知识点：图像翻转的本质是像素映射，OpenCV支持三种图像翻转方式-X轴翻转，flipcode=0-Y轴翻转,flipcode=1-XY轴翻转,flipcode=-1相关APIvoidflip(InputArraysrc,OutputArraydst,intflipCode);#ifndefDAY13#defineDAY13#include#includeusingnamespacestd;usi

OpenCV4.0版本以上支持YOLOv3版本模型的对象检测网络，该网络模型支持80种类别对象的检测，而且现在YOLO发布了v4版本，但是具体的我还没有去尝试过，之前上YOLO的网站看好像还没更新v4版本

本来想直接做Opencv4.0例程的，但是跑第一个例程就遇到报错：“无法打开源文件"opencv2/ximgproc.hpp"”，一查才知道缺少contrib扩展。

之前一直在使用VS2015，虽然看到VS2017发布了，但由于手头事情比较多，就没有尝试使用，最近突然看到Opencv4.0-alpha发布了，新版本中加入了很多人工智能和机器学习的内容，所以决定系统的学习一下Opencv4.0

一、概述opencv4.0版本以后，加入了二维码定位解码的功能，其主要功能基于quirc开源库，下载地址GitHub。

Opencv4.0目前包含了8种目标追踪算法：Boosting：基于在线的AdaBoost,这个分类器需要对对象的正、负例进行训

Opencv4.0已经包含DNN相关的库函数，可以非常方便的调用训练好的YOLO3模型使用。2.采用YOLO3目标检测第一步：下载模型使用wget下载训练号的模型与COCO数据库。

NULL，暂时不知道为什么,将CUDA-10.0换成cuda-8.0依然显示不出labelLoss也是3.82.darknet+alexnetLoss=3.8,3.keras+inceptionV31.)OpenCV4.0

安装环境OS：Ubuntu18.0464bit显卡：NVidiaGTX1080CUDA：10.0cnDNN：7.4cmake:3.10.2任务：源码编译安装OpenCV4.0安装依赖$sudoaptinstall-ybuild-essentialcmakegitpkg-configlibgtk2.0

目前主要通过Processing作为交互界面，所有的图像最后要通过Processing展示。一、Processing图像的使用格式首先，看Processing的图像对格式的要求。Processing的图像使用PImage类封装（有图有真相）。这是PImage的缺省构造方法，默认的图像格式就是ARGB，也就是使用4个通道表达图像的像素(alpha,red,green,andblue)这是检查图像的像

一、环境MacOSSierra10.12.6Processing3.4https://processing.org/download/Opencv4.0.0https://opencv.org/releases.html$java-versionjavaversion"1.8.0_102"Java(TM)SERuntimeEnvironment(build1.8.0_102-b14)JavaHot

OpenCV4.0学习笔记（9）图像模糊处理，均值滤波，高斯滤波,中值滤波，高斯双边滤波在图像中进行各种滤波的原因是为了消除图像中所存在的异常像素点，并且使得图像变得更加平滑作比喻大概就好像，将一块参差不齐

包括opencv4.0版本对DNN的进一步优化，也揭示了传统计算机视觉对深度学习的友好态

CONFIG+=c++11//QT需要支持C++11QT+=xml//打开XML文件#opencv4.0配置INCLUDEPATH+=/usr/local/include\/usr/local/include

腐蚀膨胀opencv4.0中提供了腐蚀膨胀的函数erode()、dilate()函数，用起来也方便。

本人是直接下载的opencv4.0，安装即使用，也未对其进行编译，所以在生成自己的dll动态库时，就会出现部分

本次程序就直接采用暴力的方法对每个像素点进行修改，如果在算法上有什么指教的也可以相互讨论环境QtCreator4.8.1（community）OpenCV4.0版本原

继2015年的opencv3.0出来后，3.5年时候后opencv4.0出现了。那么opencv4.0做了些什么新的功能呢？OpenCV现在是C++11库，需要符合C++11标准的编译器。

windows下采用Cmake配置opencv会出现各种各样的问题，有时候一两天都无法解决。这里介绍一种非常简单的Qt配置opencv的方法，不采用Cmake，亲测可用。安装信息如下：win10(64位)Qt5.12.0（http://download.qt.io/archive/qt/5.12/5.12.0/）事先采用MinGW编译好的OpenCV4.0.1（https://github.com

