GVKun编程网logo

Python OpenCV 图像处理之图像直方图，取经之旅第 23 天（python opencv直方图均衡）

1

最近很多小伙伴都在问PythonOpenCV图像处理之图像直方图，取经之旅第23天和pythonopencv直方图均衡这两个问题，那么本篇文章就来给大家详细解答一下，同时本文还将给你拓展36篇博文带你

最近很多小伙伴都在问Python OpenCV 图像处理之图像直方图，取经之旅第 23 天和python opencv直方图均衡这两个问题，那么本篇文章就来给大家详细解答一下，同时本文还将给你拓展36 篇博文带你学完 opencv :python+opencv 进阶版学习笔记目录、AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)、cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:、OpenCV - Windows（win10）编译 opencv + opencv_contrib等相关知识，下面开始了哦！

本文目录一览：

Python OpenCV 图像处理之图像直方图，取经之旅第 23 天（python opencv直方图均衡）

Python OpenCV 图像处理之图像直方图，取经之旅第 23 天（python opencv直方图均衡）

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。

Python OpenCV

    • 基础知识铺垫
    • matplotlib 中 pyplot 绘制直方图
      • 函数原型介绍
    • python opencv 直方图（histogram）
      • 函数原型介绍
      • 彩色图像，不同通道的直方图
    • 直方图均衡化 （Histogram Equalization）
      • 函数原型介绍
    • 橡皮擦的小节

基础知识铺垫

截止到本篇博客，已经第二次听到直方图这个概念了，有必要将其搞懂。

图像直方图（histogram）是图像统计学特征，用来统计像素值出现的频次，常用在分析图像的基本特征。

创建直方图一般分为两个步骤：

  1. 统计数据
  2. 绘制直方图

直方图的定义

  • 横坐标：图像中各个像素点的灰度级
  • 纵坐标：该灰度级的像素个数

绘制直方图需要 matplotlib 库，这个需要自行安装一下。

matplotlib 中 pyplot 绘制直方图

在 pyplot 中提供了一个绘制直方图的函数，名称为 hist。

函数原型介绍

matplotlib.pyplot.hist() 函数原型如下

(n, bins, patches)=matplotlib.pyplot.hist(x, bins=None, range=None, density=None, weights=None,
cumulative=False, bottom=None, histtype=''bar'', align=''mid'', orientation=''vertical'',
rwidth=None, log=False, color=None, label=None, stacked=False, normed=None, *, data=None, **kwargs)

参数非常多，实际应用中只需掌握几个重要参数。

最简单的测试代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成数据，以 10000 组均值为0，标准差为 1 的高斯分布数据为例
data = np.random.normal(0,1,10000)

n, bins, patches = plt.hist(data)
plt.show()

运行效果如下：
Python OpenCV 图像处理之图像直方图，取经之旅第 23 天

其中，np.random.normal(0,1,10000) 函数说明如下，np.random.normal() 是一个正态分布，normal这里是正态的意思。

该函数原型为：

numpy.random.normal(loc=0.0, scale=1.0, size=None)

参数说明如下：

  • loc：概率分布的均值，对应着整个分布的中心 center
  • scale：概率分布的标准差，对应于分布的宽度，scale 越大，越矮胖，scale 越小，越瘦高
  • size：数据类型为 int or tuple of ints， 输出的 shape，默认为 None，只输出一个值

其实该函数的目的就是，输出为高斯分布的一组数或一个值。
简单案例：

data = np.random.normal(loc=0, scale=1, size=2)
print(data)

继续回顾 matplotlib.pyplot.hist() 函数的相关参数（官网说明）：

只选取其中比较重要的几个参数如下：

  • x：(n,) array or sequence of (n,) arrays
    指定要绘制直方图的数据,必须是一维数组.使用.ravel()将你的通道值转为一维数组
  • bins：integer or sequence or ‘auto’, optional
    指定直方图条形的个数，integer 或 auto,也可以不设置.举例[1,2,3,4],则第一个柱为取值[1,2),一次类推,最后一个是取值[3,4].默认 taken from the rcParam hist.bins.
  • range：tuple or None, optional
    数组或者不给.给出数组将指定直方图数据的上下界，超出范围的舍弃.不设置的话包含绘图数据的最大值和最小值；默认为 None

