下面我们来看如何轻松的实现机器视野中的裂痕检测代码在置顶评论请下载。 好,首先我们增加原始图像的对比度,然后呢找到边缘,再然后进行这种形态学操作 好,然后找到大的联通区域,好,分别对每个联通区域找到,找到之后的话进行细化,细化之后的话对每一个联通区域都进行细化。好,我们循环处理,找到每个细化的区域,最后我们可以顺利的把所有边缘区域找出来,好,最后就把所有的这种裂痕找出来了。
粉丝1.5万获赞6.4万


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。

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。

好,下面我们对视频中啊实时检测人的视线和跟踪做一个概要的讲述,我们把程序运行一下。 好,大家可以看到啊,哎,他可以非常精准地检测到人的这个瞳孔中心,然后进行一个视线的跟踪。 好,那代码的整个流程,我们讲一下,我这边封装了一个非常好用的类啊,哎, get 这个类,然后的话调用类的这个初始化,哎,这是一个初始化,对一些基本的数据进行初始化,这个 process 这个函数接口就是我真正处理的接口,我们进去看一下是吧?好,那么我们这个程序的话,既可以对图片进行处理哎,也可以对视频进行处理,这个变量来控制,对图片还是视频 好,图片就是视频,一样的,视频的本质还是对连续的图片进行处理。好,那我这个视频的话,既可以对摄像头进行处理,是吧?也可以视频文件处理,本质也是 是一样的,只不过我的视频原不一样。好,我打开这个视频文件啊,处理完这边是提示,我们就不多说了啊,下面的话,读 video 这个的话就是干嘛呢?处理视频好,循环处理每一针图像,那么这个函数就是我获取实现方向,并跟踪我们进入里面呢。 好,那么怎么这个流程是什么样的?首先呢,使用帝力布这个库哎,来实时的获取人脸,那么他可以获取多个人脸呢?我们这边只处理第一个人脸的信息, 然后是检测什么呢?哎,根据已有的这个模型啊,检测人脸的特征点对不对?那么人脸特征点六十八个位置啊,哎,特征点六十八个位置,他有固定的标号, 这边我有个图,是吧?哎,他看到了,他有固定的标号啊,我们根据这些标号可以获取到脸中,你需要检测部分的点对不对?好,那么下面的话,我根据人脸区域的话, 目的是获取眼睛区域。获取眼睛区域是吧?怎么获取眼睛区域呢?是吧?根据特征点是吧?找到眼睛的周边的六个点就可以获取到眼睛区域。好,获取到眼睛区域呢?获取瞳孔中心呢? 哎,瞳孔,注意不是眼睛的中心,瞳孔是个小黑点,哎,获取瞳孔的中心点,我们这边使用一个,哎一个特殊的 t 图算法,可以获取到眼睛的中心点。瞳孔中心点之后的话,我们在干嘛呢?获取眼睛的中心点, 哎,眼睛的中心点和通过中心点之后就可以使用什么呢?视觉模型,哎,计算视线的角度了,是吧?根据眼睛这个视线模型就会计算出来什么呢?计算出来我们整个的这个视线的方向了, 然后视视线方向有了之后就可以把视线给画出来了。好,整个程序的基本里程就是这样的啊。哎,如果想看详细的剪解,还有想获取我们的代码和相关的答疑,就关注课程的更多内容。