如下（建议采用临时配置方法，也就是下面博客中的方法二）：VS2017配置OpenCV4.0（Win10环境）vs2017配置cuda的资料相对较少，这里重点描述。首先说碰到的情况。

3.基于qtcreator使用opencv4.0开发。

前言：不得不说网上搜到的垃圾配置方案真是多，基本上没几个能用的，东拼西凑花了一上午弄好了自己的环境opencv4.0下载，vs2019下载不说废话，直接上图干净利落1、创建新空白项目2、添加一个主文件3

参考链接InstallOpenCV4onUbuntu18.04(C++andPython)安装依赖按照参考链接中的内容，安装依赖项，可能需要根据个人情况进行修改，以下是我安装的内容：//Step1:UpdatePackagessudoapt-yupdatesudoapt-yupgrade//Step2:InstallOSLibraries##Installdependenciessudoapt-y

一.下载OpenCV4.0的安装文件：OpenCV官网然后安装到你想要的地方二.添加到Path里面：并且把文件opencv_world400.dll和opencv_world400d.dll文件复制到C

以后支持深度学习API1环境搭建OpenCVJavawithEclipse：https://docs.opencv.org/trunk/d1/d0a/tutorial_java_eclipse.html问题1：搭建opencv4.0

【前提】博主在Ubuntu服务器上安装了OpenCV4.0版本，Python环境下可以运行，如图1。

一.下载OpenCV4.0的安装文件：OpenCV官网然后安装到你想要的地方二.添加到Path里面：并且把文件opencv_world400.dll和opencv_world400d.dll文件复制到C

1、opencv4.1新特性opencv4.0重大版本更新重回英特尔的OpenCV终于迎来一次大版本更新，增加了诸多新特性。

InstallTensorFlowandKerasforDeepLearningHowtobuildandinstall(fromsource)OpenCVwithQtsupportinmacOSOpenCVmacOS：编译安装OpenCV4+OpenCVContribMacOSX系统CMake、QT5运行OpenCV4.0

写在前面感谢new_delete_博主的博文Ubuntu18.04安装OpenCV4.0和环境配置，本文主要参考该篇博文并对其中几点给出自己的思考和方法。

opencv4.0版本以后，加入了二维码定位解码的功能。下面我们将使用该功能，进行图片二维码检测。

在这段时间里：这些已有的项目即将完结，为所有贡献者点个赞：PyTorch1.0中文文档Seaborn0.9中文文档ImpatientJavaScript中文版OpenCV4.0中文文档UCBCS61b课本

知识点：1、概述：在卷积操作中，如果我们想快速计算得到卷积窗口中所有元素的和或平方和，我们该怎么操作？图像积分图算法就是一种快速计算图像区域和与平方和的算法，由Crow在1984年首次提出，目的是为了在多尺度透视投影中提高渲染速度。目前，图像积分图在图像特征提取HAAR/SURF、二值图像分析、图像相似相关性NCC计算、图像卷积快速计算等方面均有应用，是图像处理中的经典算法之一。2、核心思想：通过

知识点：边缘保留滤波算法–均值迁移模糊(mean-shiftblur)：均值迁移模糊是图像边缘保留滤波算法中一种，经常用来在对图像进行分水岭分割之前去噪声，可以大幅度提升分水岭分割的效果。其基本原理如下：在n维空间中，有一定数量的样本，我们选定其中的一个样本，以该样本为中心，给定长度为半径画一个圆，求取该圆形区域内样本的质心，即密度最大的点，再以该点为中心继续执行上述迭代过程，直至最终收敛。相关A

知识点：边缘保留滤波算法–高斯双边模糊：之前我们介绍了图像卷积处理无论是均值还是高斯都是属于模糊卷积，它们都有一个共同的特点就是模糊之后图像的边缘信息不复存在，受到了破坏。我们今天介绍的滤波方法有能力通过卷积处理实现图像模糊的同时对图像边缘不会造成破坏，滤波之后的输出完整的保存了图像整体边缘（轮廓）信息，这类卷积滤波算法被称为边缘保留滤波算法（EPF）。最常见的边缘保留滤波算法有以下几种：-高斯双

