Linux系统上常用软件集锦
[TOC]
概述文章参考：https://www.361shipin.com/blog/1547810635809554432
MacOS编译安装OpenCV源码下载OpenCV 4.6.0源码地址
https://github.com/opencv/opencv/releases/tag/4.6.0
https://github.com/opencv/opencv_contrib/releases/tag/4.6.0
1234b1f0002af4792866edbfde6a85346deb78a79c68b019f2d6f13cee7e08cef0aa opencv-4.6.0-android-sdk.zipb363dbf9d775afe2e31967d3b2041a0f1efcde6647ce0121422c2dfb64f1ce5b opencv-4.6.0-docs.zipe4dc3e29d490c64e39aeaf61661635790232ba646656e6603dfe12786f36ab93 opencv-4.6.0-ios-framework.zip3fb046e ...
Linux系统上常用软件集锦
[TOC]
概述OpenCV教程学习：https://github.com/CodecWang/opencv-python-tutorial
概述OpenCV是一个基于BSD开源许可发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。
总结起来就是OpenCV是计算机视觉中经典的专用库，其支持多语言、跨平台，功能强大且开源免费。
OpenCV提供了许多内置的用于图像处理和计算机视觉相关操作的基础元素，可用作图像处理操作、视频分析、3D重建、特征提取、 目标检测识别、机器学习等各大领域。
官网地址：https://opencv.org/releases/
早期是1995年是由intel公司的发起的。
大部分是C和C++代码
除了OpenCV 还有哪些的开源软件：
OpenMV基于stm32f4
BoofCV
SimpleCV 视觉框架，为用户提供更好的编程接口
SOD，主要用于嵌入式，代码是开源免费的，训练好的模型是收费的
OpenCV的框架
Linux系统上常用软件集锦
[TOC]
概述概述
像素（Pix）是图像中的一个最小单元
位图（bitmap）通过记录每一个像素
二值图像（binary Image）。只要是仅有两种图像颜色的，都可以叫做二值图像
每个像素只有两种可能的取值，使用1位二进制来表示，位深度为1
灰度图像灰度图像（Gray Image）
每个像素用一个字节表示，位深度为8，可以表示256种级别的灰度，0表示黑色。255表示白色。
彩色图像（RGB）每个像素都有红（R）、绿（G）、蓝（B）三个分量
R G B 颜色
0 0 0 黑色
255 255 255 白色
255 0 0 红色
一个像素点使用3个字节。 位深度是24位 可以表示：256x256x256 = 16777216种颜色 我们称之为24真彩色
RGBA图像RGB图像+8位透明度信息Alpha
Linux系统上常用软件集锦
[TOC]
概述文章参考：https://blog.csdn.net/CV_Jason/article/details/54928920
文章参考：https://zhuanlan.zhihu.com/p/265085433
概述OpenCV 作为强大的计算机视觉开源库，很大程度上参考了MatLab的实现细节和语法风格，比如说，在OpenCV2.x版本以后，越来越多的函数实现了MatLab所具有的功能，甚至干脆连函数名都一模一样（如 imread, imshow,imwriter等）。这一做法，不仅拉近了产品开发与学术研究的距离，并极大程度的提高了开发人员的研发效率，不得不说，Intel公司真的是一个伟大的公司。
在计算机内存中，数字图像以矩阵的形式存储和运算，比如，在MatLab中，图像读取之后对应一个矩阵，在OpenCV中，同样也是如此。
在早期的OpenCV1.x版本中，图像的处理是通过IplImage（该名称源于Intel的另一个开源库Intel Image Processing Library ，缩写成IplImage）结构来实现的。早期的OpenCV是用C语言编写，因此提供 ...
Linux系统上常用软件集锦
[TOC]
概述文章参考：https://blog.csdn.net/iracer/article/details/51292349
概述OpenCV中强大的Mat类型大家已经比较熟悉了。这里梳理一些在工程中其他经常用到的几种基本数据类型。包括：
1234567891011VecScalarPointSizeRectRotatedRect
Vec类基本概念
Vec是一个模板类，主要用于存储数值向量。
可用它来定义任意类型的向量
1Vec<double, 8> myVector; //定义一个存放8个double型变量的向量
使用[]访问Vec向量成员
1myVector[0]=0;
可使用以下预定义的类型
1234567891011121314151617typedef Vec<uchar, 2> Vec2b;typedef Vec<uchar, 3> Vec3b;typedef Vec<uchar, 4> Vec4b;typedef Vec<short, 2> Vec2s;typedef Vec&l ...