基于上述内容，将一副图像的直方图显示出来。

做一些准备工作

  • x： 图像，必须是一维数组
  • 其中函数 ravel b = a.ravel()
    功能： 将多维数组降为一维数组
    格式： 一维数组=多维数组.revel()
  • bins： 一般是 256，指[0, 255]

以上内容掌握之后，就可以处理图像的直方图了，代码如下：

import cv2
from matplotlib import pyplot as plt


def plot_demo(image):
    # numpy 的 ravel 函数功能是将多维数组降为一维数组
    plt.hist(image.ravel(), 256, [0, 256])
    plt.show()


if __name__ == "__main__":
    img = cv2.imread("./106.jpg")
    cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
    cv2.imshow("input image", img)
    plot_demo(img)

    cv2.waitKey(0)
    cv2.destroyAllWindows()

Python OpenCV 图像处理之图像直方图，取经之旅第 23 天

python opencv 直方图（histogram）

函数原型介绍

在 Python OpenCV 中实现直方图的函数为cv2.calcHist，原型如下：

# 返回 hist
cv2.calcHist(img, channels, mask, histSize, ranges[, hist[, accumulate ]])

参数说明：

  • img：图像，方括号方式传入，即[img]；
  • channels：选取图像的哪个通道，用方括号给出的，计算直方图的 channel 的索引，如果输入时灰度图，值就是 [0]，对于彩色图片，你可以传 [0] ，[1] 和 [2] 来分别计算蓝色，绿色和红色通道的直方图；
  • mask：掩膜，如果要找整个图像的直方图，这里传入"None"。如果你想找到特定区域图片的直方图，需要使用掩膜，只计算值>0 的位置上像素的颜色直方图
  • histSize：直方图大小，BINS 数量（BINS 是啥，下面细说），要方括号传入，对于全刻度，传入 [256]
  • ranges：直方图范围，一般来说是[0,256]

关于上文提及的 BINS 等内容涉及直方图如下概念：

  • BINS: 在上面的直方图当中，如果像素值是 0 到 255，则需要 256 个值来显示直方图。
    但是，如果不需要知道每个像素值的像素数目，只想知道两个像素值范围内的像素点数目即可？首先像素值在 0--15 之间的像素点数目，然后是 16--31 ……直到 240--255，即每次间隔 16 个数字，将 256 个值分成 16 份，每份计算综合。每个分成的小组就是一个 BIN（箱）。在 opencv 中使用 histSize 表示 BINS。

彩色图像，不同通道的直方图

首先绘制蓝色通道的直方图，代码如下：

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img = cv.imread(''./106.jpg'')
hist = cv.calcHist([img], [0], None, [256], [0,256])

plt.plot(hist, label=''B'', color=''b'')
plt.show()

运行结果如下：
Python OpenCV 图像处理之图像直方图，取经之旅第 23 天
三个通道同时绘制代码如下：

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img = cv.imread(''./106.jpg'')
color = (''b'', ''g'', ''r'')
for i, col in enumerate(color):

    hist = cv.calcHist([img], [i], None, [256], [0, 256])
    plt.plot(hist, color=col)
    plt.xlim([0, 256])
plt.show()

