机器视觉新手一枚，虽然现在在用MATLAB做图像处理，但是导师已经布置下任务——赶紧学会Ｃ＋＋。不曾想两周之后来采用Ｖｉｓｕａｌ　　Ｓｔｕｄｉｏ　２０１０把第一个程序＂ｈｅｌｌｏ，ｗｏｒｌｄ！＂运行成功。现在把问题及解决方案做个记录。１.调试程序是显示找不到ｐｒｏｊｅｃｔ．ｅｘｅ。　解决方法：项目＞＞属性＞＞链接器，把启用增量链接的值由“是”改为“否”。２.新建项目之后找不到“源文件”

行人检测是视觉领域很热也很有用的一个主题，特别是在无人驾驶中，行人检测的重要性不言而喻。在之前进行了人脸检测之后，行人检测就显得简单多了。过程大致与人脸检测一样，都是先加载分类器，然后进行多尺度检测。就偷懒不再赘述。感兴趣的可以看人脸检测的这一篇文章：OpenCV实践之路——人脸检测（C++/Python）这里只是把代码放在这里，没几行，而且都有着注释：#include #inclu

在之前的博文OpenCV实践之路——opencv玩数独之一九宫格轮廓提取与透视变换中，已经实现了九宫格最外围矩形轮廓的提取，并利用透视变换把矩形摆正。今天接着上一篇的内容，在摆正后的矩形中检测并提取出九九八十一个小方格，并提取出含有数字的小方格中的数字。用的方法仍然是之前提到的轮廓提取，然后对轮廓进行多边形逼近，最后利用多边形的面积和顶点等信息对轮廓进行筛选。其中最耗时间的地方仍然是阈值化的时

Hough变换Hough变换是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体。霍夫变换于1962年由Paul Hough 首次提出，后于1972年由Richard Duda和Peter Hart推广使用，经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。Hough变换是一种使用表决原理的参数估计技术。其原理是利用图像空

本文部分参考自如下链接：Sudoku-recognizer。前几天发现了这个网页，觉得挺好玩的，就想自己实现一下。本以为只是把代码从Python转换到C++是一件很简单的事情，经过这几天的努力发现是自己想的太简单了。到现在也没有完全实现。前面的一小半可以说是参考了上述文章，所做的只是把opencv的代码转换下语言风格，但是到了后面随着Python语言用的越来越多，很多地方已经完全看不懂了，只能自己

OpenCV之识别自己的脸——C++源码放送前言在将近一年之前，我在CSDN专栏《OpenCV实践之路》中连续发了三篇博客，完整地描述了基于OpenCV进行人脸识别的全过程。三篇都将近一万的阅读量和大量的评论的表明，人脸识别果然是大家在学习OpenCV过程中最感兴趣的课题，之一。当然，也有可能是本科生毕设老师最感兴趣的课题之一。。。由于当时写的时候是按照前后流程来的，所以源码比较分...

本文由@星沉阁冰不语出品，转载请注明作者和出处。文章链接：http://blog.csdn.net/xingchenbingbuyu/article/details/52821497微博：http://weibo.com/xingchenbing 本文包含以下几个内容，大家可以根据自己的需要自行选取内容观看。至于为什么这么晚才写这么基础的博客，主要是因为没有经过

前言以前配置过caffe，当时是Visual Studio 2013，因为当时的教程只有2013的。重装电脑之后，一直没有静下来去配置caffe，失败过好几次。这次算是找对教程和资源了，终于配置成功。本文不记录具体步骤，只给出我参考的链接，需要的人还是去看Github原版较好。这里只记录一些需要注意的地方。1. Caffe + Python如果只用Caffe的Python接口而不用C++接口的话，事

上一篇文章没有给出caffe+VS2015的具体步骤，只是给出了一个教程的Github地址。但是由于国内网速的问题，有的人文件都没能成功下载，有的由于英文水平所限，编译起来也是有点麻烦。所以本文做为上一篇的补充。基本上是教程的中文版，只不过不是完全翻译，用自己的话再说一遍，夹杂一些注意事项。下载1. 下载Caffecaffe只有不到10M。还是下面这个地址： https://github.com

前言虽然本文说的是遍历图片，但是遍历其他文件也是可以的。在进行图像处理的时候，大部分时候只需要处理单张图片。但是一旦把图像处理和机器学习相结合，或者做一些稍大一些的任务的时候，常常需要处理好多图片。而这里面，一个最基本的问题就是如何遍历这些图片。用opencv做过人脸识别的人应该知道，那个项目中并没有进行图片的遍历，而是用了一种辅助方案，生成了一个包含所有图片路径的文件at.txt，然后通过这个路径

前言在学习opencv的过程中，终会遇到需要把视频转换成图片处理，或者把处理后的图片保存为视频格式的时候。这篇文章中就来看一下如何进行图片和视频之间的相互转换。视频转图片对于这种情况大家应该很熟悉了。因为学习opencv的时候肯定打开过摄像头，比如打开摄像头检测个人脸或者笑脸之类的。在这个过程中，实际就是把摄像头拍摄到的视频转换为一帧一帧的图片连续地进行处理。我们知道，对于打开视频和摄像头，open

