《机器视觉项目实践与开发》课件-项目一：视觉成像系统选型与调试

机器视觉项目实践与开发项目一：视觉成像系统选型与调试日期：2025.112024年12月，中国DEEPSEEK

AI大模型发布，引起美国股市大幅

下

跌

，OPENAI公司，英伟达公司股市12月份暴跌17%。除了ChatGPT、Sora,该

滩OpenAI如何走到今天?2022年确

，分辨率提升上一代的4倍2023年2024年

①2推出文本转视ChatGPT

发布为什么伟大不能被计划对创意、创新和创造的自由探索WhyGreatnessCannotBePlanned[

美]肯尼斯

·

斯坦利(Kenneth

Stanley)[

美]乔尔

·

雷曼(

Joe

Lehman)著真正的伟大创新是计划不出来的，跟着好奇心一步一步走，才是成就非凡的正确路径JohnJ.HopfieldGeoffreyE.Hinton

"forfoundationaldiscoveriesandinventionsTHEROYAL

SWEDISHACADEMYOF

SCIENCES为什么伟大不

能被计划?大家是否想去学习图像处理

视频制作，学习人工智能，

发现探索有趣的事情，去寻找自己未来的垫脚石?好玩、兴趣、探索、创新我从小就暴戾放纵项目一：图像读写、绘图以及几何变换·

本章主要内容：·

视觉的应用展示·

数字图像·OpenCV

简介·

配置开发环境·

使

用OpenCV文档和示例·

项目

一51

.2计算机视觉的应用展示·本节主要内容：·

缺陷检测·

目标检测·

自动驾驶·

位姿估算6ZDfecfón6.88^ofao

6.07e26130n68a50”23Contaminoationrk0.77

area

8188scrotch

0.53ireo

488area4485ccntomnation

ink

0.26

oreDarfection0.32oreo,7152ion0.28aredueflectiono.39oreo,7153on0.30reo1.1.1

缺陷检测晶圆外观缺陷检测1arecDofecion91^0feo268pPetesno90gScrtci

0.73

area

4:209849sctio08eilseotog081.1.1

缺陷检测晶圆外观缺陷检测2下午2:49·

00YOLOv51.1.2

目标检测TextImage2/3SelectLiveDetect

微信号：De

Club1.1

.2目标检测101.1.2目标检测111.1.3自动驾驶121.1

.3

自动驾驶抖音抖音号：hncs0731车道线检测2023/0212018:05:1446km/h131.1.4位姿估算141.1.5

表面缺陷检测15Grafikfenster:[H5514D453E0]口×Grafikfenster:[H551A4I×Grafikfenster:[H551A4D45440]Grafikfenster:[H551A×Q

④Einpassen》《Einpassen》》Detectedanomalies100%JuioeDetected

anomaliesResults1:'nok'anomaly_score:0.362ThresholdsClassification:0.362Segmentation:0.268tlaeanomaly_image1:'nok'anomaly_score:0.362Press

F5(continue)anomaly_image1.1

.6异常检测16Optische

Gefahrenraum-überwachung

zurflexiblenMensch-Roboter-Kooperation一NedrimotyxeheleJnandeCniallFrimul(nusiCGulducbidcnFranhe1.1.4人机交互irsuu1HncikiorsanlagntfkcnttktontefnkDsevodurgcDbxtarRli详lerrn1.2数字图像·本节主要内容：·