Linux系统上常用软件集锦
[TOC]
概述概述我们从著名的lenna图开始吧。
1234lenna_img = cv2.imread("lena.jpg")plt.imshow(lenna_img)plt.axis("off")#去除坐标轴plt.show()
图像打印出来后，变色了。原因：opencv默认的imread是以BGR的方式进行存储的,而matplotlib的imshow默认则是以RGB格式展示,所以需要对图片的通道进行转换：
1234lenna_img = cv2.cvtColor(lenna_img,cv2.COLOR_BGR2RGB)plt.imshow(lenna_img)plt.axis("off")plt.show()
Linux系统上常用软件集锦
[TOC]
概述概述首先单词scalar的意思是标量，但是我们经常可以看到Scalar是包含多个值的，很像是一个向量，这是怎么回事呢？很是让人感觉困惑。先收起我们的困惑，首先来看看，Scalar的定义：
1234typedef struct Scalar{ double val[4];}Scalar;
可以看到，Scalar是一个由长度为4的数组作为元素构成的结构体，Scalar最多可以存储四个值，没有提供的值默认是0。
使用场景Scalar常用的使用场景如下：
1Mat M(7,7,CV_32FC2,Scalar(1,3));
上面的代码表示：创建一个2通道，且每个通道的值都为（1,3），深度为32，7行7列的图像矩阵。CV_32F表示每个元素的值的类型为32位浮点数，C2表示通道数为2，Scalar（1,3）表示对矩阵每个元素都赋值为（1,3），第一个通道中的值都是1，第二个通道中的值都是3.
使用实例123456789101112131415161718192021222324252627#include <iostream>#inclu ...
Linux系统上常用软件集锦
[TOC]
概述Demo实例：https://github.com/gloomyfish1998/opencv4android
开源OCR框架Tesseract当前Tesseract开源在GIHUB上的源码维护地址为：
https://github.com/tesseract-ocr // 源码
https://github.com/rmtheis/tess-two // 安卓版本支持
https://github.com/tesseract-ocr/tessdata // 各种语言版本的预训练模型
Linux系统上常用软件集锦
[TOC]
概述文章参考：https://mp.weixin.qq.com/s/rVLpnDzPpR-TX8qNDWSg_g
代码实例12345678910111213141516171819import matplotlib.pyplot as pltimport pylabimport cv2import numpy as np# 读取目标图像img = cv2.imread("/Users/frewen/03.ProgramStudy/20.AI/01.WorkSpace/NyxAILearning/NyxOpenCV/OpenCVPython/image1.jpg")# 显示读取的图像plt.imshow(img)pylab.show()# 定义卷积核，对图像进行边缘检测。定义一个卷积核,kernel = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]])# 使用OpenCV内置的卷积函数res = cv2.filter2D(img, ...
Linux系统上常用软件集锦
[TOC]
概述概述由于实验室项目的原因，最近学习了基于PNP方法的绝对位姿测量。 如果场景的三维结构已知，利用多个控制点在三维场景中的坐标及其在图像中的透视投影坐标即可求解出摄像机坐标系与表示三维场景结构的世界坐标系之间的绝对位姿关系，包括绝对平移向量t以及旋转矩阵R，该类求解方法统称为N点透视位姿求解（Perspective-N-Point，PNP问题）。这里的控制点是指准确知道三维空间坐标位置，同时也知道对应图像平面坐标的点。对于透视投影来说，要使得PNP问题有确定解，需要至少三组控制点。
经典的P3P问题可以转化为一个四面体形状的确定问题，如图所示。即已知条件为知道控制点 A,B,C的位置以及在摄像机中的投影坐标求棱长边a,b,c的问题。通过余弦定理，再利用点云配准方法可以得到摄像机坐标系相对于世界坐标系的平移以及旋转。图中的P点相当于相机的光心，A,B,C相当于世界坐标系下已知相对位置关系的三个控制点，A’,B’,C’为图像坐标系中对应的三个点。PNP解决的是纯数学问题，数学证明在此处省略。
Opencv中PNP的求解函数123456789void solvePnP( ...