呃,目前展示的是一个基于传统 open cv 的一个网球的一个识别,那么可以看一下效果。 那么它的一个识别逻辑主要就是第一个基于 h s v 色域的一个呃分割,然后在色域分割的基础上再加上一个后复原检测,可以很很比较完美的去将网球给它呃识别出来。 但是目前这个程序有一个问题,就是他只能识别一个,那么这个时候我们只需要把这个程序给他稍微修改一点点。 呃可以看一下,大概就是主要最主要的功能就在这个地方。那么呃首先啊,它是通 过一个色域 shv 去将这边是色域 hv 的一个,一个高和一个低, 就三个字 h s v, 它的一个上线和下线的一个设域范围,然后根据这个设域范围将网球可以切割出来。呃切割出来以后,呃, 然后就用一个霍夫原检测对其进行一个原检测,就可以很很完美的将这个网球从图像中给他死死的分割出来。 那么我们如果需要去呃获取同时获取两个网球或者多个网球的话,它主要就在这个区域。呃这边是将呃 h s v 设于 分割出来的物体中,只显示最大的那个物体的边缘,然后将它画出来。那么我们要显示多个的话就很简单,我们画多个就可以了。所以 用一个 for 循环把所有检测出来的物体都给它画出来,然后再用一个后复原检测,只画圆就可以了。然后这个时候我们来再运行一下。 好,这是一个啊,这是两个。 可以看到它的一个响应速度和一个识别的一个精度都还是很不错的。 嗯,那么接下来还有一个就是在这个过程中,我 觉得一个最麻烦的就是这个色域的一个确定啊,他首先是需要经过一个呃色域的一个查表,但就现在可以演示一遍他查完表以后是一个什么样的一个效果。 我们导入一下测试的一个图片,比如说网球是绿色的,那我查完表以后,我的 h 的一个上限是七十七,然后下限是三十五,然后 v 的一个上限是二五五,下限是四十三, 然后 s 它的一个上线是二五五,下线是四十六。可以看到 他这个绿色其实并没有完全把这个网球给分割出来,所以当时是在程序里面的话就是啊,不停的去调,看调就控制变量法,看调哪一个,他的一个效果更好,他并不直观,也很费时间。那这个时候我们可以 有这个高效工具,以后我们就可以这样哎,给他增加一点点,看到他就已经可以 很好的将这个网球给他很明显的显示出来,但还有一些干扰。然后这个时候我们来调一下这个,看能不能尽量减少一点, 随着这个的增加,可以看到一些白点在减少,但减少到一定程度的时候,这个球上面的白点也在减少了。那么我们这个时候看能不能调一下其他的 哦,这个也不能怎么调,但这个可以把球上的一些黑点给他去掉,他两个是不是可以好像没有很好。让我们来看一下这 这个 s 就可以很好的去去除掉一些没必要的一些东西, 基本上就整个图片中就只留下了球, 那么这个纸就应该是一个比较好的一个风格效果。然后这个时候我们再把这个纸给他带到这个里面来就可以了。


今天给大家介绍一个鸡蛋计数器的项目,使用 opencv 和优乐 v 八检测鸡蛋个数,能够高效、准确、安全、可靠的完成鸡蛋个数的统计工作。 ulov 八是一个使用配套取框架创建和训练的剪辑神经网络模型,是计算机视觉领域最流行的目标检测算法之一,运行代码来看看结果吧!

呃,我们来看一下这个,呃物体的判断,物体的判断的这个程序,然后这里有一个乒乓球, 看无论他移动移动移动移动到哪他都能判断出这就是他要寻找的这个物体啊。 那么我们拿一个刚绕的东西,别说我这里也有个圆形的,圆形的 那他就他并没有认为这个就是他要寻找的物品。我们拿开 这圆形,因为我还做了这个颜色的这个判断,所以他就不能判断,只有我们这个 他才能够正确的那个判断出来。

来,这个是您的检测平台,一会这个我拿耳机模拟工件,然后它的移动距离将会显示在屏幕上。我们现在来运行一下程序, 现在移动距离是一毫米,应该是个误差,我们现在来移动他一下, 现在他抱的移动距离是一百二十九毫米。啊,那我们来让他移动的距离是不是一百二十九毫米?哈? 我给你看看啊,他原始的位置差不多就是在这个位置,他的耳机中心的位置差不多就是在这个位置,误差还是比较小的。然后呢?我们现在来实时移动他一下,你拍这个就好 啊。不,你拍到两个画面。对,然后你看,你看他如果现在移动他,他会实时显示。 好,就这样吧。