什么是数字图像·

数字图像的分类·

色彩空间181.2

.1什么是数字图像Illumination(energy)sourceOutput(digitized)imageImagingsystem(Internal)image

planeSceneelement19223196249781717623173601484060591542131632148974182

219146

1131372859712113189

18

244132737544165638228581471261212371.2.1什么是数字图像·

1、数字图像是能够在计算机上显示和处理的图像·

位图使用数字列阵表示·

矢量图使用矢量数据库表示25

2

1

4420MSpaltenM-1g=214Bildmatrix

mit8x8

BildpunktenBildmatrix

mit411×411

BildpunktenBildmatrix

mit44x44

Bildpunkten1.2

.1什么是数字图像N

Zeilen0211.2

.2数字图像的分类·

二值图像：像素只有黑、白两种颜色的图像221.2

.2数字图像的分类·灰度图像：不同灰度分辨率2

Bit2²=48

Bit

28=2561

Bit

21=23

Bit

2³=8231.2.2数字图像的分类·

灰度图像：8bit

灰度值(0,256)

·0-黑色·255-白色·

从0到255的每一个值代表一个灰度级241.2.2数字图像的分类·RGB

图像：·

自然界中几乎所有颜色都由R(red)G(green)B(blue)

组合而成→三原色·RGB

中的每种颜色，同样可以和灰度图那样划分为256个等级

→每个像素信息8bit

×3=24bit

·0-255表示含这种颜色比例为0%-100%·1024×768Pixel=786432

Pixel·786432

Pixel

x24

Bit/Pixel=18

MBit

=2.25

MByte251.2

.3色彩空间·RGB:R(red)、G(green)、B(blue)

-常用于计算机显示方面·CMY:Cyan

(青)、Magenta

(品红)、Yellow(黄)相减混色模式-常用于纸张彩色打印方面·HSV:Hue

(色度)、Saturation

(

饱

和

度

)

、Value(

光

强

)RGB-Farbraum

CMY-Farbraum261.2

.3色彩空间·HSV:Hue

(色调)、

Saturation(饱和度)、Value

(

明

度

)271.

3相机原理·

光源选择·

成像原理·

相机与镜头选型28百

RefexinnTransparcnzAbsorption1.3.1

光源选择·

物体表面对光的反射、

·

镜面反射·

漫

反

射1.3.1光源选择·

打光方式

·

明场

·

暗场·

漫反光照明视野：用直射光来观察对象物(散乱光呈黑色)暗视野：用散乱光来观察对象物(散乱光呈黑色)(暗视野)照明照射平面散乱光(暗视野)反射光(明视野)透射光(明视野)明视野打光效果暗视野打光效果相机本产品反射板高亮LED相机同轴光源LED被测物体1.3

.

1光源选择环形光源条线光源穹顶光源同轴光源面光源1.3.2

成像原理·

理想相机：小孔成像Ideale

Lochkamera321.3.2

成像原理·

透镜相机：存在畸变LinsenkameraUnschärfe33光圈系数小-光通量大

光圈系数大-光通量小k0,71|1|1.4|2|2.8|4|5.6|8|11|16|22|32BlendenzahlBrennweiteeff.Eintrittspupille1.3

.2

成像原理光圈kfD34第一步：根据测试的精度要求和拍摄视野选择相机的分辨率如果您是做尺寸测量，这个精度就是您的测量精度。如果您是做缺陷

检测，这个精度就是您需要检出的最小缺陷的尺寸。

拍摄视野就是您拍多大的地方。

精度=最小缺陷尺寸/3分辨率=(视野的宽/精度)*(视野的高/精度)第二步：根据被测物是否运动选择相机的快门方式全局快门：整幅场景在同一时间曝光。适合拍摄运动物体卷帘快门：Sensor

逐行扫描逐行进行曝光，直至所有像素点都被曝

光。适合拍摄静止的物体。第三步：根据被拍物的运动速度确定相机的帧率。运动速度/视野=最低帧率第四步：根据检测内容选择相机的图像色彩。建议除了做色彩识别、色彩缺陷检测等处理与颜色有关的检测选择彩

色相机，其它的都用黑白相机。因为同样分辨率的图像，黑白图像的

检测精度要优于彩色相机。黑白相机的对比度和锐度优于彩色相机。部分黑白相机可以直接输出灰度图，这样可以直接用于运算处理。第五步：根据镜头和工作场景选择相机的Sensor靶面。靶面的大小将直接影响到拍摄视野的大小。在一些工作距离有限制的

