OpenCV 为我们提供了不同类型的鼠标事件。有不同类型的鼠标事件，例如左键或右键单击、鼠标移动、左键双击等。鼠标事件返回鼠标事件的坐标 (x, y)。为了在执行事件时执行操作，我们定义了一个鼠标回调函数。我们使用左键单击 (cv2.EVENT_LBUTTONDOWN) 和右键单击 (cv2.EVENT_RBUTTONDOWN) 来显示图像上点击点的坐标。步骤要显示输入图像上点击点的坐标，您可以按照以下步骤操作：… 阅读更多

我们使用 Haar 级联分类器来检测图像中的人脸。Haar 级联分类器是一种基于机器学习的有效目标检测方法。我们可以针对训练数据训练自己的 Haar 级联，但这里我们使用已经训练好的 Haar 级联进行人脸检测。我们将使用 haarcascade_frontalface_alt.xml 作为人脸检测的“Haar 级联”XML 文件。如何下载 Haarcascades？您可以按照 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，右键单击并保存。… 阅读更多

在 OpenCV 中，图像为 NumPy ndarray。OpenCV 中的图像转置操作作为 NumPy 2D 数组（矩阵）的转置执行。矩阵沿其主对角线转置。转置图像是在其对角线上翻转的图像。我们使用 cv2.transpose() 来转置图像。步骤我们可以使用以下步骤来转置输入图像：导入所需的库 OpenCV 和 Matplotlib。确保您已经安装了它们。使用 cv2.imread() 读取输入图像。指定图像的完整路径。将图像分配给变量 img。转置输入… 阅读更多

在颜色量化过程中，图像中使用的颜色数量减少了。这样做的一个原因是减少内存。有时，某些设备只能产生有限数量的颜色。在这些情况下，会执行颜色量化。我们使用 cv2.kmeans() 来应用 K 均值聚类进行颜色量化。步骤要使用 K 均值聚类在图像中实现颜色量化，您可以按照以下步骤操作：导入所需的库 OpenCV 和 NumPy。确保您已经安装了它们。使用 cv2.imread() 方法读取两张输入图像。指定图像的完整路径。… 阅读更多

可以使用立体图像创建深度图。为了从立体图像构建深度图，我们找到两幅图像之间的视差。为此，我们使用 cv2.StereoBM_create() 创建 StereoBM 类的对象，并使用 stereo.comput() 计算视差。其中 stereo 是创建的 StereoBM 对象。步骤要从立体图像创建深度图，您可以按照以下步骤操作：导入所需的库 OpenCV、Matplotlib 和 NumPy。确保您已经安装了它们。使用 cv2.imread() 方法读取两张输入图像作为灰度图像。指定图像的完整路径。… 阅读更多

我们使用尺度不变特征变换 (SIFT) 和 FLANN（快速近似最近邻库）在两幅图像之间实现特征匹配。SIFT 用于查找特征关键点和描述符。基于 FLANN 的带有 knn 的匹配器用于匹配两幅图像中的描述符。我们使用 cv2.FlannBasedMatcher() 作为基于 FLANN 的匹配器。步骤要使用 SIFT 特征检测器和基于 FLANN 的匹配器在两幅图像之间实现特征匹配，您可以按照以下步骤操作：导入所需的库 OpenCV、Matplotlib 和 NumPy。确保您已经安装了它们。读取两张输入图像… 阅读更多

我们使用尺度不变特征变换 (SIFT) 特征描述符和蛮力特征匹配器在两幅图像之间实现特征匹配。SIFT 用于查找图像中的特征关键点和描述符。蛮力匹配器用于匹配两幅图像中的描述符。步骤要使用 SIFT 特征检测器和蛮力匹配器在两幅图像之间实现特征匹配，您可以按照以下步骤操作：导入所需的库 OpenCV、Matplotlib 和 NumPy。确保您已经安装了它们。使用 cv2.imread() 方法读取两张输入图像作为灰度图像。指定… 阅读更多

为了匹配两幅图像的关键点，我们使用 ORB（定向 FAST 和旋转 BRIEF）来检测和计算特征关键点和描述符，并使用蛮力匹配器来匹配两幅图像中的描述符。步骤要使用 ORB 特征检测器和蛮力匹配器匹配两幅图像的关键点，您可以按照以下步骤操作：导入所需的库 OpenCV、Matplotlib 和 NumPy。确保您已经安装了它们。使用 cv2.imread() 方法读取两张输入图像作为灰度图像。指定图像的完整路径。初始化 ORB 对象 orb，使用默认… 阅读更多

为了模糊图像中的人脸，我们首先使用 Haar 级联分类器检测人脸。OpenCV 为我们提供了不同类型的训练好的 Haarcascades 用于目标检测。我们使用 haarcascade_frontalface_alt.xml 作为 haarcascade xml 文件。为了模糊人脸区域，我们应用 cv2.GaussianBlur()。如何下载 Haarcascade？您可以按照 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 haarcascade，请单击 haarcascade_frontalface_alt.xml 文件。以原始格式打开它，右键单击并保存。步骤您可以按照以下步骤在图像中模糊人脸：导入… 阅读更多

ORB（Oriented FAST and Rotated BRIEF）是FAST关键点检测器和BRIEF描述符的融合，并进行了许多更改以提高性能。要实现ORB特征检测器和描述符，您可以按照以下步骤操作：导入所需的库OpenCV和NumPy。确保您已安装它们。使用cv2.imread()方法读取输入图像。指定图像的完整路径。使用cv2.cvtColor()方法将输入图像转换为灰度图像。使用orb=cv2.ORB_create()使用默认值初始化ORB对象。在...中检测并计算特征关键点“kp”和描述符“des” 阅读更多