OpenCV Tutorials

核级几何和立体图像深度图 一、核级几何 本小节中我们主要学习多视角几何学基础以及什么是对极、对极线、对极约束等。 1. 基础概念 当我们使用针孔相机拍摄图像时，我们会丢失一个重要信息，即图像的深度。

相机校准与姿态估计 一、相机校准 本小节中我们主要学习： 相机导致的扭曲类型 如何找到相机的内在和外在属性 如何根据这些属性使图像不失真 1. 基础概念 一些针孔相机会给图像带来明显的失真。 两种主要

支持向量机 一、引言 本小节我们主要学习使用OpenCV中的 cv::ml::SVM::train函数来建立一个基于SVM算法的分类器，并使用 cv::ml::SVM::predict来测试分类器性能

训练级联分类器 一、引言 使用增强级联的弱分类器包括两个主要阶段：训练和检测阶段。 对象检测教程中描述了使用基于 HAAR 或 LBP 的模型的检测阶段。 本文档概述了训练您自己的增强级联弱分类器所需

级联分类器 本小节我们主要学习： Haar级联检测对象工作机制 应用基于Haar特征的级联分类器检测面部眼睛基础 使用 cv::CascadeClassifier 类来检测视频流中的物体，会用到以下函

光流 本小节我们主要理解光流的概念以及使用Lucas-Kanade方法对其进行评估。另外还有如下两个函数： cv.calcOpticalFlowPyrLK() 用于跟踪视频中的特征点， cv.calc

均值偏移和凸轮偏移 本小节我们主要学习如何使用均值偏移和凸轮偏移来对视频中的物体进行追踪 一、均值偏移 meanshift 背后的思想很简单。 考虑有一组点。 （它可以是像直方图反投影这样的像素分布）

如何使用背景差减法 如何使用背景差减法 一、概念 背景减法 (BS) 是一种常用且广泛使用的技术，用于使用静态摄像机生成前景蒙版（即包含属于场景中移动对象的像素的二值图像）。 顾名思义，BS 计算前景

高级拼接 API（Stitcher 类） 在本小节中，我们将会了解到由OpenCV提供的Stitcher类进行高级拼接的API以及使用预配置的 Stitcher 配置来拼接使用不同相机型号的图像。 一

高动态范围成像 一、引言 如今，大多数数字图像和成像设备每通道使用 8 位整数表示灰度，因此将设备的动态范围限制在两个数量级（实际上是 256 级），而人眼可以适应变化十个数量级的照明条件。当我们拍摄

SIFT & SURF 两者都是特征检测的算法，但略有不同。 一、SURF 1. 背景及来源 使用SIFT算法进行关键点检测和描述的执行速度比较慢，需要速度更快的算法。SURF算法由Bay在2006年

特征匹配 一、特征匹配与描述 在本小节中，我们将会了解到如何匹配不同图像间的特征，以及OpenCV中的蛮力匹配器和FLANN匹配器 1. 蛮力匹配器的基本概念 蛮力匹配器很简单。 它采用第一组中一个特

BRIEF & ORB 一、BRIEF (Binary Robust Independent Elementary Features) - 二进制鲁棒独立基本特征 本小节我们主要了解BRIEF算法的基

Shi-Tomasi角点检测 & SIFT 一、Shi-Tomasi角点检测 在本小节中，我们将会了解到Shi-Tomasi角点检测的基本概念，用到以下函数：cv.goodFeaturesToTrac

Understanding Features & Harris Corner Detection 本小节主要介绍什么是图像特征，为什么图像特征很重要还有为什么拐角很重要等 一、说明 大多数人都玩过拼图

本小节我们主要使用GrabCut提取图像前景，另外我们还会使用GrabCut编写交互式应用进行前景提取 GrabCut 算法的交互式前景提取 一、概念 GrabCut 算法由 Carsten Roth

霍夫变换和分水岭图像分割 一、霍夫变换 1. 直线检测 对于一幅图像中的直线信息，人们的肉眼很容易就将其提取出来，但是对于计算机而言，这是难以实现的。因此我们需要对图像进行一些操作后提取出直线信息。前

基于分水岭算法的图像分割 本节主要介绍基于分水岭算法的图像分割技术，用到以下函数： cv.watershed() 用法如下：cv.watershed( image, markers ) -> mark

霍夫变换 一、霍夫线变换 本小节主要介绍霍夫线变换的基本概念以及如何在图像中检测线条。包括以下函数：cv.HoughLines(), cv.HoughLinesP() 用法如下: cv.HoughLi

模板匹配 本小节主要介绍如何使用模板匹配在图像中发现对象，用到以下函数： cv.matchTemplate(), cv.minMaxLoc() 用法如下： cv.matchTemplate( imag