场合，需要结合焦距和工作距离来选择相机Sensor

靶面。在相同的

焦距和工作距离下，Sensor靶面越大视野就越大。第六步：根据帧率、传输距离、经济性选择相机接口。目前市场上常见的相机接口USB2.0、USB3.0、千兆网接口。USB2.0理论带宽450Mb/s。

传输距离5m.USB3.0理论带宽5Gb/s。

传输距离5m.千兆网接口理论带宽1Gb/s。传输距离100m

产品型号传感器分辨率像元尺寸帧率(FPS)接口颜色快门价格MI-SU036M/CMT9V0321/3"(4.51×2.88)752×4806.0μm111CM/C全局¥960MI-SU120M/CAR01341/3"(4.86x3.66)1280×9603.75μm33CM/C全局¥1

280MI-SU130MMT9M0011/2"(6.66x5.32)1280×10245.2μm29CM卷帘¥980MI-SU500MMT9P0311/2.5”(5.70x4.28)2592×19442.22μm7CM卷帘¥

1380MI-SU500CMT9P0061/2.5”(5.70x4.28)2592×19442.22μm7CC卷帘¥138

0MI-SU1000CMT9J0031/2.3"(6.12x4.59)3664×27481.67μm4CC卷帘¥16801.3.3相机与镜头选型·

相机选型镜头型号焦距解析度靶面光圈工作距离光学畸变接口价格HC0420-5M4mm180lp/mm1/1.8”F2.0-C0.1m-∞○<0.5%C-Mount¥620HC0620-5M6mm180lp/mm1/1.8”F2.0-C0.1m-

∞<0.1%C-Mount¥600HC0820-5M8mm180lp/mm1/1.8”F2.0-C0.1m-∞○<0.1%C-Mount¥460HC1220-5M12mm180lp/mm1/1.8”F2.0-C0.1m-

∞<0.3%C-Mount¥460HC1620-5M16mm180lp/mm1/1.8"F2.0-C0.1m-

∞<0.1%C-Mount¥460HC2520-5M25mm180lp/mm1/1.8”F2.0-C0.1m-

∞<0.1%C-Mount¥460HC3520-5M35mm180lp/mm1/1.8"F2.0-C0.2m-

∞<0.05%C-Mount¥460HC5028-5M50mm180lp/mm1/1.8"F2.8-C0.3m-

∞<0.05%C-Mount¥600HC7528-5M75mm180lp/mm1/1.8”F2.8-C0.5m-

∞<0.05%C-Mount¥620需注意我们镜头生产厂不是任何一个焦段的镜头都生产，请就近选择焦段。同一工作距离焦距越短视野越大。第四步：根据相机接口确定镜头的接口，常见的接口有C口

和CS

口。相机的接口和镜头的接口应该是一样的，否则会对不上焦。第五步：通过上面几部我们已经基本选定了镜头的分辨率、接口、焦距。还需注意几点：1)镜头的光圈越大，图像就越清晰；2)尽可能选畸变小的镜头；3)镜头的实际工作距离不能低于镜头的最短工作距离，否则对不上焦。第一步：根据相机的分辨率确定镜头的分辨率，镜头的分辨率最好是大于或等于相机的分辨率。第二步：根据相机的传感器靶面大小选择镜头的靶面大小。镜头的靶面要大于或等于相机的传感器靶面大小，否则图像会有暗角。第三步：根据相机靶面边长(h)

拍摄的视野范围边长(H)和工作1.3.3相机与镜头选型·镜

头

选

型距

离(WD)

计算出镜头的焦距(f)。焦距计算公式

f=(h*WD)H

。→.WD361.3.3相机与镜头选型·

作业1·

相机选型：已知某一视觉检测项目，拍摄视野为40mm×30mm,

最小缺陷为600um,请问如何选择相

机的分辨率?·

作业2·

镜头选择：已知某一视觉检测项目，拍摄视野为40mm×30mm,工作距离为60mm,

请问如何选择相机

镜头?371.3.3相机与镜头选型·

作业1·

相机选型：已知某一视觉检测项目，拍摄视野为40mm×30mm,最小缺陷为0.06mm,

请问如何选择相

机的分辨率?精度=0

.

