个人技术分享

用 OpenCV 实现图像中水平线检测与校正

图像加载与预处理：加载图像，转换为灰度图，然后使用 Canny 算法检测边缘。线条检测：应用霍夫变换来识别图像中的线条。水平线条筛选：过滤出接近水平的线条。线条可视化：在图像上绘制检测到的水平线。计算需要的旋转角度：计算线条的加权平均角度，以确定图像应旋转的角度。图像旋转校正：根据计算出的角度旋转图像，以校正线条至水平。

opencv实现图片的膨胀腐蚀

在OpenCV中，膨胀和腐蚀是两种基本的图像处理操作，通常用于二值图像中以提取特定的特征。它们是基于图像的形态学操作，使用一个称为结构元素或核的模板来改变图像的形状。cv2.erode函数则用于进行腐蚀操作，同样通过迭代次数参数来指定腐蚀的次数。然后我们定义了一个5x5的结构元素（核），这是一个常用的选择，实际上可以根据需要选择任何大小的核。膨胀后的图像将使图像中的白色区域（前景）扩张，而腐蚀后的图像将使图像中的白色区域缩小。最后，我们将膨胀和腐蚀后的图像保存到文件中。

【机器学习】基于OpenCV和TensorFlow的MobileNetV2模型的物种识别与个体相似度分析

在计算机视觉领域，图像相似度比较和物种识别是两个重要的研究方向。本文通过结合深度学习和图像处理技术，使用TensorFlow中的预训练MobileNetV2模型和OpenCV，实现了物种识别和个体相似度分析。本文将详细介绍该系统的实现过程，并提供相关代码和使用说明。

【机器学习】基于OpenCV和TensorFlow的MobileNetV2模型的物种识别与个体相似度分析

在计算机视觉领域，图像相似度比较和物种识别是两个重要的研究方向。本文通过结合深度学习和图像处理技术，使用TensorFlow中的预训练MobileNetV2模型和OpenCV，实现了物种识别和个体相似度分析。本文将详细介绍该系统的实现过程，并提供相关代码和使用说明。

Python|OpenCV-自动检测并识别车牌号(16)

本文是该专栏的第18篇，后面将持续分享OpenCV计算机视觉的干货知识。在本文中，笔者将详细介绍如何利用OpenCV进行车牌号识别。要知道，车牌号识别是计算机视觉在交通管理领域，以及车辆监控领域的一项重要应用。车牌号识别的主要目的，在于自动检测图像中的车牌并识别出车牌上的具体字符信息。而这个技术涉及到多个操作步骤，其中包括“图像预处理，车牌定位，字符分割，字符信息识别”。具体细节部分以及完整代码的实现以及思路，跟着笔者直接往下看正文内容。（附带完整代码）

Python|OpenCV-自动检测并识别车牌号(16)

本文是该专栏的第18篇，后面将持续分享OpenCV计算机视觉的干货知识。在本文中，笔者将详细介绍如何利用OpenCV进行车牌号识别。要知道，车牌号识别是计算机视觉在交通管理领域，以及车辆监控领域的一项重要应用。车牌号识别的主要目的，在于自动检测图像中的车牌并识别出车牌上的具体字符信息。而这个技术涉及到多个操作步骤，其中包括“图像预处理，车牌定位，字符分割，字符信息识别”。具体细节部分以及完整代码的实现以及思路，跟着笔者直接往下看正文内容。（附带完整代码）

opencv进阶 ——（八）图像处理之RMBG模型AI抠图

BRIA.AI团队于HuggingFace开源了一个基于ISNet背景移除模型RMBG-1.4，它可以有效对前景与背景进行分离。RMBG-1.4在精心构建的数据集上训练而来，该数据包含常规图像、电商、游戏以及广告内容，该方案达到了商业级性能，但仅限于非商业用途。关于所用到的训练数据：12000+高质量&高分辨率像素级精度手工标注。更详细的数据分布介绍请移步[RMBG-1.4]

在热力图基础上寻找所有峰值位置

热力图通常是二维的，其中每个像素的颜色表示该位置的数值大小。较亮的颜色通常表示较高的数值，而较暗的颜色表示较低的数值。寻找局部极值点：使用图像处理技术，如在前面提到的方法中，例如在二值图像中找到局部极值点的方法，来找到热力图中的局部峰值位置。这可能涉及到使用滤波器、阈值化、形态学处理等技术。分析和后处理：对于找到的峰值位置，可以进行进一步的分析或后处理，例如计算每个峰值的具体坐标、提取峰值的强度等。标记峰值位置：一旦找到了峰值位置，可以根据需要在热力图上将这些位置标记出来，以便进行可视化或进一步分析。

【OpenCV 基础知识 13】高斯平滑处理图像

函数 cvSmooth 可使用简单模糊、简单无缩放变换的模糊、中值模糊、高斯模糊、双边滤波的任何一种方法平滑图像。没有缩放的图像平滑仅支持单通道图像，并且支持8位到16位的转换（与cvSobel和cvLaplace相似）和32位浮点数到32位浮点数的变换格式。简单模糊和高斯模糊支持 1- 或 3-通道， 8-比特 和 32-比特 浮点图像。这两种方法可以（in-place）方式处理图像。中值和双向滤波工作于 1- 或 3-通道， 8-位图像，但是不能以 in-place 方式处理图像。