BGR 直方图如下：
Python OpenCV 图像处理之图像直方图，取经之旅第 23 天

直方图均衡化 （Histogram Equalization）

如果图像的灰度分布不均匀，集中在一个比较窄的范围内，这样图像的细节就会不清晰，对比度低。

这种情况可以使用直方图均衡化，对图像进行非线性拉伸，重新分配图像的灰度值，使一定范围内图像的灰度值大致相等。

执行之后，直方图中间峰值部分对比度增强，两侧谷底部分对比度降低。图像的灰度范围拉伸之后，灰度均匀分布，反差增大，增强图像细节。

理论的东西就是上面那些了，实操起来才可以看到效果。

函数原型介绍

使用 cv2.equalizeHist 方法来得到直方图均衡化之后的图像，函数原型如下：

cv2.equalizeHist(src[, dst])

参数说明：

  • src：源图像。图像必须是灰度图。
  • dst：目标图像。

测试代码如下：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

image = cv.imread("2o.jpg")
# 将图片转换为灰度图
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
cv.imshow("gray", gray)

# 直方图绘制
hist = cv.calcHist([gray], [0], None, [256], [0, 256])
plt.plot(hist)
plt.show()

# 应用直方图均衡化
dst = cv.equalizeHist(gray)
cv.imshow("dst", dst)

# 直方图绘制
hist = cv.calcHist([dst], [0], None, [256], [0, 256])
plt.plot(hist)
plt.show()

运行结果与直方图：

Python OpenCV 图像处理之图像直方图，取经之旅第 23 天

运行直方图均衡化之后的图像如下：
Python OpenCV 图像处理之图像直方图，取经之旅第 23 天
上述案例为灰度图直方图均衡化，对于彩色图像一样可以进行图像增强操作。

import cv2 as cv
import numpy as np
img = cv.imread(''th.jpeg'')
cv.imshow(''img'', img)
b, g, r = cv.split(img)
bH = cv.equalizeHist(b)
gH = cv.equalizeHist(g)
rH = cv.equalizeHist(r)
dst = cv.merge((bH, gH, rH))
cv.imshow(''dst'', dst)
cv.waitKey(0)

使用cv2.split函数分离图像的颜色通道，分别得到各个通道的直方图，再使用cv2.merge函数合并各通道，得到彩色图像的直方图均衡化。

Python OpenCV 图像处理之图像直方图，取经之旅第 23 天
以上提及的叫做全局直方图均衡化，下面为大家在介绍一下局部直方图均衡化。

局部直方图均衡化在有的地方也被叫做 CLAHE 有限对比适应性直方图均衡化。

大概实现过程如下：
整幅图像会被分成很多小块，这些小块被称为 “tiles”（tiles 的默认大小是 8x8），然后再对每一个小块分别进行直方图均衡化。

函数原型如下：

cv2.createCLAHE(clipLimit, tileGridSize)

参数说明：

  • clipLimit：对比度限制的阈值
  • tileGridSize：图像分割每块的尺寸，默认 8x8

运行下述代码，得到的结果可以与全局直方图均衡化做一下比较。

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

image = cv.imread("2o.jpg")
# 将图片转换为灰度图
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
cv.imshow("gray", gray)

# 直方图绘制
hist = cv.calcHist([gray], [0], None, [256], [0, 256])
plt.plot(hist)
plt.show()

# 应用直方图均衡化
# 1. 实例化自适应直方图均衡化函数
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
# 2. 进行自适应直方图均衡化
dst = clahe.apply(gray)
cv.imshow("dst", dst)

# 直方图绘制
hist = cv.calcHist([dst], [0], None, [256], [0, 256])
plt.plot(hist)
plt.show()

Python OpenCV 图像处理之图像直方图，取经之旅第 23 天

橡皮擦的小节

今天重点学习了一下直方图，写了这么多，只有一个原因，就是这是第二次碰到了，当一个知识点再次出现时，就要在进一步的学习下，因为大概率它是重点知识。

相关阅读

  1. Python 爬虫 100 例教程，超棒的爬虫教程，立即订阅吧
  2. Python 爬虫小课，精彩 9 讲

今天是持续写作的第 65 / 100 天。
如果你有想要交流的想法、技术，欢迎在评论区留言。

如果你想跟博主建立亲密关系，可以关注博主，或者关注博主公众号 “非本科程序员”，了解一个非本科程序员是如何成长的。
博主 ID：梦想橡皮擦，希望大家点赞、评论、收藏