知识点：图像去噪声：图像去噪声在OCR、机器人视觉与机器视觉领域应用开发中是重要的图像预处理手段之一，对图像二值化与二值分析很有帮助，OpenCV中常见的图像去噪声的方法有：-均值模糊去噪声-高斯模糊去噪声-中值滤波去噪声-非局部均值去噪声-双边滤波去噪声-形态学去噪声均值、高斯、中值去噪在前面几个章节都已经介绍过了，今天主要介绍非局部均值去噪声及其API函数。非局部均值去噪声：考虑图像中一个小的

OpenCV4.0版本增加的新功能如下：1）更新代码支持c++11特性，需要兼容c++11语法的编译器2）增加dnn中的模块功能，新加了VulkanAPI程序接口3）集成了完整的QR码识别功能4）新加的

知识点：OpenCV中提供了四种归一化的方法：-NORM_MINMAX-NORM_INF-NORM_L1-NORM_L2最常用的就是NORM_MINMAX归一化方法。相关API函数：voidnormalize(InputArraysrc,InputOutputArraydst,doublealpha=1,doublebeta=0,intnorm_type=NORM_L2,intdtype=-1,I

知识点：像素操作之逻辑操作-bitwise_and-bitwise_xor-bitwise_or上面三个类似，都是针对两张图像的位操作-bitwise_not针对输入图像,图像取反操作，二值图像分析中经常用#ifndefDAY07#defineDAY07#include#includeusingnamespacestd;usingnamespacecv;voidday07(){Matsrc=imr

知识点：saturate_cast防止数据溢出#ifndefDAY05#defineDAY05#include#includeusingnamespacestd;usingnamespacecv;voidday05(){Matsrc=imread("G:\\opencvTest\\test.jpg");if(src.empty()){cout(row);uchar*src2_row=src2.pt

知识点：C++中的像素遍历与访问-数组遍历-指针遍历#ifndefDAY04#defineDAY04#include#includeusingnamespacestd;usingnamespacecv;voidday04(){Matsrc=imread("G:\\opencvTest\\test.jpg");if(src.empty()){cout(row,col);bgr[0]=255-bgr[

知识点：1、图像对象的拷贝学过C++的应该都很清楚，拷贝分为深拷贝和浅拷贝OpenCV的clone()和copyTo是深拷贝，赋值运算符‘=’是浅拷贝头部保存了该图像的宽度和高度还有通道数等信息，数据部分保存了该图像的像素信息2、图像对象的创建常用方法有Mat::zeros()和Mat::ones()#ifndefDAY03#defineDAY03#include#includeusingname

知识点：1、图像保存—imwrite第一个参数是图像保存路径第二个参数是图像内存对象2、色彩空间转换函数—cvtColorCOLOR_BGR2GRAY=6彩色到灰度COLOR_GRAY2BGR=8灰度到彩色COLOR_BGR2HSV=40BGR到HSVCOLOR_HSV2BGR=54HSV到BGR#ifndefDAY02#defineDAY02#include#includeusingnamesp

前言：对于OpenCV4.0的python环境和VS环境的搭建，可参考此视频知识点：读取图像—imread显示图像—imshow#ifndefDAY01#defineDAY01#include#includeusingnamespacestd

1第一步安装opencv（Python部分自行安装（使用anaconda3安装的））$sudoapt-getinstallbuild-essential$sudoapt-getinstallcmakegitlibgtk2.0-devpkg-configlibavcodec-devlibavformat-devlibswscale-dev$sudoapt-getinstallpython-devpy

1第一步安装opencv（Python部分自行安装（使用anaconda3安装的））$sudoapt-getinstallbuild-essential$sudoapt-getinstallcmakegitlibgtk2.0-devpkg-configlibavcodec-devlibavformat-devlibswscale-dev$sudoapt-getinstallpython-devpy

Data：2019-06-13Theme：海思3519OpenCV4.0移植1.准备工作1.编译器：arm-himix600-linux交叉编译工具2.opencv4.0.1源码（假设所需组件已经安装过了）2.cmake安装这里需要安装cmake3以及cmake-gui下载cmake-3.9.2源码：wgethttps://cmake.org/files/v3.9/cmake-3.9.2.tar.

在vs2017中使用opencv4.0工具调用Darknet框架模型前言VS2017的下载及安装下载安装opencv4.0的下载及安装opencv4.0调用darknet框架模型的实例1.在vs2017

在vs2017中使用opencv4.0工具调用Darknet框架模型前言VS2017的下载及安装下载安装opencv4.0的下载及安装opencv4.0调用darknet框架模型的实例1.在vs2017