首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

EmguCV 常用函数功能说明「建议收藏」

大家好,又见面了,我是你们的朋友全栈君。AbsDiff,计算两个数组之间的绝对差。 dst(I)c = abs(src1(I)c-src2(I)c)。所有数组必须具有相同的数据类型和相同的大小(或ROI大小)。 累加,将整个图像或其所选区域添加到累加器和。 累积产品,将2张图像或其选定区域的产品添加到累加器中。 AccumulateSquare,将输入src或其选定的区域,增加到功率2,添加到累加器sqsum。 累积权重,计算输入src和累加器的加权和,以使acc成为帧序列的运行平均值:acc(x,y)=(1-alpha)* acc(x,y)+ alpha * image(x,y )如果mask(x,y)!= 0,其中alpha调节更新速度(累加器对于先前帧的多少速度).. 自适应阈值,将灰度图像转换为二进制图像。每个像素单独计算的阈值。对于方法CV_ADAPTIVE_THRESH_MEAN_C,它是blockSize x blockSize像素邻域的平均值,由param1减去。对于方法CV_ADAPTIVE_THRESH_GAUSSIAN_C,它是blockSize x blockSize像素邻域的加权和(高斯),由param1减去。 添加,将一个数组添加到另一个数组:dst(I)= src1(I)+ src2(I)if mask(I)!= 0所有数组必须具有相同的类型,除了掩码和大小(或ROI)尺寸)。 AddWeighted,计算的两个数组的加权和如下:dst(I)= src1(I)* alpha + src2(I)* beta + gamma所有的数组必须具有相同的类型和相同的大小(或ROI大小)。 ApplyColorMap,将颜色映射应用于图像。 ApproxPolyDP,近似具有指定精度的多边形曲线。 ArcLength,计算轮廓周长或曲线长度。 ArrowedLine,绘制从第一个点指向第二个点的箭头段。 BilateralFilter,将双边滤镜应用于图像。 BitwiseAnd,并计算两个数组的每元素的逐位逻辑连接:dst(I)= src1(I)&src2(I)if mask(I)!= 0在浮点数组的情况下,使用它们的位表示为了操作。所有阵列必须具有相同的类型,除了掩码和大小相同。 BitwiseNot,反转每个数组元素的每一位:。 BitwiseOr,计算两个数组的每元素逐位分离:dst(I)= src1(I)| src2(I)在浮点数组的情况下,它们的位表示用于操作。所有阵列必须具有相同的类型,除了掩码和大小相同。 BitwiseXor,计算两个数组的每元素的逐位逻辑连接:dst(I)= src1(I)^ src2(I)if mask(I)!= 0在浮点数组的情况下,使用它们的位表示为了操作。所有阵列必须具有相同的类型,除了掩码和大小相同。 模糊,使用归一化的盒式过滤器模糊图像。 BoundingRectangle,返回2d点集的右上角矩形。 BoxFilter,使用框过滤器模糊图像 BoxPoints(RotatedRect),计算输入2d框的顶点。 BoxPoints(RotatedRect,IOutputArray),计算输入2d框的顶点。 CalcBackProject,计算直方图的反投影。 CalcCovar矩阵,计算一组向量的协方差矩阵。 CalcGlobalOrientation,计算所选区域中的一般运动方向,并返回0到360之间的角度。首先,函数构建方向直方图,并将基本方向作为直方图最大值的坐标。之后,该函数计算相对于基本方向的移位,作为所有方向向量的加权和:运动越近,权重越大。得到的角度是基本方向和偏移的圆和。 CalcHist,计算一组数组的直方图 CalcMotionGradient,计算mhi的导数Dx和Dy,然后计算梯度取向为:方向(x,y)= arctan(Dy(x,y)/ Dx(x,y)),其中Dx(x,y)考虑Dy(x,y)“符号(如cvCartToPolar函数)。填写面罩后,指出方向有效(见delta1和delta2说明).. CalcOpticalFlowFarneback(IInputArray,IInputArray,IInputOutputArray,Double,Int32,Int32,Int32,Int32,Double,OpticalflowFarnebackFlag),使用Gunnar Farneback算法计算密集的光流。 CalcOpticalFlowFarneback(Image <Gray,Byte>,Image <Gray,Byte>,Image <Gray,Single>,Image <Gray,Single>,Double

