前言 在第一篇文章中，通过了python调用opencv的模板匹配函数，通过对屏幕截图然后和模板对比，实现了上位机界面的自动点击。理论上只要是能出现图片的地方，就能使用这种方式，实现自动点击。 正好最近国家倡导节约用电，我司紧跟国家号召，在大家的电脑上部署了省电系统，只要长时间不动
最近不少小伙伴在学 Python，想找个好玩的练手项目。 那今天分享一个，简单，适合新手的 Python 小项目。 本文将以哔哩哔哩–乘风破浪视频为例，you-get下载视频。 同时利用 python 爬取 B 站视频弹幕，并利用 opencv 对视频进行分割，百度 AI 进行人像分割，moviepy 生成词云跳舞视频，并添
test.png import cv2 import numpy as np #定义形状检测函数 def ShapeDetection(img): contours,hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #寻找轮廓点 for obj in contours: area = cv2.contourArea(obj) #计算轮廓内
CNN学习第三天 由于很多知识都不了解，所以，我先用python写一写代码，了解一些CNN的内部原理。 我参考的博客是这篇：卷积神经网络的简单可视化 用的编译环境是：python 3.9.1，pycharm community 开始敲代码。。。 import cv2 import matplotlib.pyplot as plt 然后一天就过去了……
Opencv仿射变换（Affine Transformation）函数：cv2.warpAffine Affine Transformation：可实现旋转，平移，缩放，变换后的平行线依旧平行。 Opencv透视变换（Perspective Transformation）函数：cv2.warpPerspective Perspective Transformation：透视变换，又叫单应性变换。简而言之就是不同视角的
基于dwt(离散小波变换)实现彩色图像水印嵌入部分_2.0 内容对应之前嵌入部分的代码。 import cv2 import pywt from PIL import Image originalImg_path = '100_10.bmp' processedImg_path = 'test.png' originalImg = cv2.imread(originalImg_path) originalImg = originalImg[
import cv2 import numpy as np def mergeImg(inputImg, maskImg, contourData, drawPosition): ''' :param inputImg: 输入的图像 :param maskImg: 输入的模板图像 :param contourData: 输入的模板中轮廓数据 numpy 形式如[(x1,y1),(x2,y2),...,] :param
修改了尺寸变换导致的图像失真问题，同时简化了部分代码。 本次内容为验证嵌入流程，所以过程不算繁杂，关键参数和小波变换级数后期可作为密钥。 import cv2 import pywt import numpy as np from PIL import Image def inches3(num,times): for i in range(times): num
CV2.fastNlMeansDenoising（非局部平均去噪） L-Means的全称是：Non-Local Means，直译过来是非局部平均，在2005年由Baudes提出，该算法使用自然图像中普遍存在的冗余信息来去噪声。与常用的双线性滤波、中值滤波等利用图像局部信息来滤波不同的是，它利用了整幅图像来进行去噪，以图像块为单
import cv2 import os from PIL import Image similary = 0.4 # 相似度值，可根据初步结果进行调整 # 读取并比较文件夹下的图片，同时删除相似图片 def read_dir(dir_name): if os.path.exists(dir_name): dir = os.listdir(dir_name) for file_name1 in rang
这次的内容主要为水印图像经过阿诺德置乱算法后通过离散小波变换进行嵌入，仅考虑嵌入方式，其余部分处理从简，之后再做探究。 嵌入部分参考上图公式，为验证方便，代码中将三级小波变换与一级小波变换的嵌入方式简化为一级小波变换与一级小波变换的嵌入，当然，嵌入效果不会很好。 为使结
本文将介绍基于OpenCV实现视频的循环播放。 有以下三个步骤： 首先设置一个frame的设置参数frame_counter，值为0在读帧时间，将每次加一当 frame_counter 达到视频总帧数时，将当前的帧设置为 0 视频总帧数：CAP_PROP_FRAME_COUNT 设置当前的帧：CAP_PROP_POS_FRAMES VideoCaptureProper
最近一到办公室就会发现少点东西，每天少亿点，于是我下班了没关电脑，回家后用python控制电脑拍照后发现，这个背影怎么怎么像老板呢？ 卧槽，每天趁我们下班了，晚上溜回公司抠我们的Alt键.... 这是抖音看多了吗？ 话说这么晚才来公司，怕不是偷偷的背着老板娘洗jio去了才出来吧。 唉，太