06/3=0

.

02分辨率=40/0

.02×30/0

.02

=2000

X1500→

MI-SU500M/C

Y2.5”(5.70×4.28)MI-SU500MMT9P0311/2.5”(5.70x4.28)2592×19442.22μm7CM卷帘¥1380MI-SU500CMT9P0061/2.5”(5.70x4.28)2592×19442.22μm7CC卷

帘¥1380381.3.3相机与镜头选型·

作业2·镜头选择：已知某一视觉检测项目，拍摄视野为40mm×30mm,工作距离为60mm,请问如何选择相机

镜头?·MI-SU500M/C

Y2.5”(5.70x4.28)验证：相机分辨率2592

X1944

镜头焦距8mm视野大小5

.7/8*60=42

.75精度42

.75/2592=0

.0165<0

.024.28/8*60=32.132.1/1944=0.0165<0.02HC0820-5M8mm180lp/mm1/1.8”F2.0-C0.1m-

∞<0.1%C-Mount¥4

60·f=5.7/40*60=8.55→391.3.4

实验室相机的使用筑梦科技zo0MDU产品名称：机规格型号：生产日期：检验员：生产厂家：武汉筑梦科技奔本产品经检验合格，

量标准，准予出厂。401.3.4

实验室相机的使用验箱0411.4

OpenCV简

介·

本节主要内容：·OpenCV

主要功能及模块介绍·OpenCV

的版本·OpenCV-Python42OpenCVimgproc

imgcodecs

hightgui

videofeatures2d

objdetect

dnnphoto

stitching

shape

superresviz@稀土掘金技抗社区1.4.1

OpenCV主要功能及模块介绍videostabcalib3dflanncore模块介绍core核心模块，是定义基本数据结构的模块，也包括库中所有其他模块使用的基本函数imgproc图像处理模块，包括图像滤波、几何图像变换、颜色空间变换和直方图imgcodecs图像文件读写nighgui高级GUI,提供UI功能的接口，可以执行以下操作：创建和操作可以显示的窗口、将滑动条添加到窗口、键盘命令和处理鼠标事件等videolo视频/O,视频捕获和视烦编解码器的接口video视频分析模块，包括背景减法、运动估计和目标跟踪算法calib3d摄像机标定和三维重建，包括基本的多视点几何算法、立体匹配算法、目标姿态估计、单摄像机和立体摄像机标定以及三维重建features2d二维特征框架，该模块包括特征检测器、描述符和描述符匹配器objdetect目标检测，检测预定义类的对象和实例例如，人脸、眼腩、人和汽车)dnn深度神经网络(Deep

neural

network,DNN)模块，本模块包含以下内容：用于创建新层的API、一组预定义的常用层、从层构造和修改神经网

络的API、从不周深度学习框架加载序列化网络模型的功能等ml机器学习库(Machine

Leaming

Library,MLL)是一组可用于分类、回归和聚类目的的类和方法fann快速近似近邻库(Fast

Library

for

Approxdmate

Nearest

Nelghbors,FLANN)是一组非常适合快速近邻搜索的算法，用于多维空间中的聚美和搜索

@

稀

土

掘

金

技

术

社

区1.4.1

OpenCV主要功能及模块介绍photo计算摄影，提供一些计算摄影的函数stitching图像拼接，实现了一个自动拼接全影图像的拼接流水线shape形状距离和匹配模块，可用于形状匹配、检索或比较superres超分辨率，包含一组可用于提高分辨率的类和方法videostab视频稳定，包含一组用于视频稳定的类和方法viz三维可视化工具，用于显示与场景交互的小部件1.4.1