02

基于 HTML5 + WebGL 实现 3D 挖掘机系统

在工业互联网以及物联网的影响下,人们对于机械的管理,机械的可视化,机械的操作可视化提出了更高的要求。如何在一个系统中完整的显示机械的运行情况,机械的运行轨迹,或者机械的机械动作显得尤为的重要,因为这会帮助一个不了解这个机械的小白可以直观的了解机械的运行情况,以及机械的所有可能发生的动作,对于三一或者其它国内国外重工机械的公司能够有一个更好的展示或者推广。 挖掘机,又称挖掘机械(excavating machinery),从近几年工程机械的发展来看,挖掘机的发展相对较快,挖掘机已经成为工程建设中最主要的工程机械之一。所以该系统实现了对挖掘机的 3D 可视化,在传统行业一般都是基于 Web SCADA 的前端技术来实现 2D 可视化监控,而且都是 2D 面板部分数据的监控,从后台获取数据前台显示数据,但是对于挖掘机本身来说,挖掘机的模型,挖掘机的动作,挖掘机的运行可视化却是更让人眼前一亮的,所以该系统对于挖机的 3D 模型做出了动作的可视化,大体包括以下几个方面:

02

基于 HTML5 WebGL 的挖掘机 3D 可视化应用 顶

在工业互联网以及物联网的影响下,人们对于机械的管理,机械的可视化,机械的操作可视化提出了更高的要求。如何在一个系统中完整的显示机械的运行情况,机械的运行轨迹,或者机械的机械动作显得尤为的重要,因为这会帮助一个不了解这个机械的小白可以直观的了解机械的运行情况,以及机械的所有可能发生的动作,对于三一或者其它国内国外重工机械的公司能够有一个更好的展示或者推广。 挖掘机,又称挖掘机械(excavating machinery),从近几年工程机械的发展来看,挖掘机的发展相对较快,挖掘机已经成为工程建设中最主要的工程机械之一。所以该系统实现了对挖掘机的 3D 可视化,在传统行业一般都是基于 Web SCADA 的前端技术来实现 2D 可视化监控,而且都是 2D 面板部分数据的监控,从后台获取数据前台显示数据,但是对于挖掘机本身来说,挖掘机的模型,挖掘机的动作,挖掘机的运行可视化却是更让人眼前一亮的,所以该系统对于挖机的 3D 模型做出了动作的可视化,大体包括以下几个方面:

05

基于 HTML5 WebGL 的挖掘机 3D 可视化应用

在工业互联网以及物联网的影响下,人们对于机械的管理,机械的可视化,机械的操作可视化提出了更高的要求。如何在一个系统中完整的显示机械的运行情况,机械的运行轨迹,或者机械的机械动作显得尤为的重要,因为这会帮助一个不了解这个机械的小白可以直观的了解机械的运行情况,以及机械的所有可能发生的动作,对于三一或者其它国内国外重工机械的公司能够有一个更好的展示或者推广。 挖掘机,又称挖掘机械(excavating machinery),从近几年工程机械的发展来看,挖掘机的发展相对较快,挖掘机已经成为工程建设中最主要的工程机械之一。所以该系统实现了对挖掘机的 3D 可视化,在传统行业一般都是基于 Web SCADA 的前端技术来实现 2D 可视化监控,而且都是 2D 面板部分数据的监控,从后台获取数据前台显示数据,但是对于挖掘机本身来说,挖掘机的模型,挖掘机的动作,挖掘机的运行可视化却是更让人眼前一亮的,所以该系统对于挖机的 3D 模型做出了动作的可视化,大体包括以下几个方面:

01

[Silverlight动画]转向行为 - 2D向量

转向行为已经被各种语言实现过多次了,其最底层是用向量来描述的(也是最常见的实现方式)。 概括的看,一个向量由两部分组成:一个方向和一个大小。比如,一个运动中对象的速度由它要去哪里(方向)和移动快慢(大小)两部分组成。因此,把速度看作一 个向量是最贴切不过的。加速度——任何改变对象速度的作用力——同样也是由力的方向和大小组成(另一个向量)。向量同样也可以用来描述对象间的位置关系, 其中大小代表距离,方向代表角度。 向量还可以用来表示一个角色(脸)的朝向,这种情况下就只管方向,而忽视大小,也可以说大小等于1。这

06

OpenCV中K-means源码解析

参数说明: mat - 2D或N维矩阵,注:当前方法不支持具有4个以上通道的矩阵。 distType - 分布类型(RNG :: UNIFORM或RNG :: NORMAL)     a - 第一分布参数;在均匀分布的情况下,这是一个包含范围的下边界;在正态分布的情况下,这是一个平均值。     b - 第二分布参数;在均匀分布的情况下,这是一个非包含上边界,在正态分布的情况下,这是一个标准偏差(标准偏差矩阵或整个标准偏差矩阵的对角线)。 saturateRange - 预饱和标志;仅用于均匀分配;如果为true,则该方法将首先将a和b转换为可接受的值范围(根据mat数据类型),然后将生成在[saturate(a),saturate(b))范围内的均匀分布的随机数,如果saturateRange = false ,该方法将在原始范围[a,b)中生成均匀分布的随机数,然后将其saturate,这意味着,例如,RNG().fill(mat_8u,RNG :: UNIFORM,-DBL_MAX,DBL_MAX)将由于范围(0,255)显着小于[-DBL_MAX,DBL_MAX),因此可能会产生大多数填充有0和255的数组。

02

CORDIC算法详解(一)-CORDIC 算法之圆周系统之旋转模式

网上有很多类似的介绍,但是本文会结合实例进行介绍,尽量以最简单的语言进行解析。   CORDIC ( Coordinate Rotation Digital Computer ) 是坐标旋转数字计算机算法的简称, 由 Vloder• 于 1959 年在设计美国航空导航控制系统的过程中首先提出[1], 主要用于解决导航系统中三角函数、 反三角函数和开方等运算的实时计算问题。 1971 年, Walther 将圆周系统、 线性系统和双曲系统统一到一个 CORDIC 迭代方程里 , 从而提出了一种统一的CORDIC 算法形式[2]。   CORDIC 算法应用广泛, 如离散傅里叶变换 、 离散余弦变换、 离散 Hartley 变换、Chirp-Z 变换、 各种滤波以及矩阵的奇异值分解中都可应用 CORDIC 算法。 从广义上讲,CORDIC 算法提供了一种数学计算的逼近方法。 由于它最终可分解为一系列的加减和移位操作, 故非常适合硬件实现。 例如, 在工程领域可采用 CORDIC 算法实现直接数字频率合成器。 本节在阐述 CORDIC 算法三种旋转模式的基础上, 介绍了利用 CORDIC 算法计算三角函数、 反三角函数和复数求模等相关理论。 以此为依据, 阐述了基于 FPGA 的 CORDIC 算法的设计与实现及其工程应用。

04

针对高分辨率雷达和相机的无标定板的像素级外参自标定方法

这是今年的一篇针对高分辨率的固态激光雷达(非重复性扫描型)或者多线的激光雷达和相机在无标定板的环境中自动化外参标定的一篇文章。本文的方法不需要基于巧克力板,只依赖两个传感器采集的环境中的线特征就可以得到像素级精度的标定结果。在理论层面,作者分析了边缘特征提供的约束和边缘特征在场景中的分布对标定精度的影响。同时,作者分析了激光雷达的测量原理,并提出了一种基于点云体素分割和平面拟合的高精度的激光雷达点云边缘特征提取的方法。由于边缘特征在自然场景中很丰富,所以作者在室内和室外多个数据集上进行了实验并取得了不错的效果。

02
领券