今天的博客文章是我几年前做的一个关于寻找图像中最亮点的教程的后续。 我之前的教程假设在图像中只有一个亮点你想要检测... 但如果有多个亮点呢?...如果您想在图像中检测多个亮点，代码会稍微复杂一点，但不会太复杂。不过不用担心:我将详细解释每一个步骤。 看看下面的图片： ? 在这幅图中，我们有五个灯泡。...我们的目标是检测图像中的这五个灯泡，并对它们进行唯一的标记。 首先，打开一个新文件并将其命名为detect_bright_spot .py。...第7行我们开始循环遍历每个label中的正整数标签，如果标签为零，则表示我们正在检测背景并可以安全的忽略它（9，10行）。 否则，我们为当前区域构建一个掩码。...下面我提供了一个GIF动画，它可视化地构建了每个标签的labelMask。使用这个动画来帮助你了解如何访问和显示每个单独的组件： ? 然后第15行对labelMask中的非零像素进行计数。
在这篇文章中，我们将使用 OpenCV 在图像的选定区域上应用 OCR。在本篇文章结束时，我们将能够对输入图像应用自动方向校正、选择感兴趣的区域并将OCR 应用到所选区域。...这篇文章基于 Python 3.x，假设我们已经安装了 Pytesseract 和 OpenCV。Pytesseract 是一个 Python 包装库，它使用 Tesseract 引擎进行 OCR。...import ndimage import pytesseract 现在，使用 opencv 的 imread() 方法将图像文件读入 python。...，因为很多时候我们一定已经注意到文档或图像的方向不正确，这会导致 OCR 较差，所以现在我们将调整输入图像的方向以确保更好的 OCR 结果。...在这里，我们应用两种算法来检测输入图像的方向：Canny 算法（检测图像中的边缘）和 HoughLines（检测线）。 然后我们测量线的角度，并取出角度的中值来估计方向的角度。
人们的性别和年龄使得识别和预测他们的需求变得更加容易。 即使对我们人类来说，从图像中检测性别和年龄也很困难，因为它完全基于外表，有时很难预测，同龄人的外表可能与我们预期的截然不同。...应用 在监控计算机视觉中，经常使用年龄和性别预测。计算机视觉的进步使这一预测变得更加实用，更容易为公众所接受。由于其在智能现实世界应用中的实用性，该研究课题取得了重大进展。...实施 现在让我们学习如何使用 Python 中的 OpenCV 库通过相机或图片输入来确定年龄和性别。 使用的框架是 Caffe，用于使用原型文件创建模型。...time from google.colab.patches import cv2_imshow 第 2 步：在框架中查找边界框坐标 使用下面的用户定义函数，我们可以获得边界框的坐标，也可以说人脸在图像中的位置...在这篇文章中，我们学习了如何创建一个年龄预测器，它也可以检测你的脸并用边框突出显示。
本文将介绍如何使用 Python 语言和 Tesseract OCR 引擎来进行图像中的文本识别。...特别是，我们会使用 PIL（Python Imaging Library）库来处理图像，使用 pytesseract 库来进行文本识别。 准备工作 首先，我们需要安装必要的库和软件。...pip install Pillow pip install pytesseract 代码示例 下面是一个简单的代码示例，演示如何使用这些库进行图像中的文本识别。...加载图像：使用 PIL 的 Image.open() 函数加载图像。 文本识别：使用 pytesseract 的 image_to_string() 函数进行文本识别。...总结 通过这篇文章，我们学习了如何使用 Python 和 Tesseract 进行图像中的文本识别。这项技术不仅应用广泛，而且实现起来也相对简单。
使用该模型能够检测和定位图像中文本的边界框坐标。 那么下一步就是使用 OpenCV 和 Tesseract 处理每一个包含文本的图像区域，识别这些文本并进行 OCR 处理。...然后，我将展示如何写一个 Python 脚本，使其能够： 使用 OpenCV EAST 文本检测器执行文本检测，该模型是一个高度准确的深度学习文本检测器，可用于检测自然场景图像中的文本。...注意我们的 OpenCV OCR 系统如何正确检测图像中的文本，然后识别文本。 下一个示例更具代表性，是一个现实世界图像： ? ?...图 5：更复杂的图像示例，我们使用 OpenCV 和 Tesseract 4 对这个白色背景的标志牌进行了 OCR 处理。 再次，注意我们的 OpenCV OCR 系统如何正确定位文本位置和识别文本。...图 8：通过向 EAST 文本检测器确定的文本区域添加额外的填充，我们能够使用 OpenCV 和 Tesseract 对烘培店招牌中的三个单词进行恰当的 OCR 处理。
