当前位置：文档之家 › 学习opencv例2-3

学习opencv例2-3

  • 格式：doc
  • 大小：42.00 KB
  • 文档页数：5

视频播放控制 学习opencv书上例2-3，最好留了一个思考问题：实现滚动条随着视频播放自动移动。

笔者也是在原来书上写的程序的基础上稍作修改，现将代码写出来供大家参考！

#include "cv.h" #include "highgui.h" #include using namespace std;

int g_slider_position=0; //滚动条的位置 CvCapture* g_capture=NULL;

void onTrackbarSlide(int pos) { cvSetCaptureProperty(g_capture,CV_CAP_PROP_POS_FRAMES,pos);

} /*回调函数，当滚动条被拖动时就调用它。滚动条的位置会被作为参数形式传给回调函数，回调函数的作用就是从当前滚动条的位置显示帧*/

int main(int argc,char** argv) { cvNamedWindow("Example3",CV_WINDOW_AUTOSIZE); g_capture=cvCreateFileCapture(argv[1]); int frames = (int) cvGetCaptureProperty(g_capture,CV_CAP_PROP_FRAME_COUNT);

/*获得总帧数，也就是滚动条位置的最大值，这个函数的功能和第二个参数有关。*/ if(frames!=0) { cvCreateTrackbar("position","Example3",&g_slider_position,frames,onTrackbarSlide);/*当滚动条被拖动时，opencv会自动将当前位置所代表的值传个指 针所指向的整数,也就是说当滚动条被拖动时， g_slider_position的值是在改变的*/

} /*如果此处滚动条没有被拖动，此语句的作用就是在窗口上创建了一个滚动条，其位置为0，即在初始位置。*/

IplImage* frame; //while loop (as in Example2) caprpture & show video int n=g_slider_position; while(1) {

frame=cvQueryFrame(g_capture); if(!frame) break; cvShowImage("Example3",frame); cvCreateTrackbar("position","Example3",&n,frames,onTrackbarSlide);/*每次循环都在当前位置重新创造一个滚动条，也就是滚动条随着视频播放自动移动*/

char c=cvWaitKey(33); if(c==27) break; n++;

}

cvReleaseCapture(&g_capture); cvDestroyWindow("Example3"); }  例2-3学习笔记 cvCreateTrackbar 该函数为开放计算机视觉（OpenCV）库库函数，创建trackbar并将它添加到指定的窗口。 定义： CV_EXTERN_C_FUNCPTR( void (*CvTrackbarCallback)(int pos) ); int cvCreateTrackbar( const char* trackbar_name, const char* window_name, int* value, int count, CvTrackbarCallback on_change ); 参数：

trackbar_name 被创建的trackbar名字。 window_name 窗口名字，这个窗口将为被创建trackbar的父对象。 value 整数指针，它的值将反映滑块的位置。这个变量指定创建时的滑块位置。 count 滑块位置的最大值。最小值一直是0。 on_change 每次滑块位置被改变的时候，被调用函数的指针。这个函数应该被声明为void Foo(int); 如果没有回调函数，这个值可以设为NULL。 函数cvCreateTrackbar用指定的名字和范围来创建trackbar（滑块或者范围控制），指定与trackbar位置同步的变量，并且指定当trackbar位置被改变的时候调用的回调函数。 被创建的trackbar默认显示在指定窗口的顶端，可以通过函数cvGetTrackbarPos来获取trackbar显示的位置信息，以及通过函数cvSetTrackbarPos来重新设置trackbar的显示位置。

int cvCreateTrackbar( const char* trackbar_name, //滑动条的名称 const char* window_name, //窗口的名称，滑动条不会遮挡图像 int* value, //当滑动条被拖到时，OpenCV会自动将当前位置所代表的值传给指针指向的整数 int count, //滑动条所能达到的最大值 CvTrackbarCallback on_change //可选的回调函数，回调函数可参见