前言人脸识别的源码放出来之后，不少小伙伴下载之后仍然不能运行成功。于是被逼无奈，把源代码改成了我认为最容易运行成功的版本。即使如此，我认为写下这个指南还是有必要的。因为反复回答相同的问题实在是太累人了。 重复一遍，本文环境为win7+vs2015+opencv3.2_with_contrib源码下载地址公众号回复：人脸识别源码或者 网盘： http://pan.baidu.com/s/1b1J2

在之前OpenCV实践之路——人脸识别之一数据收集和预处理和OpenCV实践之路——人脸识别之二模型训练两篇博客中，已经把人脸识别的整个流程全部交代清楚了。包括今天这篇人脸识别方面的内容都已经在上述第二篇博客中的代码中有所体现。只是今天的内容会让结果更加的形象化。仅此而已。可以说，本篇的内容是前面诸多内容的一个整合。所以今天的内容也很简洁。简单说下流程：1.打开摄像头。2.加载人脸检测

本文由@星沉阁冰不语出品，转载请注明作者和出处。文章链接：http://blog.csdn.net/xingchenbingbuyu/article/details/51386949微博：http://weibo.com/xingchenbing 在之前的博客人脸识别之一数据收集和预处理之中，已经下载了ORL人脸数据库，并且为了识别自己的人脸写了一个拍照程序自拍

前段时间对人脸检测和人脸标记进行了一些尝试：人脸检测（C++/Python）和用Dlib库进行人脸检测和人脸标记。但是检测和识别是不同的，检测解决的问题是图片中有没有人脸；而识别解决的问题是，如果一张图片中有人脸，这是谁的脸。人脸检测可以利用opencv自带的分类器，但是人脸识别就需要自己收集数据，自己训练分类器了。opencv给出的有人脸识别的教程：Face Recognition with

经常看到有人在网上询问关于imread()函数读取图片失败的问题。今天心血来潮，经过实验，总结出imread()调用的四种正确姿势。通常我要获取一张图片的绝对路径是这样做的：在图片上右键——属性——安全——对象名称。然后复制对象名称就得到了图片的绝对路径。如图：然而这样得到的路径直接复制粘贴到vs里面会直接报错，如下：可以看出我们获取的绝对路

本文由@星沉阁冰不语出品，转载请注明作者和出处。 文章链接：http://blog.csdn.net/xingchenbingbuyu/article/details/51348394 微博：http://weibo.com/xingchenbing opencv在图像处理和计算机视觉算法方面无疑是非常强大的，但是其GUI界面却是差强人意。当然原因很简单，这不是OpenCV开发人员关注的重点，他

在之前的一篇博客中已经记录了如何打开一张图片，能打开图片之后，自然就是尝试打开摄像头。在之前打开图片的时候已经知道了怎么应用按钮控件和图片控件，虽然都没记录。。。最最重要的是，知道了怎么让MFC与OpenCV的数据交互——Mat与CImage相互转换。有了之前的基础，打开摄像头就可以得心应手了。还是直接上代码，然后再说问题：void CMFCtestDlg::OnBnClickedButton

本文由@星沉阁冰不语出品，转载请注明作者和出处。文章链接：http://blog.csdn.net/xingchenbingbuyu/article/details/53700027微博：http://weibo.com/xingchenbing 一、模型的保存和加载在我们完成对神经网络的训练之后，一般要把模型保存起来。不然每次使用模型之前都需要先训练模型，对于data hungry的神经网络来说

1.fatal error LNK1112: 模块计算机类型“X86”与目标计算机类型“x64”冲突。  解决方案：参见解决方案

把OpenCV由2.4.10更新到3.0版本，Visual Studio由2010更新到2015社区版。重新配置后问题来了，编译程序老是显示“fatal error LNK1181: 无法打开输入文件“opencv_calib3d2410.lib”。原因是附加依赖项的继承的值仍然是老版本的opencv库，本文解决了如何删除老版本的附加依赖项的问题。

昨天花了一个晚上把MFC入门教程：1天深入浅出MFC看了一遍，虽然示例很少，但是真是让我有种拨云见日的感觉，感谢作者。于是今天就开始实践，按照七十一雾央的博客《MFC游戏开发》笔记三 游戏贴图与透明特效的实现，开始一步一步的跟着做，期间有如下问题。1.资源文件——添加——资源——Bitmap——导入：导入BMP图片失败；解决方法：用系统自带的画图工具另存为bmp图片再导入即

本文并非原创，是在外网上看到的一个实例。原文参见Clock。不是翻译，也不是转载，只是自己实现了下，一点小记录。代码略有改动。过程大致分为两步：第一步，画出时钟；第二步，同步系统时间。其中第一步是跟opencv相关，第二步不太了解，不作过多记录。一个简单的时钟就是线段和圆的组合。包括最外围的圆，60根刻度线（其中12根整点刻度线）和时针分针秒针三根长的线段。画圆最简单：创建一个长宽相等

