OpenCV
含有「OpenCV」共 52 篇內容
全部內容
發佈日期由新至舊
使用 LBP（Local Binary Patterns） 進行紋理分析和瑕疵檢測
Local Binary Patterns（LBP） 是一種用來描述圖像紋理的特徵提取技術。LBP 對於檢測表面紋理的異常具有很好的效果，尤其在檢測紋理一致的材料表面（例如紡織品、紙張、金屬）時，LBP 非常有用。
在有次使用cv2.resize時忽然報錯，就心血來潮不想重新安裝OpenCV，根據缺少的東西想辦法補齊。
在影像處理中，Zlib（以及 zlibwapi.dll）主要用於處理數據壓縮和解壓縮，特別是在處理大型影像文件時。
遺失原因
應用程序安裝過程中未能完整安裝所有所需的依賴項，尤其是 zli
本文將指導你如何修改現有的 OpenCV 程式碼，使其利用 CUDA 加速進行深度神經網絡（DNN）推理，如超分辨率圖像放大任務。這將顯著提升運行速度，特別是在高分辨率圖像處理中。
在CMake上這選項要開，才可支援DNN模組。
CMake編譯OpenCV教學文 連結
[OpenCV][Py
OpenCV 提供了專門針對 CUDA 優化的模組，這些模組使用 cv2.cuda 命名空間，並且可以直接使用 GPU 進行加速。，cv2.cuda 模塊需要在 OpenCV 編譯時啟用 CUDA 支援才能使用。
本文主要比較經過CMAKE重新編譯OpenCV使其支援Cuda，原OpenCV只支援
謝謝螃蟹支持，假期愉快~
付費限定
你還沒有編譯 OpenCV，那麼你需要先完成 OpenCV 的編譯過程，這樣才能生成 OpenCVConfig.cmake 文件。下面是一步一步的指南，幫助你在 Windows 上編譯 OpenCV。
本文主要介紹使用Cmake + VS2022來編譯OpenCV，最後目的是讓OpenCV可以利用
在影像處理中，形態學操作是非常重要的一種技術，能夠幫助我們去除噪點、強化特徵、修復物體的形狀等。形態學操作的核心是「結構元素」（kernel），不同形狀的結構元素會產生不同的處理效果。本文將介紹如何使用不同形狀的結構元素來進行圖像處理，並結合實際程式範例和測試圖片來說明其效果。
付費限定
[OpenCV][Python]使用GrabCut 來去背
在上篇文章提到如何用GrabCut 來去背，但都是處於比較基礎的方式，讓演算法自行判斷前景背景，本文主要說明，使用設定參數讓演算法計算得更加準確，可根據UI上的圖顯示，用滑鼠畫區域來設定參考的背景與前景。
UI圖顯示
步驟，先載圖，在
iPhone也有去背的功能，那麼OpenCV能不能做到這件事呢?，答案是可以的
如果圖像背景簡單且與前景有明顯的顏色區分，可以使用 色彩空間轉換 或 閥值分割。
如果背景較為複雜一點點，但你可以提供一個大致的前景位置，則可以使用 GrabCut。
結果圖
但在背景相當複雜的情況下，結果就不太
以下是如何使用 Tesseract OCR 來辨識圖像中的文字的教學。
涵蓋了安裝 Tesseract、基本使用方法，以及如何在 Python 中進行整合。
1. 安裝 Tesseract
首先，需要安裝 Tesseract OCR 工具。這裡提供針對 Windows、macOS 和 Linu
cv2.fastNlMeansDenoising() 是 OpenCV 中一個非常有效的去噪函數，基於非局部均值濾波算法（Non-Local Means Filtering）。它能夠有效地去除圖像中的隨機噪聲（如高斯噪聲），並保留圖像的細節，特別適合處理含有隨機噪聲的圖像，如拍攝時產生的感光元件噪聲