本文同步分享在 博客“梦想橡皮擦”（CSDN）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

36 篇博文带你学完 opencv :python+opencv 进阶版学习笔记目录

36 篇博文带你学完 opencv :python+opencv 进阶版学习笔记目录

基础版学习笔记传送门
36 篇博文带你学完 opencv ：python3+opencv 学习笔记汇总目录（基础版）

进阶版笔记

项目
opencv 进阶学习笔记 1： 调用摄像头用法大全（打开摄像头，打开摄像头并实时不断截屏，读取视频并截图）
opencv 进阶学习笔记 2：numpy 操作图像，色彩空间，查找指定颜色范围，通道分离与合并
opencv 进阶学习笔记 3：像素运算和图像亮度对比度调节
opencv 进阶学习笔记 4：ROI 和泛洪扩充
opencv 进阶学习笔记 5：图像模糊操作，图像锐化，边缘保留滤波 EPF（图像滤镜）
opencv 进阶学习笔记 6：使用鼠标在图像上绘制矩形框或者多边形框
opencv 进阶学习笔记 7：直方图，直方图均衡化，直方图比较，直方图反向投影
opencv 进阶学习笔记 8：模板匹配
opencv 进阶学习 9：图像阈值大全，图像二值化，超大图像二值化
opencv 进阶学习笔记 10：图像金字塔和图像梯度
opencv 进阶学习笔记 11：cannny 边缘检测，直线检测，圆检测
opencv 进阶学习笔记 12：轮廓发现和对象测量
opencv 进阶学习笔记 13：图像形态学操作大全（膨胀，腐蚀，开闭，黑帽，顶帽，梯度）python 版
opencv 进阶学习笔记 14：分水岭算法 实现图像分割

OpenCV 告一段落，接下来，该实战啦。
计算机视觉三大任务，分类，监测，分割。
意见其他一些任务…
图像生成，OCR…


电气专业的计算机萌新，写博文不容易，如果你觉得本文对你有用，请点个赞支持下，谢谢。

AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)

AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)

如何解决AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)

我决定尝试 Ar 是什么，但遇到了以下问题：

  1. File "C:/Users/Егор/PycharmProjects/ARfotoandvideo/AR.py",line 25,in <module>
  2. macthes = bf.knnMatch(des1,des2,k=2)
  3. cv2.error: OpenCV(4.5.1) C:\\Users\\appveyor\\AppData\\Local\\Temp\\1\\pip-req-build-0ycehs0d\\opencv\\modules\\core\\src\\batch_distance.cpp:275: error: (-215:Assertion Failed) type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U) in function ''cv::batchdistance''

堆栈：

  • Windows 8.1 一种语言
  • Python 3.7.7
  • Pycharm 社区 2018.3.7
  • Opencv-python 4.5.1.48
  • 网络摄像头 - 在笔记本电脑上，我无法通过 wifi 连接通过 Droidcam 应用程序使用小米手机 Redmy 的摄像头。

信息

我将尝试描述之前发生的错误以及我是如何解决它们的 - 也许这会告诉您需要做什么来解决问题。

在程序执行期间，在从网络摄像头接收图像时发生崩溃 - 正如它本身所表现的那样，当程序启动时，来自网络摄像头的图像提供单色背景（在我的情况下，绿松石） ，当我通过点击X强行关闭所有窗口后，窗口中的数据被刷新并获得正确的图像。 cv2.waitKey (100) 部分解决了这个问题，其中更改 100 的值会导致来自网络摄像头的图像出现，!!!!但 ！！！因为有失败，所以没有确定性。