研究暗通道去雾是去年的事情了，当时正值全国范围内雾霾肆虐。下面这张图片可谓深得人心。但是由于当时水平所限，未能实现。在寒假努力了一个假期终于可以简单的实现一下了，虽然还是有一些奇奇怪怪的问题。。。首先还是简单说下暗通道先验去雾算法，这里只是记录性质，详细推荐看论文，写的非常好：雾图模型I(x) ——待去雾的图像J(x)——无雾图像A——全球大气光成分t——折

由于最开始接触的就是opencv2.0之后的版本，所以之前在看到Opencv1.0版本的C接口写就的代码时，感觉到诸多的不适应不习惯。今天做出了一个小小的突破，那就是见到opencv1.0的代码，我竟然想到用opencv2的C++版本重新实现一遍。顺便还简单了解了两个版本函数的变化和异同。本文前半部分主要参考下面的文章：HighGUI: Creating Interfaces。主要内容就是创建

之前对于Opencv的学习，一直是一种查找资料然后运行别人的代码的状态。自己最多修改个变量什么的。直到上学期期末的时候才开始有意识地给自己让自己解决一些自己提出的问题。也许在大神们看来这些问题太多简单甚至幼稚，但是这就是现在的我给自己找的一些问题。能发出来的都是解决的，还有很多没有解决暂时没办法发出来。只能等不知道什么时候的以后，实现之后再发出来了。现在除了这些小练习之外，还在做的就是实现何凯明的

在假期之前曾试图实现矩形图片对角线分割这么一个简单的任务。结果正方形的实现了，详见 OpenCV实践之路——方形图片对角线切割。矩形的时候总是出现一些我不能理解的错误，大概值指针越界之类的。当时对于图像像素边界的理解非常有限，这就是所谓的历史局限性吧。今天借助IamgeWatch对像素进行了深入的探究之后，详见OpenCV实践之路——像素初探。对于像素操作的理解前所未有地清晰。于是再次去实现了一下

学习opencv和C++已经有一段时间了，现在开始写一些小程序练手。在这里做一个记录。之前在群里看到有人求助如何沿对角线把一幅图像分成两幅图像，自己就试了一下，然而现在只能把方形图片分开，矩形的还在研究中。主要方法就是先把矩形图片resize成方形的，然后用循环分割开来。对于矩形图片的对角线分割，不知道为啥一直能成功。还在研究中。方形图片分割实现代码如下：#include#i

安装ImageWatch之后，对于图片每一个点的像素值一目了然。由于之前对于像素点的操作老是出现各种问题，比如上次想要实现矩形图片的对角线切割就是一直没能成功。今天借助IamgeWatch正好探究下Mat数据结构中像素到底是怎么访问的。我用了一种比较直观的方式来访问像素。即利用at函数： cout (Point(3,2)) = " (Point(3, 2)) << endl (P

Opencv自带文档和教程应该好好利用。以前不知道怎么用，随着学习的深入，以前不知如何下手的东西现在都慢慢地清晰了起来。今天按照opencv的自带教程尝试了IamgeWatch插件的用法，非常好用，非常强大。下面的内容主要是参考下面的文档：Image Watch: viewing in-memory images in the Visual Studio debugger看原文估计

今天本来想到如何自己实现下SIFT呢，就像先学会如何在图像检测出最大值然后再最大值上画圆吧。就是这么简单的不要不要的。慢慢来嘛。于是开始先画圆，然后就停不下来了。。。画个圆之后想着怎么让圆实现下落的效果呢，最后终于还是试出来了。本来实现的更复杂点的，比如小球随机运动，达到windows屏保气泡的效果。但是现在已经是午夜了，先把这个简单的记录下来，复杂的慢慢研究吧。下面是在VS2013中实现的代码

这里只是记录一个网址，因为我按照这个教程配置成功，而且遇到的错误都提到并且解决了。windows环境Caffe安装配置步骤（无GPU）及mnist训练

本文由@星沉阁冰不语出品，转载请注明作者和出处。文章链接：http://blog.csdn.net/xingchenbingbuyu/article/details/53677630微博：http://weibo.com/xingchenbing 在之前的博客中我们已经实现了Net类的设计和前向传播和反向传播的过程。可以说神经网络的核心的部分已经完成。接下来就是应用层面了。要想利用神经网络解决实际

本文由@星沉阁冰不语出品，转载请注明作者和出处。文章链接：http://blog.csdn.net/xingchenbingbuyu/article/details/53698627微博：http://weibo.com/xingchenbing 在上一篇博客的结尾提到了神经网络的预测函数predict()，说道predict调用了forward函数并进行了输出的解析，输出我们看起来比较方便的值。

之前一直觉得人脸检测是非常麻烦的，即使是用opencv，麻烦到我都不敢去碰。这两天仔细看了下，如果只是调用opencv自带的分类器和函数的话，简直是简单。这不，正好最近也在学习Python，索性就用C++和Python两种语言都实现一下。当然，我现在这个是最简单的版本。步骤：调用opencv训练好的分类器和自带的检测函数检测人脸人眼等的步骤简单直接：1.加载分类器，当然分类器事先要放在