摘要:使用滑動(dòng)條來(lái)調(diào)整函數(shù)參數(shù)版本引言在觀察中某個(gè)函數(shù)在不同參數(shù)的情況下,所得到的效果的時(shí)候,我之前是改一次參數(shù)運(yùn)行一次,這樣做起來(lái)操作麻煩,效率低下。
OpenCV 使用滑動(dòng)條來(lái)調(diào)整函數(shù)參數(shù) Python版本 引言
在觀察OpenCV中某個(gè)函數(shù)在不同參數(shù)的情況下,所得到的效果的時(shí)候,我之前是改一次參數(shù)運(yùn)行一次,這樣做起來(lái)操作麻煩,效率低下。為了更便捷的觀察參數(shù)變化時(shí)帶來(lái)的處理效果改變 可以使用滑動(dòng)條來(lái)改變參數(shù)
具體思路使用cv2.createTrackbar()創(chuàng)建滑動(dòng)條,有幾個(gè)參數(shù)就創(chuàng)建幾個(gè)
對(duì)每個(gè)參數(shù)定義回調(diào)函數(shù)
在回調(diào)函數(shù)中顯示圖片
注意 滑動(dòng)條的窗口名稱 要與 圖片顯示的窗口名字相同
代碼實(shí)現(xiàn)</>復(fù)制代碼
import cv2
d = 0
color = 0
space = 0
def change_d(x):
d = x
blur = cv2.bilateralFilter(img,d,color,space)
cv2.imshow("myImg",blur)
def change_color(x):
color = x
blur = cv2.bilateralFilter(img,d,color,space)
cv2.imshow("myImg",blur)
def change_space(x):
space = x
blur = cv2.bilateralFilter(img,d,color,space)
cv2.imshow("myImg",blur)
img = cv2.imread("car2.jpeg")
cv2.namedWindow("myImg")
cv2.createTrackbar("d","myImg",1,500,change_d)
cv2.createTrackbar("color","myImg",1,500,change_color)
cv2.createTrackbar("space","myImg",1,500,change_space)
while(1):
k = cv2.waitKey(1)&0xFF
if k==27:
break
d = cv2.getTrackbarPos("d","myImg")
color = cv2.getTrackbarPos("color","myImg")
space = cv2.getTrackbarPos("space","myImg")
cv2.destroyAllWindows()
效果展示
文章版權(quán)歸作者所有,未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址:http://m.specialneedsforspecialkids.com/yun/45115.html
摘要:滑動(dòng)條操作軌道欄名稱窗口名稱參數(shù)的默認(rèn)值參數(shù)的最大值執(zhí)行的回調(diào)函數(shù)應(yīng)用創(chuàng)建一個(gè)簡(jiǎn)單的應(yīng)用程序,顯示您指定的顏色。在我們的應(yīng)用程序中,創(chuàng)建了一個(gè)開(kāi)關(guān),其中應(yīng)用程序僅在開(kāi)關(guān)打開(kāi)時(shí)有效,否則屏幕始終為黑色打開(kāi)開(kāi)關(guān),滑動(dòng)滑動(dòng)條 Trackbar as the Color Palette 滑動(dòng)條操作 cv2.createTrackbar(trackbarName, windowName, va...
摘要:我盡可能對(duì)深度學(xué)習(xí)目標(biāo)檢測(cè)器的組成做一個(gè)概述,包括使用預(yù)訓(xùn)練的目標(biāo)檢測(cè)器執(zhí)行任務(wù)的源代碼。當(dāng)我們理解了什么是目標(biāo)檢測(cè)時(shí),隨后會(huì)概述一個(gè)深度學(xué)習(xí)目標(biāo)檢測(cè)器的核心模塊。方法傳統(tǒng)的目標(biāo)檢測(cè)技術(shù)路線第一個(gè)方法不是純端到端的深度學(xué)習(xí)目標(biāo)檢測(cè)器。 目標(biāo)檢測(cè)技術(shù)作為計(jì)算機(jī)視覺(jué)的重要方向,被廣泛應(yīng)用于自動(dòng)駕駛汽車、智能攝像頭、人臉識(shí)別及大量有價(jià)值的應(yīng)用上。這些系統(tǒng)除了可以對(duì)圖像中的每個(gè)目標(biāo)進(jìn)行識(shí)別、分類以外...
閱讀 3650·2021-11-19 09:40
閱讀 3103·2019-08-30 15:54
閱讀 2322·2019-08-30 15:44
閱讀 3202·2019-08-29 15:35
閱讀 3340·2019-08-29 12:22
閱讀 2869·2019-08-28 18:01
閱讀 3155·2019-08-26 13:54
閱讀 912·2019-08-26 12:24