好,大家好。嗯,那么这个视频呢,我们来看一下算法的总体介绍。 grand garfcat 算法的总体介绍啊,这个 garfcat 的图割这个方法到底是如何用于 我们图像分割的啊,那么我们图割这个算法整体上来说,我们会先做个效果的展示啊,我们就是 oppo cnopc 分钟自带的这个例子,它的演示它的过程啊,这个在我们 oppocv 算法分析课的第二个视频 啊,就是这个效果的延时啊。那么我们当前这个视频呢?是第三个视频,第三个视频我们讲这个算好的总体介绍,那后面第四个第五个分别就讲这个 目标函数的详细详细解析和嗯和这个利用图的最小格算法来求解目标函数啊。然后后面这个算法讲这个主要是结合代码啊,把我们的原理和代码都用起来。咱这个代码呢,我们思维中主要是给 c 交代的代码 啊,我们运行这个历程是拍散的,但是拍散后面是第二次讲的了,我们会也会把这部分讲了。也就说嗯,希望这个科这这个讲,这个格式开了。算法的目的啊,是希望我们能 原理清楚之后,能和原理和 ok c 的原代码对以上啊。如果说嗯,我们在工程上需要去修改 opc 的原代码,就可以去修改,当然也可以重写。那么啊,你的场景需要去对这个算法做一些的改进啊,修改你就去重写这部分代码,重新编译一下, 就可以在你的工程上去用了。 ok, 那我们看一下这个算法的总体介绍。这个嗯,那么 图割算法啊,图割算法,它是如何应用于这个图像的分割的啊?图像的分割的。那我们先取一个一个简单的例子,假设现在有一个类似于我这里画的一个四乘四这样的一个图像吧。好,我们在这个基础上去把这个图割算法 如何用于头像上给他说一下,那么上面这部分一会再说,因为他是凭空出现的,就是没有什么联系对吧?大家需要死记硬背的,没有什么意思。我们先把这个 先说后面的。那么这里有一张四乘四的图片,一共是六个像素。现在呢,我们要对这张图 图片进行分割啊,要有图像进行分割。那么对这个图像的分割,实际上就是对哪个像素给他打个标签了,相当于每个像素进行分类了对吧?每个像素进行分类了。比如说嗯, 对于这张图片上啊,我把这个像素标记为第一类这四个像素,然后其他的像素标记为第零类 啊。这其实就是完成了对图像的分割啊,把它分成两部分啊。我们举例子也是为了去简单位置就分两部分啊,包括我们图格算法也是分两部分啊。当然也可以 分更多的类别的话,图个让我想想,不知道能不能达到啊。我现在我们现在讲这个人分为两部分啊,前景和背景啊两部分。 ok, 那这样就图像分割了啊。图像分割了。那么 那么图割是如何用的?图割上要用到图割算法的啊。那么这里是有这么一个概念,假设我们有一条分割线 c 啊,有条分割线 c, 加上如上图绿线表示,就下图这个绿线表示这是分割线, cc 线是一个分割线。你看这条线,就把这个我们这个一标记为一的像素啊,标记为一类的像素变为零的内存分割开来了。 这样可以依赖相册决定另类相册分割开啊。那么这时候呢, 我们如何来找着这条线呢?那么要如何找到这条线呢?那那就是呃 怎么找呢?这就是头哥算法做的事情。那头哥算法如何找呢?是让头哥算法啊。头哥算法其实对这条线是有个评价的指标的, 所以评价指标就是评价这条线是好还是不好啊,评价这条线还是不好,那么他设计了这么一个指标出来,这个指标其实就是这个 el 啊。设计了这么一个指标出来之后呢,那实际上啊 就有用了。怎么用呢?实际上就是我们其实这黄色的线也是一条分割线,其他的线也是一条分割线对吧?你就说有了这个指标之后,哎,我们可以任意的穷取出来所有的线啊,所有的线啊。那么穷取出来所有的线之后, 利用这个指标对所有的线进行评价,哪条线的指标比较好,我们就认为分割完了是吧?所以说图割算法也是有有这样的一个指标出来啊,这是图割算法的一部分。当然图割算法是不需要去穷举这个线的,但是有一定策略可以把这个线快速的找出来的。 ok, 那我们所以说整体上这个图个算法如何用呢?最重要的是第一步先理解图个算法的指标是什么意思啊?我们看这个公式, 那指标是 el 等于 lam 二 l 加上 bl 啊。那我们来看一下解释一下这个公式是什么意思。 那首先这个工程中啊,你看有这么三项,一二比啊,那么他是一个长量,我们人工指定的长量吧,对吧?