尝试将 cv2.error 中所有可能的错误原因联系起来后，我得出的结论是问题出在 1 和 2 图像上的描述符中。我想指出的是，当网络摄像头相对于图像移动（不是缩放，而是前后移动）时，在 30 种情况下的 1-2 种情况下，它有助于启动程序并正常工作而不会崩溃。>

我的代码

  1. import cv2
  2. import numpy as np
  4. cap = cv2.VideoCapture(1,cv2.CAP_DSHOW)
  5. imgTarget = cv2.imread(''foto.jpg'')
  6. myVid = cv2.VideoCapture(''video.mp4'')
  8. success,imgVideo = myVid.read()
  9. hT,wT,cT = imgTarget.shape
  10. imgVideo = cv2.resize(imgVideo,(wT + 400,hT))
  12. orb = cv2.ORB_create(nfeatures=10)
  13. kp1,des1 = orb.detectAndCompute(imgTarget,None)
  14. imgTarget = cv2.drawKeypoints(imgTarget,kp1,None)
  16. while True:
  17.     success,imgWebcam = cap.read()
  18.     kp2,des2 = orb.detectAndCompute(imgWebcam,None)
  19.     imgWebcam = cv2.drawKeypoints(imgWebcam,kp2,None)
  20.     # imgWebcam = cv2.resize(imgWebcam,(wT,hT))
  22.     bf = cv2.BFMatcher()
  23.     macthes = bf.knnMatch(des1,k=2)
  25.     good = []
  27.     for m,n in macthes:
  28.         if m.distance < 0.75 * n.distance:
  29.             good.append(m)
  30.     print(len(good))
  31.     imgFeatures = cv2.drawMatches(imgTarget,imgWebcam,good,None,flags=2)
  32.     if len(good) > 20:
  33.         srcPts = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1,1,2)
  34.         dstPts = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1,2)
  36.         matrix,mask = cv2.findHomography(srcPts,dstPts,cv2.RANSAC,5)
  37.         print(matrix)
  39.         pts = np.float32([[0,0],[0,wT],[wT,hT],0]]).reshape(-1,2)
  40.         dst = cv2.perspectiveTransform(pts,matrix)
  41.         img2 = cv2.polylines(imgWebcam,[np.int32(dst)],True,(255,255),3)
  43.     cv2.imshow(''img2'',img2)
  44.     cv2.imshow(''imgFeatures'',imgFeatures)
  45.     cv2.imshow(''imgTarget'',imgTarget)
  46.     cv2.imshow(''myVid'',imgVideo)
  47.     cv2.imshow(''imgWebcam'',imgWebcam)
  48.     cv2.waitKey(100)

cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:

cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:

image1=Image.fromarray(cv2.cvtColor(image01,cv2.COLOR_BGR2RGB))
cv2.error: OpenCV(4.1.2) /io/opencv/modules/imgproc/src/color.cpp:182: error: (-215:Assertion failed) !_src.empty() in function ''cvtColor''

这个错误纠结了一周，网上找遍了答案，加上自己根据他们错误找，大多数都是图片路径，或者图片本身的错误

 

我自己的错误是 xml 转 json 文件出错，在看完一周重新分割数据以及转 json，终于可以运行。

 

这类错误大多数是图片路径读取有问题，大家可以先去找图片路径拼接那块是不是出现 None，可以适当打印出路径来调试，当然出现这种错误，最先看看，自己对图片的处理是不是正确的，基本上跑源码，除了个别修改配置文件，其他没问图，所以最讨厌的问题得抓最核心的地方，毕竟时间宝贵！！！

OpenCV - Windows（win10）编译 opencv + opencv_contrib

OpenCV - Windows（win10）编译 opencv + opencv_contrib

　　在之前的几篇文章中，我提到了在 Android、Linux 中编译 opencv + opencv_contrib，这篇文章主要讲在 Windows 中编译 opencv + opencv_contrib。