OpenCV主要功能及模块介绍451.4.1

OpenCV主要功能及模块介绍1、

内置数据结构和输入/输出·OpenCV内置了丰富的与图像处理有关的数据结构，如Image

、Point

、Rectangle等。·core

模块实现了各种基本的数据结构。·

imgcodecs

模块提供了图像文件的读写功能，用户使用简单的命令即可读写图像文件。2、

图像处理操作imgproc

模块提供了图像处理操作，如图像过滤、几何图像变换、绘图、色彩空间转换、

直方图等。3、

图形用户界面操作。highgui模块提供了图像的图形窗口操作功能，如创建窗口显示图像或者视频、令窗口

响应键盘和鼠标事件、操作窗口中图像的某个区域等。461.4.1

OpenCV主要功能及模块介绍4、

视频分析。video

模块提供了视频分析功能，如分析视频中连续帧之间的运动、跟踪视频中的目标。

videostab

模块提供了视频稳定处理功能，可解决拍摄视频时的抖动问题。optflow

模

块提供了与光流操作相关的算法。5、3D

重建。calib3d

模块提供了3D

重建功能，可根据2D

图像创建3D

场景。6、特征提取。features2d模块提供了特征提取功能，可以从2D图像中检测和提取对象的特征。471.4.1

OpenCV主要功能及模块介绍7、对象检测。objdetect

和xobjdetect

模块提供了对象检测功能，可在图像中检测给定图像的位置。8、机器学习。ml模块提供了机器学习功能，包含了多种机器学习算法，如k近邻(k-NearestNeighbors,kNN)

、k均值聚类

(k-Means

Clustering)

、支持向量机(SupportVector

Machines,SVM)

、神经网络

(Neural

Network)

等。机器学习算法广泛应

用于目标识别、图像分类、人脸检测、视觉搜索等。9、

深度学习。深度神经网络(Deep

Neural

Network,DNN)