啊,我们稍后给解释。那这个三项一啊呦,那么这三项呢? 二 b 啊,这三项呢?其实啊,他的输入项或者说他都受什么 l 的影响。那么 l 是什么呢? l 是什么呢? l 是指每个像素的类别 啊, l 是每个像素类别。你看这里我们要把图片化为两个部分,就等下于我们要将每个像素分为两类啊,零或一类对吧?啊,这两类用零一表示吧。那么上头中啊立线就将十六个像素分为了两类,其中右下角四个像素类别为一啊,其他十二个像素类别为零。那么 l 它就是这样的一个 集合。注意到这是幺幺幺幺,然后又一个幺幺幺幺,然后幺幺零零。就这行,然后幺幺零零。 哦,我这里写反了是吧?这里写反了应该我们这里如果改成 大家是类别为零,这个类别为一的话,他是这样的话,上面需要改一下的这里写法。但是备课的时候把这个写法 下面需要改一下。我后面背的应该也是按照这样的一个类别去背的啊,可以把它改过来。 好,改过来。 ok。 所以说你看这个一个 l 的组成啊,这样的一个 l 的组成啊,学生就反了。他和这个 c 线是后面的分割线是一定的 啊,这样一个要组成,其实代表了一个分割线的代表这个 c 线了是吧?那如果是黄色这条线呢?他的组成呢?啊,他的组成可能需要把这两个改为零对吧,改为零,那么他就是幺幺幺幺,然后幺幺零零,然后 幺幺零,然后幺幺零。所以说啊, l 和线是一对呢,我们用 l 就代表这个分割了绿色线条,这个分割了还真是个 l 啊。那么这里的 l l 就代表 c 线了,所以这个 el 是根据当前的分割线 c 得到的 l 而计算。就 el 其实有根据分割线也是一定的啊。这这就意味着不同的分割线得到的 l 不同,不同的 l 得到的一不同。那我们 最终求举的目标啊。我们最终我们得写错别字,最终的目标是为了找到一个十一最小的 l, 就要这个我们这个一啊。评价指标设计的时候,这个指标是越小越好,因为我们这个指标设计是大一点零的,求它的最小值啊,或者说 他有个最小值。哎,当我们找着一个 l 是这个一最小的时候,我们就认为这个 l 对应的分割线是最好的啊。比如做图中,做图中啊,黄线跟绿线的 l 不同,那么其对应的 e 就不同啊, el 就不同。那如果绿线其实呢一比较小,我们就是绿线分割的比黄色线分割的比较好啊。这个我们 ok。 那么这样的一个指标啊啊,其实就是普哥算法中一个比一个重要的一个所谓的目标函数 啊,所有的目标还入啊。那我们要继续去掌握图个算法的话,我们不免要提出这两个问题 啊。那么这里就存在具体两个问题,第一是具体一是如何计算的,为什么一的值越小越好?让我们我刚才直接告诉大家,这个一啊是我们自己设计的啊,设计来评价这个分割线的好办, 这个值是越小越好的,那么为什么呢?那为什么他要越小越好呢?他的值到底是如何取的呢? 对吧?这是第一个问题,要搞清楚啊,然后第二个问题,将像素分割开的线有很多条,难道我们要穷举每条线,穷举每条线的一吗?把所有的可能性的线的一直都算出来,然后找这个一的最小值对应的那条线吗? 啊,难道我们要穷举吗?啊那么我们肯定不要穷举了啊,对于这个四乘四的像素这么小的图片来说,我们去穷举他还是可能的,或者说是可以的。 但是我们如果要分割一个比较大的图片来说,我们要穷巨大是相当困难的对吧?啊,所以说就会有这么一个问题, 有没有快速的计算法,实际上是有是吧?啊,有的是什么方法?实际上就是最小个算法啊,图的图论中的图论中的最小个算法啊,图论中的最小个算法。 那么所以说后面我们就主要讲这两个内容,具体一是如何计算的,为什么一的值越小越好啊?我们要了解一内部他这个两项 rl 和 bl 的具体取值啊,是具体取值的逻辑是怎样的对吧?那肯定是根据像素来取的啊,对吧,根据像素像素之间的关系来取的, 去逻辑怎样的哎。然后就分析出来他为什么是越小越好了对吧?啊,然后分析完了之后,我们就理解他这个目标还有一个意义了啊,然后就开始看看用什么策略能够快速的把这个最绿线啊十一最小的这条分割线给找出来啊。分割线 你的 l 可以找到,而而不是要穷局对吧?啊而不是要穷局。 ok? 那么下一个部分就是目标。还是在详细了。我们在下一个视频啊,就是第四个视频。会去说他。好吧,会去说他。