首先需要准备的环境有：

  • Window 10 64 位：这个大家都知道，就不多说了啊；
  • Cmake：编译工具，可以 https://cmake.org/download/ 下载安装，当前的最新版本为 3.10.1；
  • Visual Studio：开发工具，编译的时候也需要用到，我安装的是 Visual Studio 2015。
  • OpenCV Windows 包，下载地址：https://opencv.org/releases.html；
  • OpenCV_Contrib 包，下载地址：https://github.com/opencv/opencv_contrib（注意版本对应）。

　　将下载得到的 OpenCV Windows 包解压，目录为 opencv，然后将下载的 OpenCV_Contrib 包解压放入 opencv 目录下，新建 new_build 文件夹（用来放编译之后结果）：

　　　　

使用 cmake 生成 OpenCV.sln：

　　打开安装之后的 cmake，在 where is the source code 中选择 openCV 的源代码目录：F:\opencv\sources；在 where to build the binaries 中选择编译为 Visual Studio 项目的目录：F:\opencv\new_build（这里我选择刚刚特地建立的 new_build 目录），如下图所示：

　　　　

　　点击 Configure 按钮后，弹出对话框，选择编译器，根据本地计算机的 CPU 架构，这里特别要注意的是，自己机器上是否装有相应的 VS 版本，如果没有装，还是要编译就会出错，可能是找不到对应的工具原因，以及选择 X86 和 X64），这里用的是 VS 2015。

　　　　

　　设置完成之后点击 “Generate” 开始生成工程，. 第一次编译完成之后，我们需要将额外的 opencv_contrib 加到工程中进行第二次编译，在配置表中找到 “OPENCV_EXTRA_MODULES_PATH”, 设置其参数值为 open_contrib 源码包中的 modles 目录，我的目录是 “F:\opencv\opencv_contrib\modules”：

　　　　

　　再次点击 “Generate” 进行第二次编译：

　　　　

　　这时候我们已经可以看见用 cmake 工具编译得到的 OpenCV.sln：

　　　　

用 VS 打开 OpenCV.sln 工程，编译生成 Debug 和 Release 库：

　　用 VS 2015 打开 OpenCV.sln 工程，在解决方案中可以查看工程目录：

　　　　

　　编译生成 debug 版本的库，记得在此之前要选择编译的平台信息，这就是编译生成 debug 版本和 release 版本的区别，也可以选择 release，因为自己的工程可能要用到相应的动态链接库：

　　　　

　　在解决方案中选中工程，右键选择重新生成解决方案：

　　　　

　　编译成功：

　　　　

　　. 找到 CMakeTargets 中的 INSTALL，然后右键选择 “仅限于项目”-->“仅生成 INSTALL”：

　　　　

　　完成编译后，Release 模式下同理。此时，有了 install 目录。该目录包含了我们需要的头文件、库文件。

　　　　

把新的库文件配置到到项目中：

 　　VC++ 目录 --> 包含目录，添加：

　　　　E:\OpenCV320\opencv\new_build\install\include

　　VC++ 目录 --> 库目录，添加：

　　　　E:\OpenCV320\opencv\new_build\install\x64\vc14\lib

　　链接器 --> 输入 --> 附加依赖项，添加： (注意添加的库与编译选项要一致，需要注意 debug 比 release 的文件名多了个 d)