概述 在日常生活中，经常会看到条形码的应用，比如超市买东西的生活，图书馆借书的时候。。。 那么这些东西是如何做到准确检测出条形码的位置呢？...这就是今天要介绍的内容了 这篇博文的目标是演示使用计算机视觉和图像处理技术实现条形码的检测。...我们将使用numpy进行数字处理，argparse用于解析命令行参数，cv2进行opencv绑定。 然后我们将设置命令行参数。...请注意梯度操作是如何检测出图片的条形码区域的。接下来的步骤是如何过滤掉图片中的噪声，重点关注条形码区域。...中提供了相应的接口，可以很容易地找到图像中的最大轮廓，如果我们正确地完成了图像处理步骤，它应该会对应于条形码区域。
介绍 在本文中，我将讨论使用 OpenCV 进行图像特征检测、描述和特征匹配的各种算法。 首先，让我们看看什么是计算机视觉，OpenCV 是一个开源计算机视觉库。...他将能够识别图像中的面孔。因此，简单来说，计算机视觉就是让计算机能够像人类一样查看和处理视觉数据。计算机视觉涉及分析图像以产生有用的信息。 什么是特征？ 当你看到芒果图像时，如何识别它是芒果？...通过分析颜色、形状和质地，你可以说它是芒果。 用于识别图像的线索称为图像的特征。同样，计算机视觉的功能是检测图像中的各种特征。 我们将讨论 OpenCV 库中用于检测特征的一些算法。 1....尽管它们在颜色、旋转和角度上有所不同，但你知道这是芒果的三种不同图像。计算机如何能够识别这一点？ 在这种情况下，Harris 角点检测和 Shi-Tomasi 角点检测算法都失败了。...这些区域是 OpenCV 中的轮廓，具有一些额外的特征，如质心、颜色、面积、均值和覆盖区域中像素值的标准差。
还是Google Earth如何使用NLP识别地址。或者如何读取发票，法律文书等数字文档中的文本。 但是它是如何工作的呢？ 这篇文章是关于光学字符识别（OCR）的自然场景图像中的文本识别。...EAST可以检测图像和视频中的文本。如本文所述，它在720p图像上以13FPS实时运行，具有很高的文本检测精度。此技术的另一个好处是，它的实现在OpenCV 3.4.2和OpenCV 4中可用。...OpenCV软件包使用EAST模型进行文本检测。tesseract软件包用于识别在为文本检测到的边界框中的文本。 确保tesseract版本> =4。在线上有多个资源可指导Tesseract的安装。...希望看到图像上的边界框，以及如何从检测到的边界框提取文本。使用Tesseract进行此操作。...OpenCV EAST模型进行文本检测，并使用Tesseract进行文本识别。
在本博客中，我们不会关注预处理步骤。 文本检测 ? 文本检测技术需要检测图像中的文本，并在具有文本的图像部分周围创建和包围框。标准的目标检测技术也可以使用。...EAST可以检测图像和视频中的文本。该算法在720p图像上以13FPS的速度实时运行，具有较高的文本检测精度。这种技术的另一个好处是，它的实现可以在OpenCV 3.4.2和OpenCV 4中使用。...我们将使用一些图像来展示EAST方法的文本检测和Tesseract 4的文本识别。让我们看看下面代码中的文本检测和识别。...OpenCV包使用EAST模型进行文本检测。tesseract包用于识别检测到的文本框中的文本。 确保tesseract版本>= 4。Tesseract的安装请大家自行百度。...OpenCV EAST模型进行文本检测，使用Tesseract进行文本识别。
前言 本文主要介绍如何使用OpenCV剪切图像中的圆形和矩形。 准备工作 首先创建一个Wpf项目——WpfOpenCV，这里版本使用Framework4.7.2。...使用OPenCV剪切矩形 现在，我们进入项目，进行OPenCV的调用。...图中红线为检测到矩形后，手动画上去的矩形轮廓。 使用OPenCV剪切圆形 编写矩形剪切函数——CutCircleImage。 函数里，我们依然先将图像进行缩放，为了有效的减少检测到的圆形数量。...然后再使用霍夫圆检测函数，获取圆的圆心和半径。 最后再根据圆心和半径计算出最小矩形，然后将圆剪切并保存。...OpenCV剪切图像中的圆形和矩形就已经介绍完了。