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?

大家好,今天来跟大家介绍一下如何使用一元去这个调用 open cv 的这样的一个 呃他的一个图,呃这个设备啊去获取图像,然后呃去获得他的这个呃视频啊,然后我们可以就是通过对这个 oppo c 的调用啊,我们可以获得视频的每一帧,然后呢得到他的字节级,然后呢啊进行处理。嗯, 呃,然后呢我跟大家这个演示一下,就是首先大家可以看到啊,我们首先跟大家先做个最基础的演示啊。 呃,大家首先我们跟大家看一下我们测试代码很简单,首先我们用这个打开啊,就是我们打开这个视频啊,然后呢我们就啊这样去写,然后呢我们会得到这个呃头像 在每一针,然后显示到,然后最后我们把它关闭一下,我们看一下效果。好,大家可以看到我们点测试的时候呢,这个是用这个 open c v 里面的这个 i m 瘦啊去做的,大家可以看到这个就是它显示结果,然后这个就是它这个用图片框显示的啊,因为 在 c a 家里面啊,因为你要获得这个一元这边的这个 z a 级的数据的话,那么它这个 啊他要进行一个数据的转化,所以他稍微慢一点啊,所以没办法,这个就是啊,就是能获取到这个头像的数据呢,已经是非常不错的了啊,非常不错的, 这就是我们的这个做的一个这个东西啊,然后呢我们这个也其实也支持这个打开摄像头也行,打开摄像头也行,好,大家可以看到我们这样就顺 的实现了,就是我们可以把 open cb 的一些这个呃基础的 api 啊,通过封装啊,到达一元里面,我们可以,甚至我们可以用一元去做这个视频的处理啊,是非常方便的。 大家看到我们的这个东西呢,其实就是仿照一元里面的一些呃这个函数去封装的。首先我们这个用这个打开视频啊,打开视频,然后我们看一下这个视频是不是呃是不是正确的打开了, 然后呢我们用了一个死循环啊,然后我们就啊,因为我们要考虑到这个 a p i 的话,就是啊我们需要一个刷入图像,大家可以按照这个思路走就行啊。就是 呃就是刷入图像,就是我们会把这个呃图像呢刷入到我们的变量里面去啊,就是在 c 加里面,它其实就是刷到 c 加加变量里面去啊,呃,因为我们呃就是 就是说 cr 里面你不好,因为你不好判断啊,他是不是读到这个视频了啊?就是这个视频是不是结束了,所以我们需要用一个东西来去先刷,然后看一下他是不是获取了图像。 那如果说他获取到图像了,我们认为他这个这个视频还没有读完啊,否则话呢他就认为他读完了,所以大家看一下他就跳出去玩了,那他那个 获取是否获取到图像呢?他就会去啊,就是获取图像就是刷新啊,然后刷新以后我们就会获取到这个图像,获取图像以后他会得到一个图像的指针,然后我们对图像的指针呢啊,然后因为你从一元那边他需要他的大小,所以呢我们需要他有一个指针到自己给他转换,然后得到这个数据,所以我们把它显示出来,嗯, 这个就是我们的一个基础的思路,大家如果说不想把这个回调到一元里面,大家学说 啊,举很简单例子啊,比如说大家就是说如果不想把它弄到这个 啊,我们先把这个东西呢给注视掉,其实我们这个封装呢还是非常有意思的啊,就是比如我现在不想封装,然后呢你看, 因为我们这个地方已经封封好了,大家可以看到我点大家在播放啊,大家我按 q 啊,大家可以看到我按 q, 他会直接退出,哎,这个也是我们做的一个优化,就是呃,我们可以随时按 q 去停止他,所以呢你看如果说视频设备显示啊,他等于一的话,那么我们 就会把它显示,呃,就是呃这个这个地方就是为了显示啊,显示之后它会反转返回一个,返回一个状态啊,比如说你是不是按 q 了啊,这样的一个状态,那你如果按 q 的话,那么就是 啊,就是一就代表按错了,没有的话就是这样的,这样呢我们就最后呢,我们把这个视频关闭,然后最后呢释放资源就可以了, 呃关闭显示呢,就是我们所说的那个用 c v discharged all windows 啊,这样这个就是为什么要调用这个关闭显示啊,不然的话它会关不掉啊,所以这个这个呃是非常有意思啊,这样我们这次我们就完成了这个用 c 加加啊,去跟那个 啊 c a r 的话去传这个图像啊,这样的一个基础上,基础上就拿到手了,这样呢我们可以实现了我们对 open c 位的,其实就是说你只要对 c a、 r 比较了解的话,那么我们可以全面的对这个,呃 呃,就是用一元可以全,就是你可以,甚至可以就只要是叉八六的话,那么你甚至可以操作整个 oppo c v 的这个代码都是没问题的。所以说为什么说 这个网上有很多啊?这个什么精英论坛里面啊,有这个很多人去他去封装这个 opencv, 其实他不是很难啊,不是很难,只要你懂 cr 家的话,那么封装这些库呢是非常简单的啊,大家可以看到我我我封装这个东西,大家可以看到我这个封装的时候, 这个就是我自己啊,其实就是自己弄的啊,就是你,当然你前提你得等 cr 才能封,那么我们通过这个 cr 封装以后呢,我们直接就是通过这个呃里面去把 api 引进来,然后我们用 cr 直接去呃就做测试就可以了,所以呢这个还是非常成功的啊。 好,我们这个就相当于我们啊,就是,呃,就是通过这种东西呢,我们可以实现的。对,这个用一元啊,去对视频做,现在我们就是相当于我们这边已经用过了,就是对视频去做这个处理啊,就是我们对视频可以做实这个处理, 然后我们也可以对摄像头进行实时处理啊,都是可以的啊。呃,所以说呢,还是比较方便的,方便啊,好,这个就叫叫介绍,到此结束。

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。