其中openCV的highgui库提供了两个函数来读取和设置滚动条的value值 //读取value值 int cvGetTrackbarPos( const char* trackbar_name, cosnt char* window_name );

//设置value值 void cvSetTrackbarPos( const char* trackbar_name, const char* window_name, int pos );

OpenCV中关于cvGetCaptureProperty函数

OpenCV中提供了一个函数cvGetCaptureProperty(Capture* cap,int property_index)函数来获取视频文件的一些属性，这是其中的OpenCV中属性的一些宏定义： #define CV_CAP_PROP_POS_MSEC 0 #define CV_CAP_PROP_POS_FRAMES 1 #define CV_CAP_PROP_POS_AVI_RATIO 2 #define CV_CAP_PROP_FRAME_WIDTH 3 #define CV_CAP_PROP_FRAME_HEIGHT 4 #define CV_CAP_PROP_FPS 5 #define CV_CAP_PROP_FOURCC 6 #define CV_CAP_PROP_FRAME_COUNT 7 #define CV_CAP_PROP_FORMAT 8 #define CV_CAP_PROP_MODE 9 #define CV_CAP_PROP_BRIGHTNESS 10 #define CV_CAP_PROP_CONTRAST 11 #define CV_CAP_PROP_SATURATION 12 #define CV_CAP_PROP_HUE 13 #define CV_CAP_PROP_GAIN 14 #define CV_CAP_PROP_EXPOSURE 15 #define CV_CAP_PROP_CONVERT_RGB 16 #define CV_CAP_PROP_WHITE_BALANCE 17 #define CV_CAP_PROP_RECTIFICATION 18

通过创建一个Capture对象的指针后，调用cvGetCaptureProperty即可获取上述任何相关属性；但是我们不能太依赖这个函数；比如我们想获取一段视频的帧数，我们就不能太依赖于CV_CAP_PROP_FRAME_COUNT这个属性；因为cvGetCaptureProperty对属性的访问，其实访问的是关联视频文件的文件头信息，并不是真正去访问了视频的图像数据，这就带来一个问题：我们在讲其他视频格式转换为AVI格式的时候，图像帧数并没改变，只是视频文件头改变了，这时直接通过get函数读取的信息就可能不准确；最好的办法是迭代从视频中取出一帧，检查是否有数据，来确定该视频文件的总共帧数~~~ 不光是帧数，帧率也可能不对~~ 比如，自己在实验中庸狸窝转换器将一段视频转换为avi格式的视频文件后，用下面的两段代码，结果差距很大：

code 1.

CvCapture *cap = cvCaptureFromFile(videoName);//获取视频 int numFrames = (int) cvGetCaptureProperty(cap, CV_CAP_PROP_FRAME_COUNT);//得到视频帧数,笔者获得的结果为148

CODE 2. IplImage* pImg=NULL; int count=0; while((pImg=cvQueryFrame(cap))!=NULL) { count++;

}//得到的帧数只有60帧；

究其原因其实就是cvGetCaptureProperty实现的机制上,它只是读取视频文件头信

息，而不是真正读取了视频文件；因此在进行不同格式的视频文件转换为OpenCV支持的AVI时，可能获取的属性并不准确~~~ 因此在使用该函数时，要注意。自己的经验是对于原始的AVI文件，可以直接使用该函数(code1),而经过转换而得到的视频文件，最好使用code 2。