原文链接：https://www.pyimagesearch.com/2016/03/28/measuring-size-of-objects-in-an-image-with-opencv/ 今天的文章是关于测量图像中物体大小和计算它们之间距离的系列文章的第二部分...上篇，我们学习了一项重要的技术:将一组旋转的边界框坐标按左上、右上、右下和左下排列的可靠性如何。 今天我们将利用这一技术来帮助我们计算图像中物体的大小。请务必阅读整篇文章，看看是如何做到的!...使用这个比率，我们可以计算图像中物体的大小。 用计算机视觉测量物体的大小 现在我们了解了“像素/度量”比率，我们可以实现用于测量图像中对象大小的Python驱动程序脚本。...如果轮廓不够大，我们舍弃该区域，认为它是边缘检测过程中遗留下来的噪声(第4和5行)。 如果轮廓区域足够大，我们将计算图像的旋转包围框(第8-10行)。...0.955 输出如下所示： 可以看到，我们已经成功地计算出了图像中每个对象的大小——我们的名片被正确地报告为3.5英寸x 2英寸。
问题引出 本文区分”问题引出“、”概念抽象“、”算法实现“三个部分由表及里具体讲解OpenCV图像处理中“投影技术”的使用，并通过”答题卡识别“”OCR字符分割”“压板识别”“轮廓展开分析”四个的例子具体讲解算法使用...使得读者能够对“投影技术”加速认识和理解，从而在解决具体问题的时候多一个有效方法。我第一次集中遇到需要“投影”技术解决的问题，是在“答题卡”项目中。 ?...在这样采集到的图像中，大量存在黑色的定位区块： ? 如果进一步定位，可以得到这样的结果： ? 如果做成连续图像 ? ?...在这波峰波谷中，存在着的“量化”结果，对应了答题卡中的定位关系 概念抽象 在前面的分析里，我们已经基本建立起“投影”的概念。...vup.push_back(i); if (vdate[i - 1] > 0 && vdate[i] == 0) vdown.push_back(i); } } 在具体使用过程中
当时觉得，要实现这样一个东西，肯定没现成的API 可供使用，第一时间想到的 无疑就是opencv，这个拥有一套强大的图像处理函数的库，它的开发语言主要是C++，但是，也有 jar 包可供android开发使用...，如果单单是使用里面已经写好了的效果的话，肯定是不能完成图像匹配的。 ...刚开始，思路很清晰，然后便着手百度 android studio(下面简称 as) 的 opencv jni编程使用教程，十分遗憾，所能搜到的，关于 as 和 opencv、jni 搭边的例子 几乎为0...cpp文件中的 头文件 opencv2/opencv.hpp 找不到。...你可以在 as 的 cmd 中或者 系统的 cmd框中实现编译，首先使用命令进入到当前的 jni 文件夹的 目录，例如，我的是 D：asproject/JniDemo/app/main/jni，然后使用命令
今天我们将学习如何计算图像的色彩，然后，我们将使用OpenCV和Python实现色彩度量。 在实现了色彩度量之后，我们将根据颜色对给定的数据集进行排序，并使用我们上周创建的图像蒙太奇工具显示结果。...最后，我将演示如何将色彩度量标准应用到一组图像，并根据图像的“色彩”大小对其进行排序。我们将使用我们方便的图像蒙太奇示例进行可视化。...我们将发现，这是计算图像色彩的一种非常有效和实用的方法。 接下来，我们将使用Python和OpenCV代码实现这个算法。...在OpenCV中实现图像色彩度量 现在我们对色彩度度量有了基本的了解，让我们使用OpenCV和NumPy来计算它。 在本节中，我们将： 导入必要的Python包。 解析命令行参数。...THE END 在今天的博客文章中，我们学习了如何使用Hasler和Susstrunk在2003年的论文《测量自然图像的色彩》中详细介绍的方法来计算图像的“色彩”。
