基于OpenCV+Python实现的手势识别项目完整源码+数据集+项目使用说明.7z 本项目需要 PyCharm 来运行 可以在创建项目的时候，创建 Python 运行环境，建议使用anaconda来配置。 带数据集，可训练模型 【基础包需要安装】 pip install numpy pip install scipy pip install python-tk 直接运行myGUI或者main即可，也可以自己修改一些参数重新训练模型。

基于opencv和python的车牌识别

基于opencv的手势识别，可以在一个窗口上显示手势和识别到底是哪个手势。 用C语言实现的。 基于opencv的手势识别，可以在一个窗口上显示手势和识别到底是哪个手势。 用C语言实现的。

基于Opencv+Pyqt5+python实现人脸互换人脸融合人脸特效人脸生成多功能系统完整源码+代码注释+项目说明.zip， 带【GUI界面】 【项目说明】 主要是利用Opencv提供的函数在人脸上实现多功能的特效 在本项目中，实现了一个多功能美颜相机，其中实现了对人脸数据的十种处理：人脸互换（faceswap）、人脸融合（facemorph），人脸特效，人脸检测，人脸美颜，人脸磨皮，调节亮度，调节饱和度，滤镜，风格变换等功能。 本次项目全部使用 Python 编写，在项目设计上遵循着配置灵活、代码模块化的思路，其中功能模块分为调节美颜，人脸识别，人脸替换，人脸融合，人脸迁移，人脸特效，证件照生成等七个功能模块。 界面模块分为调节美颜，人脸迁移，人脸识别，人脸替换，人脸融合，证件照，生成等六个界面模块，其中调节美颜所在界面模块为主界面模块。 界面和功能模块间的逻辑关系大致为：每个界面模块对应其相应的功能模块，界面为交互式界面，触发界面调用对应的功能。

基于OpenCV+VS2013实现的图像行方向循环移位，适用于3通道或单通道图像，移位起始点是0到高度之内的随机整数。若需列方向循环移位，可首先旋转原图。

基于opencv传统数字图像处理实现车道线检测_python_c++源码+项目说明.7z 【实现方法】 实现车道线检测，主要包含两部分操作 道路图像的处理，主要包括灰度图转换、基于高斯平滑的图像去噪、基于Canny算法的边缘提取。 车道线检测方法，主要包括获取感兴趣区域（ROI）、形态学闭运算、基于Hough变换的直线检测。

基于openCV的鱼群密度速度检测程序.zip python语言实现。 基于openCV的鱼群密度速度检测程序.zip python语言实现。 基于openCV的鱼群密度速度检测程序.zip python语言实现。 基于openCV的鱼群密度速度检测程序.zip python语言实现。基于openCV的鱼群密度速度检测程序.zip python语言实现。基于openCV的鱼群密度速度检测程序.zip python语言实现。 基于openCV的鱼群密度速度检测程序.zip python语言实现。 基于openCV的鱼群密度速度检测程序.zip python语言实现。 基于openCV的鱼群密度速度检测程序.zip python语言实现。基于openCV的鱼群密度速度检测程序.zip python语言实现。基于openCV的鱼群密度速度检测程序.zip python语言实现。 基于openCV的鱼群密度速度检测程序.zip python语言实现。 基于openCV的鱼群密度速度检测程序.zip python语言实现。 基于openCV的鱼群密度速度检测程序.zip python语言实现。基

本文实例讲述了Python实现将照片变成卡通图片的方法。分享给大家供大家参考，具体如下： 之前的文章介绍了使用Photoshop将照片变成卡通图片，今次介绍用代码来实现这项任务，可以就此探查各种滤镜的内部机制。 制作环境：Windows10，Python2.7，Anaconda 任务描述：将D盘某文件夹中的所有图片使用代码进行卡通化，然后保存到另一文件夹中。 如前文所述，卡通化的关键是强化边缘与减少色彩，所以使用Photoshop进行卡通化的时候就使用了照亮边缘和干笔画的滤镜来处理。使用代码处理图片的时候也是在对边缘和色彩上做文章。以下使用OpenCV库来对照片处理，大致分为四步来完成。 1.

1.引言 　　OpenCV（Intel·Open Source Computer Vision Library）是Intel 公司面向应用程序开发者开发的计算机视觉库，其中包含大量的函数用来处理计算机视觉领域中常见的问题，例如运动分析和跟踪、人脸识别、3D 重建和目标识别等[1].可以通过访问https://www.source- forge.net/projects/opencvlibrary 获得OpenCV 库以及相关的资料。另外， 还可以通过访问https://www.yahoogroups.com/group/OpenCV, 对于OpenCV使用中的一些问题与经验进行讨论。 　　

对车辆轮廓进行检测。运用一种基于开源计算机视觉库OpenCV的轮廓检测新方法。首先对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等预处理 ，获得二值化黑白图像。然后通过轮廓提取和跟踪检测到车辆外轮廓线在Python环境下，利用 OpenCV编程实现了此方法。 通过提取全景图，在图像场景中由于目标和背景的温差较小，从而导致图像的对比度很低，为了提高图像的对比度，增强图像。虽然图像增强并不能增加图像数据中的信息量，但是它却能够增加所选择特征的动态范围，从而使这些特征更容易地被检测和识别，并进行后期树木消除，并得到相对清晰的原树模型与对比示意，并反馈车辆进行前期预警。 OpenCV提供的视觉处理算法非常丰富，并且以Python语言编写，加上其开源的特性，处理得当，不需要添加新的外部支持也可以完整的编译链接生成执行程序。不同的树木视觉图像是千差万别的，虽然我们可以把树木的主要特征提取出来，但是其视觉图像背景不可避免会出现一些干扰因素。我们可以采用面积法，利用OpenCV强大的数据库，即可计算出整个轮廓或者部分轮廓的面积，进入引导OpenCV进入前期检测与追踪的开展，进而支持智能驾驶。