cvSetCaptureProperty 设置视频获取属性 int cvSetCaptureProperty( CvCapture* capture, int property_id, double value ); capture 视频获取结构。 property_id 属性标识符。可以是下面之一： CV_CAP_PROP_POS_MSEC - 从文件开始的位置，单位为毫秒 CV_CAP_PROP_POS_FRAMES - 单位为帧数的位置（只对视频文件有效） CV_CAP_PROP_POS_AVI_RATIO - 视频文件的相对位置（0 - 影片的开始，1 - 影片的结尾) CV_CAP_PROP_FRAME_WIDTH - 视频流的帧宽度（只对摄像头有效） CV_CAP_PROP_FRAME_HEIGHT - 视频流的帧高度（只对摄像头有效） CV_CAP_PROP_FPS - 帧率（只对摄像头有效） CV_CAP_PROP_FOURCC - 表示codec的四个字符（只对摄像头有效）value 属性的值。 函数cvSetCaptureProperty设置指定视频获取的属性。目前这个函数对视频文件只支持： CV_CAP_PROP_POS_MSEC, CV_CAP_PROP_POS_FRAMES, CV_CAP_PROP_POS_AVI_RATIO

合集下载

opencv 三阶贝塞尔曲线

opencv 三阶贝塞尔曲线

OpenCV三阶贝塞尔曲线1. 简介贝塞尔曲线是计算机图形学中常用的一种曲线表示方法，可以通过一系列控制点来描述曲线的形状。

OpenCV是一个功能强大的开源计算机视觉库，提供了丰富的图像处理和计算机视觉算法。

本文将介绍如何使用OpenCV实现三阶贝塞尔曲线。

2. 贝塞尔曲线概述贝塞尔曲线由一系列控制点和插值点构成。

控制点用于定义曲线的形状，而插值点则用于描述曲线的平滑程度。

贝塞尔曲线可以是一阶、二阶、三阶或更高阶的，本文将重点介绍三阶贝塞尔曲线。

三阶贝塞尔曲线由四个控制点P0、P1、P2和P3定义，其中P0和P3是曲线的起点和终点，P1和P2则用于控制曲线的形状。

曲线上的点可以通过参数t在[0, 1]范围内进行插值计算，公式如下：B(t) = (1-t)^3 * P0 + 3 * (1-t)^2 * t * P1 + 3 * (1-t) * t^2 * P2 + t^3 * P33. OpenCV实现使用OpenCV实现三阶贝塞尔曲线的步骤如下：3.1 导入库首先，需要导入OpenCV库。

import cv2import numpy as np3.2 创建画布创建一个空白画布，并设置画布的大小和背景色。

width, height = 800, 600canvas = np.zeros((height, width, 3), dtype=np.uint8)canvas.fill(255) # 设置背景色为白色3.3 定义控制点定义四个控制点的坐标，分别为P0、P1、P2和P3。

P0 = (100, 300)P1 = (200, 100)P2 = (600, 500)P3 = (700, 300)3.4 绘制控制点在画布上绘制四个控制点，可以使用OpenCV的cv2.circle()函数实现。

radius = 5color = (0, 0, 255) # 红色thickness = -1 # 填充cv2.circle(canvas, P0, radius, color, thickness)cv2.circle(canvas, P1, radius, color, thickness)cv2.circle(canvas, P2, radius, color, thickness)cv2.circle(canvas, P3, radius, color, thickness)3.5 计算并绘制曲线使用参数t在[0, 1]范围内进行插值计算，并在画布上绘制曲线。