模块提供了深度学习功能。深度学习

是机器学习中近几年来快速发展的一个子领域，广泛应用于语音识别、图像识别、自然

语言处理、图像修复、人脸识别等。OpenCV

的深度学习支持Caffe

、TensorFlow、Torch、Darknet

等著名的深度学习框架。481.4.1

OpenCV主要功能及模块介绍10、

计算摄影。计算摄影通过图像处理技术来改善相机拍摄的图像，如高动态范围成像、全景图像、图像补光等。

photo

和xphoto

模块提供了与计算摄影有关的算法，

stitching模块提供了全景图像算法。11、形态分析。shape

模块提供了形态分析功能，可以识别图像中对象的形状、分析形状之间的相似性、转换对象形状等。12、

人脸检测和识别。OpenCV

已在face模块中实现了人脸检测、人脸特征检测和人脸识别功能。人脸检测属于对象

检测，用于找出图像中人脸的位置和尺寸。人脸特征检测属于特征检测，用于找出图像中人脸的

主要特征。人脸识别属于对象识别，包括从已知人脸集合中找出与未知人脸最匹配的人脸，以及

验证给定人脸是否为某个已知人脸。OpenCV

实现了基于Haar

级联分类器和基于深度学习的人

脸检测算法，以及EigenFaces、FisherFaces

和局部二进制编码直方图(Local

BinaryPatternsHistograms,LBPH)等人脸识别算法。491.4.1

OpenCV主要功能及模块介绍13、表面匹配。surface_matching

模块提供了3D

对象识别算法和3D

特征的姿态估计算法，用于根据图像的深度和强度信息识别3D

对象。14、

文本检测和识别。text模块提供了文本检测和识别功能，用于识别和检测图像中的文本，实现车牌识别、道路标志识别、内容数字化等相关应用。50OpenCV

应用场景OpenCV

可以应用但不仅限于以下场景：·

二维和三维特征提取、

·

街景图像拼接、·

人脸识别系统、·

手势识别、·

人机交互、

·

动作识别、

·

物体识别、·

自动检查和监视·

分割与识别、·

医学图像分析、

·

运动跟踪、·

增强现实、·

视频/图像搜索与检索、·

机器人与无人驾驶汽车导航与控制、

·

驾驶员疲劳驾驶检测等。51OpenCV

4.5.0OpenCV

4.0OpenCV

3.0OpenCV

2.0OpenCV

1.02015年6月2009年10月2006年10月1.4.2OpenCV的版本Intel

创

建OpenCV项目OpenCV

4.5.22020年10月2018年11月2021年4月1999年521.4.2OpenCV的版本·

1999年，加里·布拉德斯基在Intel

公司创建了计算机视觉库(ComputerVisionLibrary,CVL)

项目，项目旨在提供通用的计算机视觉接口，接口用C++

语言实现，以开源方式发布。·

2006年10月，OpenCV

1.0版本正式发布。·OpenCV1.0的主要更新包括：·在Windows

安装软件包中添加了预编译的Python

模块；·

增加了Borland

C++(v5.6+)

生成文件；·

增加了图像修复功能；·

添加了增强的树分类器；·在highgui

模块中增加了对JPEG2000

和EXR

的支持；·

增加了PNG

、JPEG2000和OpenEXR

的8位图像输入/输出；·

更新了CMUcamera包装器。1.4.2OpenCV的版本·

2009年9月，

OpenCV

2.0版本发布。·OpenCV

2.0的主要更新包括：·

修复了Windows

安装包；·将MinGW用于预编译的二进制文件；·

增加了新的Python

接口。·

2015年6月，

OpenCV

3.0版本发布。·OpenCV

3.x版本不再向后兼容OpenCV2.x版本。·OpenCV

3.0的主要更新包括：·

修复了包括文档、生成脚本、Python

包装器、core

、imgproc

、photo

、features2d

、objdetect

、contrib等模块的200多处错误；·为cv::parallel_for_

()函数添加了并行后端处理功能，使所有并行处理都能得到兼容操作系统的支

持

；·用Java

重写了Android

上的OpenCV

管理器，使其可同时支持OpenCV

2.4和3.0版本。1.4.2OpenCV的版本·

2018年，

OpenCV

4.0版本发布。·OpenCV

4.0的主要更新包括：·

其已成为C++11库，兼容C++11的编译器；·

删除了1

.x版本中的许多C

函数；·

核心模块中与XML、YAML、JSON

相关的数据结构已在C++中全部实现；·在DNN中增加了对Mask-RCNN

模型的支持、集成了ONNX

解析器、部分支持YOLO

对象检测、提

升了对Intel

的DLDT

的支持性能；·

增加了全新的opencv_gapi(G-API)

模块。551.4.2OpenCV的版本·

2020年10月，

OpenCV4.5.0版本发布·

该版本的主要更新内容如下。·OpenCV

许可证已更改为Apache2:

从OpenCV4.5.0开始，所有未来的OpenCV4.x和

OpenCV5.x版本都将根据Apache2许可进行分发，OpenCV3.x将继续使用BSD

许可。·GSoC2020已经结束，大多数成果已合并到OpenCV,

并且在OpenCV

4.5.0中可用。·用OpenJPEG

替换分布式Windows

软件包中的Jasper。·

添加了对OpenCL

多个上下文的支持。·

更新了DNN

和G-API

模块的部分内容。·

2021年4月，

OpenCV

4.5.2版本发布·OpenCV3.X版本也在持续支持更新1.4.3

OpenCV-Python·OpenCV-Python

是由原始OpenCV

C++实现的Python

包装器，

是OpenCV

库的Python

接口。·Python是吉多·范罗苏姆(Guido

van

Rossum)创建的一种面

向对象的、解释型的计算机高级程序设计语言。·Python

因具有语法简洁、易于学习、功能强大、可扩展性强、跨

平台等诸多特点，成为继Java

和C语言之后的又一热门程序设计

语

言

。·

与C/C++

相

比

，Python速度较慢。·

用户通过OpenCV-Python

可获得两大好处：首先，代码运行速度

与原始C/C++

代码一样快(因为它在后台运行的是实际C++代码

);

