我们将使用 Haar 级联分类器来检测图像中的车牌号码。Haar 级联分类器是一种有效的目标检测方法，它是一种基于机器学习的方法。为了训练车牌分类器，算法最初需要大量的正样本图像（车牌图像）和负样本图像（没有车牌的图像）。分类器根据这些正样本和负样本图像进行训练，然后用于检测其他图像中的目标（车牌）。我们可以使用已经训练好的 Haar 级联进行目标检测。如何下载 Haarcascade？您可以找到不同的……阅读更多

我们将使用 Haar 级联分类器来检测图像中的微笑。Haar 级联分类器是一种有效的目标检测方法，它是一种基于机器学习的方法。为了训练用于微笑检测的 Haar 级联分类器，算法最初需要大量的正样本图像（带有微笑的图像）和负样本图像（没有微笑的图像）。然后，根据这些正样本和负样本图像训练分类器，然后用于检测其他图像中的微笑。我们可以使用已经训练好的 Haar 级联进行微笑检测。对于输入图像中的微笑检测，我们需要两个 Haar……阅读更多

我们可以使用 cv2.findChessboardCorners() 在图像中找到棋盘角点，并使用 cv2.drawChessboardCorners() 绘制具有图案的棋盘角点。请查看下面这两种方法的语法：ret, corners = cv2.findChessboardCorners(img, patterSize, None) cv2.drawChessboardCorners(img, patternSize, corners, ret) 查找棋盘图案的步骤，您可以使用以下步骤：导入所需的库。在所有以下示例中，所需的 Python 库是 OpenCV。确保您已经安装它。使用 cv2.imread() 读取棋盘的输入图像，并使用 cv2.cvtColor() 将其转换为灰度图像。……阅读更多

Haar 级联分类器是一种有效的目标检测方法，它是一种基于机器学习的方法。为了训练用于猫脸检测的 Haar 级联分类器，算法最初需要大量的正样本图像（带有猫脸的图像）和负样本图像（没有猫脸的图像）。分类器根据这些正样本和负样本图像进行训练，然后用于检测其他图像中的猫脸。我们可以使用已经训练好的 Haar 级联进行微笑检测。对于输入图像中的微笑检测，我们需要两个 Haar 级联，一个用于人脸检测，另一个用于微笑检测。我们……阅读更多

我们可以使用已经训练好的 Haar 级联分类器来检测图像中的人脸。为了检测人脸，OpenCV 为我们提供了不同的 Haar 级联作为 xml 文件。我们将使用 haarcascade_frontalface_alt.xml 来检测图像中的人脸。检测到的人脸坐标为 (x, y, w, h)。为了裁剪和保存检测到的人脸，我们保存图像[y:y+h, x:x+w]。如何下载 Haarcascades？您可以通过以下 GitHub 网站地址找到不同的 haarcascades：https://github.com/opencv/opencv/tree/master/data/haarcascades 要下载用于人脸检测的 Haar 级联，请单击 haarcascade_frontalface_alt.xml 文件。以原始格式打开它，右键单击……阅读更多

k 近邻 (kNN) 是一种用于监督学习的简单分类算法。要在 OpenCV 中实现 kNN，您可以按照以下步骤操作：导入所需的库 OpenCV、NumPy 和 Matplotlib。我们定义两个类 Red 和 Blue，每个类都有 25 个数字。然后使用随机生成器为这两个类生成训练数据。接下来，我们为每个训练数据生成标签。Red 类数字的标签为 0，Blue 类成员的标签为 1。现在绘制 Red 和 Blue 类成员。使用随机生成器生成一个新数字并绘制它。启动……阅读更多

要检测图像中的人并围绕他们绘制边界框，您可以使用以下步骤：导入所需的库。在所有以下示例中，所需的 Python 库是 OpenCV。确保您已经安装它。使用 cv2.imread() 以灰度读取输入图像。指定完整的图像路径。初始化 HOG 描述符对象 hog = cv2.HOGDescriptor() 并将 SVM 检测器设置为 hog.setSVMDetector() 作为默认人员检测器。使用 hog.detectMultiScale() 检测输入图像中的人。它以 (x, y, w, h) 格式返回检测到的人的坐标。循环遍历所有……阅读更多

我们首先检测图像中的所有目标轮廓以检测多边形。然后循环遍历所有轮廓。查找每个轮廓的近似轮廓。如果近似轮廓中的顶点数量为 5 或更多，则绘制轮廓并将其设置为三角形。请参阅以下伪代码。for cnt in contours: approx = cv2.approxPolyDP() if len(approx) >= 5: cv2.drawContours() cv2.putText("Polygon") 步骤我们可以使用以下步骤来检测多边形……阅读更多

“Haar 级联分类器”是一种有效的基于机器学习的目标检测方法。为了训练用于眼睛检测的 Haar 级联分类器，算法最初需要大量的正样本图像（眼睛图像）和负样本图像（没有眼睛的图像）。然后，根据这些正样本和负样本图像训练分类器，然后用于检测其他图像中的眼睛。我们可以使用已经训练好的 Haar 级联进行眼睛检测。对于输入图像中的眼睛检测，我们需要两个 Haar 级联，一个用于人脸检测，另一个用于眼睛检测。我们将使用以下两个……阅读更多

在 OpenCV 中，要更改图像的对比度和亮度，我们可以使用 cv2.convertScaleAbs()。我们为此方法使用的语法如下：cv2.convertScaleAbs(image, alpha, beta) 其中 image 是原始输入图像。alpha 是对比度值。要降低对比度，请使用 0 < alpha < 1。对于更高的对比度，请使用 alpha > 1。beta 是亮度值。亮度值的良好范围是 [-127, 127] 我们还可以应用 cv2.addWeighted() 函数来更改图像的对比度和亮度。我们在示例 2 中讨论了它。步骤……阅读更多