有时从摄像头获取的图像不是自己想要的方位，而又不想或者不能调整相机的位置时，我们就需要通过如软件来调整图像的朝向。详见：http://blog.csdn.net/fightingforcv/article/details/38983697

程序说明：《OpenCV3编程入门》OpenCV2版书本配套示例程序02 程序描述：在简单的OpenCV图像显示的基础上，修改为图像裁剪 开发测试所用操作系统： Windows 7 64bit 开发测试所用IDE版本：Visual Studio 2010 开发测试所用OpenCV版本： 2.4.9

opencv的关于两幅图像相似度对比的程序，具有很大的参考意义

OpenCV图像处理实例全书源码，C++，源码、数据、图像；每章一个文件夹

基本思路 斑马线检测通过opencv图像处理来进行灰度值转换、高斯滤波去噪、阈值处理、腐蚀和膨胀后对图像进行轮廓检测，通过判断车辆和行人的位置，以及他们之间的距离信息，当车速到超过一定阈值时并且与行人距离较近时，则会被判定车辆为未礼让行人。 结果示例 实验流程 先通过视频截取一张图片来进行测试，如果结果满意之后再嵌套到视频中，从而达到想要的效果。 1.预处理（灰度值转换、高斯滤波去噪、阈值处理、腐蚀和膨胀）> 根据自己的需求来修改一些值 #灰度值转换 imgGray = cv2.cvtColor(copy_img,cv2.COLOR_BGR2GRAY) #高斯滤波去噪 imgBlur =

车道和车辆检测系统 OpenCV图像处理管道，用于自动驾驶汽车的车道和车辆检测 图像处理管道 添加自动调整（自动亮度和对比度）以消除颜色不规则 转换为灰度并隔离黄色和白色 运行Canny边缘检测器 创建感兴趣的区域以减少周围的噪音 运行概率霍夫线变换 平均左车道线和右车道线成1条凝聚力车道 自动调整 为了使图像清晰，我们可以使用对比度优化和直方图裁剪自动调整亮度。 然后，该算法将根据削波百分比自动生成α和β（可以通过增加百分比来增加目标亮度）。 蓝色（调整前）橙色（调整后） 与以前的混合方式相比，车道线现在更为普遍。 这将使以后的边缘检测更容易识别线条。 隔离黄色和白色 从RGB转换为HSV使得黄色和白色阴影更易于检测。 通过这样做，我们可以简单地将黄色和白色道路标记与图像的其余部分隔离开（任何覆盖浅色和深色阴影的颜色范围都应该起作用）。 现在，我们将原始帧转换为灰度，并将其与新的

VS2010与QT插件做界面，用OPENCV模块进行图像处理，适合初学图像处理。包括打开图像、二值化图像、图像开闭操作、模版匹配、保存图像等

将opencv各种图像处理算法集成到一个软件界面里，有时候我们需要快速知道opencv各种算法处理后的结果是什么样子，如果编写代码或许毕竟麻烦，这个工具的目的是，让你快速通过操作界面，得到各种算法的处理结果。

图像针 写这个库主要是因为自己在做图像拼接项目时，深感在使用opencv实现图像拼接时资料欠缺，很多资料不够全面或者不能够很好地针对opencv。该库主要包括以下几个部分源代码的重构：第一部分代码：特征点检测第二部分代码：特征点匹配第三部分代码：计算单应性矩阵第四部分代码：恢复相机内部参数第五部分代码：圆柱面投影变换第六部分代码：动态规划法寻找最佳掺杂线第七部分代码：图像融合一些参考链接： 《图像局部特征检测和描述基于OpenCV源码分析的算法与实现》赵春江_北京：人民邮电出版社_2018.07_286_14414755 图像拼接项目值得看的论文： 一些Opencv库配置经验： 1.安装opencv库opencv有两种安装方式：一是直接从官网上安装，从而不能使用SIFT等一些受到保护的算法；二是从github上下载opencv和对应的contrib版本，使用CMake编译。在使用CMak

python opencv图像处理系统有界面训练各种opencv处理图像操作，参考链接：https://blog.csdn.net/babyai996/article/details/117225235?spm=1001.2014.3001.5502