 的奥温 cd 计算机视觉,当然还是做一个合格的调包箱。 大概原理,根据手部关节建立二十一个节点,根据各个手指节点之间的 a 色标和 y 坐标进行判断计算,从而达到识别想要的手势目的。要用本地摄像头进行识别,包括各种手势数字, 结合硬件交互可能更好玩,也包括一些特殊手势识别,哈哈哈哈。

如何用拍子?嗯,结合 open cv 实现 ai 斗地主?用到拍奥特 gui 模块和 open cv 模块, 利用 do zero 斗地主 a i 模型,利用 open cv 模块识别谁做地主玩家手牌,其他玩家出的牌,每一轮利用 ai 计算出什么牌胜率最高,利用派 uto g u i 操作欢乐斗地主出牌。

哈喽,大家好,还是我,我是 abo, 那么今天我给大家带来两个比较简单一点的项目,一个是颜色的识别,呃,另外一个是形状的识别,那这两个项目在很多关于人工智能比赛方面用的也是比较多的,那今天我就给大家来演示一下啊这两个项目的内容。 这一段代码就是用来去识别颜色的,通过一个色调,这里是有一个 hsv 的,他是通过 bg2bg2, 我们是最常用的一个颜色识别, 然后转化为 hsvh 是一个色调, s 用的是饱和度,那么 v 是一个明亮程度,我们是通过这里面的 h 色调进行一个颜色的判断。好,接下来我们来演示一下这段程序。 好,我们看到了啊,这里首先第一个是通过中间,是通过中间这个蓝色圈的中间的一个像素点,用来去识别它的颜色,将你所获取的颜色放在这个中间的一个中间点就可以了。首先第一个是蓝色,然后再接着看, 然后到绿色啊,上面这个标记会显示一个是绿色的,然后是黄色 yellow, 然后是橙色,偶然接下来是红色 red, 那我们再重新选一个颜色,比如说蓝色啊, blue, 黄色 yellow, 红色 red, 这个就是一个颜色识别的一个程序, 这个是我们的第二个颜色识别,那这些都是他的一些相关的一个代码一样的,他还是通过一个 bg 二,通过一个 bg 二转成 hsv 的,然后多 多了一步,我们要给他带上一个 max 这个面具来,我们演示一下这一段程序, 他是通过这个视频的一个读取,然后是给他带上一个面具过后,啊,是我这里用的是白色的卡片,所以在这个 mask 这个视频中,视频流中我们只会看到一个白色的点,当然我衣服穿的是白色的,所以可能会在我衣服上会勾画出一些轮廓, 只看这个三角形就可以了啊,好,第一个,好,我们看一下,显示出来的是一个三角形,再看一下第二个, 第二个显示出来的是一个日餐狗啊,是一个车型啊。第三个是一个圆形的卡片啊,我拿的位置可能有点问题。好,我们看到了会显示一个,这个圆,好像剪的不太圆呢。好,我们来看一下, 已经显示出来一个 c 口啊,它是根据你有多少个点,比如说三角形有三个点,那我们就会显示一个圈勾句型啊,会显示一个。 呃,尽量推荐大家用红色或者是蓝色,因为我白色的话,可能颜色的识别度不是那么的高,这个就是一个颜色的一个,呃,这是形状的一个识别啊,一个 circle 啊,大家已经看到是一个 circle。

这个怎么样啊?瓜保熟吗?我开水果摊的,能卖给你生瓜蛋了。 your baby just touch your baby just touch。

在学习欧喷 cv 时,我们最初必须要学会怎样去读取图片,然后再怎样去显示图片,这是欧喷 cv 图像处理的最基础的一个部分,然后我们来看一下,首先我给大家演示一下这个程序 运行之后,他会调调调出显示,先读取这幅图片,这个茶杯的图片,然后给他显示出来,便命名为 这个显示窗口,命名为啊 foto one 就是第一张图片, 然后我们现在来看一下他的这个程序, 首先这个头文件 就是下面这些函数,需要在头文件里面可以调用,根据不同的函数他在的头文件不一样,那么需要调用不同的头文件,这是一个命名空间, 然后这个之后再做详细的解释,然后需要运行的函数需要在需要一个内函数, 这是一个组函数,在函数里面 mate 这个 src, 这是定义一个变量,一个图片变量可以储存图片的一个变量, 那么这一行这就是读取图片。瑞迈,这个英英瑞的,英瑞的 就是读取图片,然后将读取的图片复制给这个图片变亮,那么英瑞的是怎样去读取图片的呢?英瑞的里面需要在输入一个双引号,双引号里面输入图片所处的他的一个路径 以及图片的名称,以及他文件的后缀名, 我们可以看一下,嗯,他的路径,他的名称以及他的后缀名。 然后再来看一下影秀,影秀就是显示出你读取的这个图片,然后他的第一个参数就是显示窗口的名称 foto one, 然后 这个就是需要该窗口显示的图片是哪个图片,就是这个图片变亮里面所装的图片,然后最后这个 vsk 就是等待函数, 之所以要加这个是为了让图片显示出来,让肉眼可以看见,如果不加这个函数,那么内函数就会是什么样的,直接执行就结束了,就是他在很快的时间内给 他创建一个变量,变量创建完以后去读取,读取以后立刻给他显示,显示以后立刻结束这个程序,所以你根本就看不见那个图片, 为了让这个图片保持住你能够看见,所以我们要加一个 vsk, 就是相当于,哎,等一等,我先看一下,就是这这样一个作用,然后当你觉得,哦,我看够了, 那么就等待按键出发吗?你再按一个那个 esc 那个键他就退出,然后就是按着那个键以后这个程序就结束了,图片也就自然消失了。然后我们现在再来演示一遍,首先运行, 运行以后他一开始他会读这个茶那个路径里面的这个茶杯的图片,然后把它复制,复制给 复制给这个变量,然后通过引秀函数调用这个变量,然后 显示的窗口的名称 fotw one, 最后等待按键输入,如果有按键输入,程序就结束,图片已经消失,没有按键输入,他就一直显示让你看清楚,好,我现在输入一个按键 ok 就结束了。这就是关于今天 opplecv 的学习分享。