　　　　opencv_aruco320.lib

　　　　opencv_aruco320d.lib

　　　　opencv_bgsegm320.lib
　　　　opencv_bgsegm320d.lib
　　　　opencv_bioinspired320.lib
　　　　opencv_bioinspired320d.lib
　　　　opencv_calib3d320.lib
　　　　opencv_calib3d320d.lib
　　　　opencv_ccalib320.lib
　　　　opencv_ccalib320d.lib
　　　　opencv_core320.lib
　　　　opencv_core320d.lib
　　　　opencv_datasets320.lib
　　　　opencv_datasets320d.lib
　　　　opencv_dnn320.lib
　　　　opencv_dnn320d.lib
　　　　opencv_dpm320.lib
　　　　opencv_dpm320d.lib
　　　　opencv_face320.lib
　　　　opencv_face320d.lib
　　　　opencv_features2d320.lib
　　　　opencv_features2d320d.lib
　　　　opencv_flann320.lib
　　　　opencv_flann320d.lib
　　　　opencv_fuzzy320.lib
　　　　opencv_fuzzy320d.lib
　　　　opencv_highgui320.lib
　　　　opencv_highgui320d.lib
　　　　opencv_imgcodecs320.lib
　　　　opencv_imgcodecs320d.lib
　　　　opencv_line_descriptor320.lib
　　　　opencv_line_descriptor320d.lib
　　　　opencv_ml320.lib
　　　　opencv_ml320d.lib
　　　　opencv_objdetect320.lib
　　　　opencv_objdetect320d.lib
　　　　opencv_optflow320.lib
　　　　opencv_optflow320d.lib
　　　　opencv_phase_unwrapping320.lib
　　　　opencv_phase_unwrapping320d.lib
　　　　opencv_photo320.lib
　　　　opencv_photo320d.lib
　　　　opencv_plot320.lib
　　　　opencv_plot320d.lib
　　　　opencv_reg320.lib
　　　　opencv_reg320d.lib
　　　　opencv_rgbd320.lib
　　　　opencv_rgbd320d.lib
　　　　opencv_saliency320.lib
　　　　opencv_saliency320d.lib
　　　　opencv_shape320.lib
　　　　opencv_shape320d.lib
　　　　opencv_stereo320.lib
　　　　opencv_stereo320d.lib
　　　　opencv_stitching320.lib
　　　　opencv_stitching320d.lib
　　　　opencv_structured_light320.lib
　　　　opencv_structured_light320d.lib
　　　　opencv_superres320.lib
　　　　opencv_superres320d.lib
　　　　opencv_surface_matching320.lib
　　　　opencv_surface_matching320d.lib
　　　　opencv_text320.lib
　　　　opencv_text320d.lib
　　　　opencv_tracking320.lib
　　　　opencv_tracking320d.lib
　　　　opencv_video320.lib
　　　　opencv_video320d.lib
　　　　opencv_videoio320.lib
　　　　opencv_videoio320d.lib
　　　　opencv_videostab320.lib
　　　　opencv_videostab320d.lib
　　　　opencv_xfeatures2d320.lib
　　　　opencv_xfeatures2d320d.lib
　　　　opencv_ximgproc320.lib
　　　　opencv_ximgproc320d.lib
　　　　opencv_xobjdetect320.lib
　　　　opencv_xobjdetect320d.lib
　　　　opencv_xphoto320.lib
　　　　opencv_xphoto320d.lib
　　　　kernel32.lib
　　　　user32.lib
　　　　gdi32.lib
　　　　winspool.lib
　　　　comdlg32.lib
　　　　advapi32.lib
　　　　shell32.lib
　　　　ole32.lib
　　　　oleaut32.lib
　　　　uuid.lib
　　　　odbc32.lib
　　　　odbccp32.lib

　　这样，我们就可以在 VS 中使用 OpenCV 了。

 

　　需要提到的一个点，所需要使用 Sift 等算法，需要引入 xfeatures2d 命名空间：

using namespace xfeatures2d;

 

 　　

我们今天的关于Python OpenCV 图像处理之图像直方图，取经之旅第 23 天和python opencv直方图均衡的分享就到这里，谢谢您的阅读，如果想了解更多关于36 篇博文带你学完 opencv :python+opencv 进阶版学习笔记目录、AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)、cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:、OpenCV - Windows（win10）编译 opencv + opencv_contrib的相关信息，可以在本站进行搜索。

本文标签：

上一篇Python OpenCV 边缘滤波保留（EPF）（python opencv 边缘检测）

下一篇Python OpenCV 图像处理之直方图的应用，取经之旅第 24 天（python opencv直方图均衡）

相关文章