Shi-Tomasi 角点检测是 OpenCV 中一种非常流行且强大的角点检测算法，它是对 Harris 角点检测的改进，能以更快的速度选出图像中更“强”的角点。 🔍 原理简介（一句话） Harri
阅读更多...
关键点（Keypoints）和描述子（Descriptors）是图像匹配、拼接、跟踪等计算机视觉任务的基础。你可以把关键点想象成图像中独一无二的“路标”，而描述子就是这个路标的“身份证号”，用来在其它
SIFT关键点检测 SIFT，即尺度不变特征变换(Scale-invariant feature transform,SIFT)，是用于图像处理领域的一种描述。 这种描述具有尺度不变性，可在图像中检测
OpenCV中特征检测是计算机视觉和图像处理中的一个概念，它指的是使用计算机提取图像信息。 决定每个图像的点是否属于一个图像特征。特征检测的结思是把图像上的点分为不同的子集。 这些子集往往属于孤立的点
图像金字塔是计算机视觉中用于处理图像多尺度特征的核心技术。它就像一座从下到上、由大到小的图像“叠塔”，让你能在不同尺度上分析同一张图像，这对于识别场景里大小不一的目标至关重要。 OpenCV 中的图像
特征检测是计算机视觉的核心，简单来说就是在一张图中寻找有意义的“兴趣点”。OpenCV提供了从经典到现代的完整算法家族，在三维重建、目标跟踪、图像拼接等任务中发挥着不可替代的作用。 以下是 OpenC
边缘检测是图像处理和计算机视觉中的基础任务，其目标是识别图像中亮度变化剧烈的像素点，这些点通常对应物体的边界。OpenCV 提供了多种边缘检测算法，其中最经典和最常用的是 Canny 边缘检测，此外还
在OpenCV中，滤波器是图像处理的核心操作之一，主要用于去噪、平滑、锐化、边缘检测等。滤波器本质上是对图像像素及其邻域进行某种数学运算（通常是卷积或非线性运算）。下面从原理到实践，系统介绍OpenC
上一讲中，我们对运动物体的检测使用了帧差法。今天小编来讲讲如何用背景减除法来检测视频中运动物体。 我们话不多说，直接上干货。 # 视频中运动检测 # 运动检测是视频处理中的一个重要应用。 # 视频背景
视频中的运动检测 在OpenCV中，运动物体检测是视频处理中的一个重要应用。我们可以通过计算帧与帧之间的差异来检测运动物体。 OpenCV中主要有三种检测方法：帧差法、背景减除法和光流法。可以根据你的
微信扫码加好友