import cv2 as cv """ 色彩空间： 常见的两种色彩空间：GRAY色彩空间 和 HSV色彩空间 """ # 1.GRAY色彩空间 """ GRAY色彩空间： 通常指的是灰度图像，灰度图像是一种将每个像素都是从黑到白，被处理为256个灰度级别的单色图像。 这256个灰度界别分别用区间[0,255]中的数值
用于等待按键，当用户按下键盘后，该语句将被执行，并获取其返回值当 delay > 0 时，程序在给定的 delay 时间内等待用户按键触发 或者 等待一个delay时间，程序继续执行。若 delay = 0 时，则表示用户必须点击键盘触发程序继续执行。 cv2.waitKey(5000) # 5000ms，5s 程序继续执行，当然可以
该案例是一个基础的opencv交互案例，主要过程是使用TrackBar()功能实现。具体而言就是将RGB图片转为HSV格式。然后使用进度条调整数值。来取出想要的颜色区域。可以为后期颜色屏幕笔案例做基础。具体代码如下： import cv2 import numpy as np def empty(v): pass img = cv
目录 转换颜色空间物体跟踪 转换颜色空间 在 OpenCV 中有超过 150 中进行颜色空间转换的方法。但是你以后就会发现我们经常用到的也就两种：BGR↔Gray 和 BGR↔HSV。 cv2.cvtColor()函数：转换颜色空间。 第一个参数表示待转换的图片。 第二个参数表示转换的类型。 cv2.COLOR
编者按：自己在家锻炼时，我们很难知道自己的动作是否标准。本文作者用Python写了一个可以检测俯卧撑动作是否标准的程序，一起来看看他是怎么做的。 原文链接：https://aryanvij02.medium.com/push-ups-with-python-mediapipe-open-a544bd9b4351 GitHub 地址：https://github.com/aryanvi
基于二值图转换 1 import cv2 2 import numpy as np 3 4 def find_max_region(mask_sel): 5 6 contours, hierarchy = cv2.findContours(mask_sel, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) 7 8 # 找到最大区域并填充 9 area = [] 10 11 for j in ra
代码所用图片： 直接上代码： datika.py # @time: 2022/2/17 18:20 # @Author: wangshubo # @File: datika.py # @description: # @author_email: '971490321@qq.com' import cv2 import numpy as np from myutils import sort_contours from utilsW.utils import cvSHow, CalD
问题描述：明明自己通过Windows窗口在Python3.6中安装了opencv-python，可是在PyCharm运行语句import cv2 as cv时还是报错“No module named ‘cv2’，如下图所示： 可见虽然在创建项目时已经把PyCharm的Python解释器选择为了Python3.6，如下图所示： 但是实际上此工程运行环境中仍然
import cv2 import numpy as np import matplotlib.pyplot as plt # 什么是特征？ # 当你看到芒果图像时，如何识别它是芒果？ # 通过分析颜色、形状和质地，你可以说它是芒果。 # 用于识别图像的线索称为图像的特征。同样，计算机视觉的功能是检测图像中的各种特征。 # 1：特征的定
欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列，持续更新中 欢迎关注 『youcans 的 OpenCV学习课』 系列，持续更新中 【youcans 的 OpenCV 例程 200 篇】104. 运动模糊退化模型 5.3 模型法估计退化函数 估计图像复原中所用的退化函数，主要有三种方法：观察法、试验法和数学
相比大家都听过自动化生产线、自动化办公等词汇，在没有人工干预的情况下，机器可以自己完成各项任务，这大大提升了工作效率。 编程世界里有各种各样的自动化脚本，来完成不同的任务。 尤其Python非常适合编写自动化脚本，因为它语法简洁易懂，而且有丰富的第三方工具库。 这次我们使用Python
import cv2 img1=cv2.imread('./data/img/mer.jpg') img2=cv2.imread('./data/img/20220207_144920.jpg') # 取出图片中所有值大于 233的 reddish = img2[:, :, 0] > 223 # 将 小于 223 的保留，大于 223的 全部置为 0 img2[reddish] = [0, 0, 0] # 另一张图中True False 跟
