c# OpenCvSharp 自适应阈值 AdaptiveThreshold

自适应阈值(AdaptiveThreshold):用于二值化处理图像,对于对比大的图像有较好效果,相对于opencv中固定阈值化操作(Threshold),自适应阈值中图像中每一个像素点的阈值是不同的,该阈值由其领域中图像像素带点加权平均决定。这样做的好处:

1、每个像素位置处的二值化阈值不是固定不变的,而是由其周围邻域像素的分布来决定的。

2、亮度较高的图像区域的二值化阈值通常会较高,而亮度较低的图像区域的二值化阈值则会相适应地变小。

3、不同亮度、对比度、纹理的局部图像区域

c# OpenCvSharp 距离变换 DistanceTransform

距离变换的处理图像通常都是二值图像,而二值图像其实就是把图像分为两部分,即背景物体两部分,物体通常又称为前景目标。通常我们把前景目标的灰度值设为255(即白色),背景的灰度值设为0(即黑色)。所以定义中的非零像素点即为前景目标零像素点即为背景。所以图像中前景目标中的像素点距离背景越远,那么距离就越大,如果我们用这个距离值替换像素值,那么新生成的图像中这个点越亮。

1、欧式距离:表示距离小于等于某一个值的像素中心(x,y)且半径为R的圆平面。

2、棋盘距离:数字栅格上像素按照对角

dlib人脸检测

import dlib

import cv2

# 使用 dlib 的正面人脸检测器 frontal_face_detector

detector = dlib.get_frontal_face_detector()

# 打开摄像头

cap = cv2.VideoCapture(0)

# 摄像头打开状态

while cap.isOpened():

flag, img = cap.read()

# 每帧数据延时 1ms,延时为 0 读取的是静态帧

k = cv

yolov5 环境搭建 训练自己的数据集 检查口罩

一、环境搭建

1、下载YOLOv5代码。https://github.com/ultralytics/yolov5

目录结构:

tutorial.ipynb(可以用jupyter notebook打开)。

2、安装依赖包。根据requirements.txt按需安装 或者 默认安装。

pip install -r requirements.txt

3、权重文件yolov5s.pt默认不存在,可以手动下载。访问https://github.com/ultraly