其

次

，

用Python

编写代码更容易。·OpenCV-Python需要使用NumPy库

，OpenCV在程序中使用

NumPy

数组存储图像数据。文本处理数据分析网络爬虫图形界面机器学习游戏开发数据可视化Python1.5

配置开发环境·

本节主要内容：·

安装Anaconda

Python·

创建python3.8

的虚拟环境·

安装spyder

集成开发环境·

安装opencv

4.5·

编写测试程序检测安装正确性58O

ANACONDA.Anaconda

DistributionFree

DownloadEverything

you

need

to

get

started

in

data

science

on

yourworkstation.Freedistribution

install◎

Thousandsofthemostfundamental

DS,Al,and

MLpackagesManagepackagesandenvironmentsfromdesktopapplicationDeployacrosshardwareandsoftware

platformsDownloadGetAdditional

installers1

临

11.5.1安装Anaconda·

从Anaconda

官网下载安装AnacondaPython·https:///download/网页

设置最佳匹配Anaconda

Prompt应

用6s.

命令提示符Anaconda

Powershell

Prompt搜索网页○

阿

那

亚9

analysis1.5.2创建python3.8

的虚拟环境·

打开Anaconda

Prompt·

在命令行输入：conda

create

-n

CV45python=3.8来创建基于python3.8

的

以

'cv45′

命名

虚拟环境0.Anaconda

Prompt·

创建完成后：conda

activate

cv45来进入该寻你环境众从“开始”屏幕取消固定601.5.3安装spyder

集成开发环境·执行

conda

installspyder=5.4.31.5.4安装opencv

4.5·执行

conda

installopencv=4.5621.5.5编写opencv

读取图片小程序验证安装的正确性·importcv2·img=cV2.imread('1.jpg’)·CV2.imshow('img’,img)·CV2.waitKey()·CV2.destroyAIIWindows()631.6使用OpenCV

文档和示例·

本节主要内容：·

查

看OpenCV文档·

查看OpenCV-Python

示例64OpenCV:OpenCV

modules

×□

×docs.opencv.org/master/index.html☆:

n

o

c

r

Vision

4.5.2-dev

MainPageRelatedPagesModulesNamespacesClasses▼FilesExamplesJavadocumentationQSearchOpenCV

modules·

Introduction·

OpenCV

Tutorials·OpenCV-PythonTutorials·OpenCV.jsTutorials·Tutorials

for

contrib

modules·Frequently

Asked

Questions·

Bibliography·Main

modules:。core.Core

functionalityoimanroc.Imaae

Processinae

Cn1.6.1查看OpenCV文档·

在OpenCV官网查看文档65OpenCV:Examples

××

docs.opencv.or□

×+g/master/examples.html

☆

:OpenCVOpen

SourceComputer4.5.2-dev

√VisionMainPageRelatedPagesModulesNamespacesClassesFilesExamplesJavadocumentationQSearchExamplesHere

isa

list

of

all

examples:·fld_lines.cpp·modules/shape/samples/shape_example.cpp·

samples/cpp/camshiftdemo.cpp·

samples/cpp/connected_components.cpp·

samples/cpp/contours2.cpp·

samples/cpp/convexhull.cpp·

samples/cpp/cout_mat.cpp·

samples/cpp/create_mask.cppmnlnnlsnnldmhi

an

1.6.2查看OpenCV-Python

示例·

OpenCV

官方在线文档的“Examples”

页面中列出了示例的C++

代码目录正在等待docs.opencv.org的响应66÷Ipython□×主页共享

查看个