点击上方蓝字关注我们 微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识 显示效果 对象检测模型推理解析结果之后，经常需要在对象检测框上部添加文字类别跟其他表述文本，这样显示可以让人一目了然...，非常清楚的知道各种检测类别跟自信度信息，但是这个可视化显示，OpenCV可以做的非常好，给人很直观的感觉。...图示如下： 如何生成这种显示 OpenCV中有个获取字体跟文本宽高的函数，调用该函数可以获取 Size cv::getTextSize( const String &...人脸检测+五点landmark新功能测试 OpenCV4.5.4人脸识别详解与代码演示 OpenCV二值图象分析之Blob分析找圆 OpenCV4.5.x DNN + YOLOv5 C++推理...OpenCV4.5.4 直接支持YOLOv5 6.1版本模型推理 OpenVINO2021.4+YOLOX目标检测模型部署测试 比YOLOv5还厉害的YOLOX来了，官方支持OpenVINO推理
边缘信息对进一步提取高层语义信息有很大的影响。大部分边缘检测算法都是上个世纪的了，OpenCV 的使用的算法是 Canny 边缘检测算法，大概是在 1986 年由 John F....利用它检测图像边缘时主要有以下步骤： 应用高斯滤波来平滑图像，目的是去除噪声。 计算高斯滤波器的导数，计算图像像素的梯度，得到沿 x 和 y 维度的梯度。...Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是： 最优检测：算法能够尽可能多地标识出图像中的实际边缘，漏检真实边缘的概率和误检非边缘的概率都尽可能小； 最优定位准则：检测到的边缘点的位置距离实际边缘点的位置最近...，则使用更精确的 L2 范数进行计算(即两个方向的倒数的平方和再开方)，否则使用 L1 范数(直接将两个方向导数的绝对值相加)。...low_threshold：Canny算法最后一步中，小于该阈值的像素直接置为0 high_threshold：Canny算法最后一步中，大于该阈值的像素直接置为255 ---- 参考链接： OpenCV
3.1 OpenCV Mat中操作像素的方法 3.1.1 Mat的类型与get、put方法 3.1.2 如何正确循环操作每个像素点 3.2 图像通道与均值方差计算...） 7.3 处理相机预览帧图像 （实现对预览帧的处理，同时知道过多的JNI方式调用OpenCV API会导致性能问题） 7.4 在预览帧中实现人脸检测（实现一个实时的人脸检测例子...Java中的代码实现与运行演示 7.5 小结 第8章OCR识别 8.1什么是OCR 8.2开源OCR框架Tesseract (介绍Tesseract-OCR框架在...OpenCV实现身份证号码位置准确定位，基于模板匹配技术和特征匹配技术） - 8.3.2 使用Tesseract-OCR API识别 8.4 提高OCR识别率...- 8.4.1 训练自定义数据 (讲述在Tesseract-OCR如何训练自定义数据) - 8.4.2 图像预处理(讲述如何通过OpenCV实现偏斜校正、噪声干扰去除，边线去除，来减低干扰
/ 前两篇文章： 使用Python和OpenCV顺时针排序坐标 使用OpenCV测量图像中物体的大小 已经完成了测量物体大小的任务，今天进行最后一部分：计算图片中物体之间的距离。...上篇我们讨论了如何使用参考对象来测量图像中对象的大小。 这个参考对象应该有两个重要的特征，包括： 我们知道这个物体的尺寸(以英寸、毫米等表示)。 它很容易在我们的图像中被识别出来(根据位置或外观)。...给定这样一个参考对象，我们可以使用它来计算图像中对象的大小。 今天，我们将结合本系列前两篇来计算对象之间的距离。 计算物体之间的距离与计算图像中物体的大小算法思路非常相似——都是从参考对象开始的。...当我们的图像被模糊后，我们应用Canny边缘检测器来检测图像中的边缘，然后进行膨胀+腐蚀来缩小边缘图中的缝隙(第7-9行)。...注意图像中的两个0.25美分完全平行，这意味着所有五个顶点之间的距离均为6.1英寸。
今天跟大家聊聊context的设计机制及如何正确使用。 01 为什么要引入Context context.Context是Go中定义的一个接口类型，从1.7版本中开始引入。...下面是一个使用Context的简易示例，我们通过该示例来说明父子协程之间是如何传递取消信号的。...下面我们介绍父协程是如何将信号通过通道传递给子协程的。 3.3 父协程是如何取消子协程的 我们发现在Context接口中并没有定义Cancel方法。...4.2 使用Context.Value的缺点 使用Context.Value会对降低函数的可读性和表达性。...要想正确的在项目中使用context，理解其背后的工作机制以及设计意图是非常重要的。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