python opencv案例

python opencv案例

Python是一种高级编程语言，它在计算机视觉领域有着广泛的应用。

OpenCV是一个开源的计算机视觉库，它提供了丰富的图像处理和计算机视觉算法。

Python和OpenCV的结合可以帮助开发者快速实现各种计算机视觉任务，比如图像处理、目标检测、人脸识别等。

本文将介绍几个基于Python和OpenCV的实际案例，以展示它们在计算机视觉领域的强大应用能力。

一、图像处理1. 图像读取与显示使用Python和OpenCV可以轻松地读取和显示图像。

通过简单的几行代码，可以实现图像的读取、显示和保存，让开发者能够快速上手。

2. 图像滤波图像滤波是图像处理中常用的技术，可以去除图像中的噪声，平滑图像，并提取图像的特征。

Python和OpenCV提供了多种滤波方法，比如均值滤波、高斯滤波、中值滤波等，可以根据实际需求选择最适合的方法。

3. 图像边缘检测通过Python和OpenCV，可以实现图像的边缘检测。

边缘检测可以帮助我们识别图像中的边界和轮廓，在目标检测、物体识别等领域有着重要的应用价值。

二、目标检测1. Haar特征分类器Haar特征分类器是一种常用的目标检测算法，可以用于检测人脸、眼睛、车辆等目标。

Python和OpenCV提供了训练和使用Haar特征分类器的工具，开发者可以根据自己的需求训练自己的分类器，实现目标检测任务。

2. 人脸识别人脸识别是计算机视觉领域的热门应用之一。

Python和OpenCV提供了各种人脸检测和识别的算法和工具，可以帮助我们实现人脸的检测、识别和跟踪。

三、图像拼接与全景图生成使用Python和OpenCV，可以将多张图片拼接成全景图。

通过图像特征的匹配和变换，可以实现图像的自动拼接，生成高质量的全景图像，具有很高的实用价值。

四、实时视瓶处理1. 视瓶捕获与显示Python和OpenCV提供了丰富的视瓶捕获和处理功能，可以从摄像头或视瓶文件中捕获视瓶帧并进行实时处理和显示。

2. 视瓶分析与目标跟踪通过Python和OpenCV，可以实现对视瓶流的分析和目标跟踪。

opencv库用法

opencv库用法

opencv库用法
OpenCV是计算机视觉中常用的专用库，支持多语言和跨平台操作。

其在Python中的使用方法如下：
1. 导入OpenCV模块：使用`import cv2`命令。

2. 加载图片：使用`cv2.imread()`函数读取图片。

参数为1时表示加载彩色图片，参数为0时表示加载黑白图片。

3. 查看图片形状和分辨率：使用`shape`子函数输出图片的形状。

4. 显示图片：使用`cv2.imshow()`函数显示图片，参数分别为图片名称和图片对象。

OpenCV还可以用于操作摄像头、调节参数和录制视频等操作。

如果你想要了解更多关于OpenCV的用法，可以查阅相关文档或搜索相关教程。

Opencv新手教程

Opencv新手教程

Opencv新手教程OpenCV是一个开源的计算机视觉库，用于处理图像和视频的各种任务。

它是一个强大的工具，可以应用于从简单的图像处理到复杂的计算机视觉任务。

在本教程中，我们将介绍一些基本的OpenCV功能和使用方法，以帮助你入门。

1. 安装OpenCV2. 导入OpenCV库在你的代码中，你需要导入OpenCV库。

你可以使用以下命令导入OpenCV库：import cv23.加载图像在OpenCV中，你可以使用imread(函数加载图像。

这个函数接受图像的文件路径作为参数，并返回一个代表图像的多维数组。

以下是一个加载图像的例子：image = cv2.imread('image.jpg')4.显示图像你可以使用imshow(函数显示图像。

这个函数接受两个参数，第一个参数是窗口的名称，第二个参数是要显示的图像。

以下是一个显示图像的例子：cv2.imshow('Image', image)cv2.waitKey(0)cv2.destroyAllWindows这个例子中，图像将在一个名为"Image"的窗口中显示。

你可以使用waitKey(函数等待用户的按键操作，然后使用destroyAllWindows(函数关闭窗口。

5.图像预处理OpenCV提供了许多图像预处理功能，如图像的调整、裁剪、旋转、缩放等。

你可以使用这些功能来改变图像的外观和大小。

以下是一些常用的图像预处理函数的例子：gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 将图像转换为灰度图像resized_image = cv2.resize(image, (width, height)) # 调整图像大小cropped_image = image[y:y+h, x:x+w] # 裁剪图像rotated_image = cv2.rotate(image, cv2.ROTATE_90_CLOCKWISE) # 旋转图像这个例子中，我们将图像转换为灰度图像、调整大小、裁剪和旋转图像。