我們將使用 Haar 級聯分類器來檢測影像中的車牌號碼。Haar 級聯分類器是一種有效的目標檢測方法，它是一種基於機器學習的方法。為了訓練車牌分類器，演算法最初需要大量的正樣本影像（車牌影像）和負樣本影像（沒有車牌的影像）。分類器根據這些正樣本和負樣本影像進行訓練，然後用於檢測其他影像中的目標（車牌）。我們可以使用已經訓練好的 Haar 級聯進行目標檢測。如何下載 Haarcascade？您可以找到不同的……閱讀更多

我們將使用 Haar 級聯分類器來檢測影像中的微笑。Haar 級聯分類器是一種有效的目標檢測方法，它是一種基於機器學習的方法。為了訓練用於微笑檢測的 Haar 級聯分類器，演算法最初需要大量的正樣本影像（帶有微笑的影像）和負樣本影像（沒有微笑的影像）。然後，根據這些正樣本和負樣本影像訓練分類器，然後用於檢測其他影像中的微笑。我們可以使用已經訓練好的 Haar 級聯進行微笑檢測。對於輸入影像中的微笑檢測，我們需要兩個 Haar……閱讀更多

我們可以使用 cv2.findChessboardCorners() 在影像中找到棋盤角點，並使用 cv2.drawChessboardCorners() 繪製具有圖案的棋盤角點。請檢視下面這兩種方法的語法：ret, corners = cv2.findChessboardCorners(img, patterSize, None) cv2.drawChessboardCorners(img, patternSize, corners, ret) 查詢棋盤圖案的步驟，您可以使用以下步驟：匯入所需的庫。在所有以下示例中，所需的 Python 庫是 OpenCV。確保您已經安裝它。使用 cv2.imread() 讀取棋盤的輸入影像，並使用 cv2.cvtColor() 將其轉換為灰度影像。……閱讀更多

Haar 級聯分類器是一種有效的目標檢測方法，它是一種基於機器學習的方法。為了訓練用於貓臉檢測的 Haar 級聯分類器，演算法最初需要大量的正樣本影像（帶有貓臉的影像）和負樣本影像（沒有貓臉的影像）。分類器根據這些正樣本和負樣本影像進行訓練，然後用於檢測其他影像中的貓臉。我們可以使用已經訓練好的 Haar 級聯進行微笑檢測。對於輸入影像中的微笑檢測，我們需要兩個 Haar 級聯，一個用於人臉檢測，另一個用於微笑檢測。我們……閱讀更多

我們可以使用已經訓練好的 Haar 級聯分類器來檢測影像中的人臉。為了檢測人臉，OpenCV 為我們提供了不同的 Haar 級聯作為 xml 檔案。我們將使用 haarcascade_frontalface_alt.xml 來檢測影像中的人臉。檢測到的人臉座標為 (x, y, w, h)。為了裁剪和儲存檢測到的人臉，我們儲存影像[y:y+h, x:x+w]。如何下載 Haarcascades？您可以透過以下 GitHub 網站地址找到不同的 haarcascades：https://github.com/opencv/opencv/tree/master/data/haarcascades 要下載用於人臉檢測的 Haar 級聯，請單擊 haarcascade_frontalface_alt.xml 檔案。以原始格式開啟它，右鍵單擊……閱讀更多

k 近鄰 (kNN) 是一種用於監督學習的簡單分類演算法。要在 OpenCV 中實現 kNN，您可以按照以下步驟操作：匯入所需的庫 OpenCV、NumPy 和 Matplotlib。我們定義兩個類 Red 和 Blue，每個類都有 25 個數字。然後使用隨機生成器為這兩個類生成訓練資料。接下來，我們為每個訓練資料生成標籤。Red 類數字的標籤為 0，Blue 類成員的標籤為 1。現在繪製 Red 和 Blue 類成員。使用隨機生成器生成一個新數字並繪製它。啟動……閱讀更多

要檢測影像中的人並圍繞他們繪製邊界框，您可以使用以下步驟：匯入所需的庫。在所有以下示例中，所需的 Python 庫是 OpenCV。確保您已經安裝它。使用 cv2.imread() 以灰度讀取輸入影像。指定完整的影像路徑。初始化 HOG 描述符物件 hog = cv2.HOGDescriptor() 並將 SVM 檢測器設定為 hog.setSVMDetector() 作為預設人員檢測器。使用 hog.detectMultiScale() 檢測輸入影像中的人。它以 (x, y, w, h) 格式返回檢測到的人的座標。迴圈遍歷所有……閱讀更多

我們首先檢測影像中的所有目標輪廓以檢測多邊形。然後迴圈遍歷所有輪廓。查詢每個輪廓的近似輪廓。如果近似輪廓中的頂點數量為 5 或更多，則繪製輪廓並將其設定為三角形。請參閱以下虛擬碼。for cnt in contours: approx = cv2.approxPolyDP() if len(approx) >= 5: cv2.drawContours() cv2.putText("Polygon") 步驟我們可以使用以下步驟來檢測多邊形……閱讀更多

“Haar 級聯分類器”是一種有效的基於機器學習的目標檢測方法。為了訓練用於眼睛檢測的 Haar 級聯分類器，演算法最初需要大量的正樣本影像（眼睛影像）和負樣本影像（沒有眼睛的影像）。然後，根據這些正樣本和負樣本影像訓練分類器，然後用於檢測其他影像中的眼睛。我們可以使用已經訓練好的 Haar 級聯進行眼睛檢測。對於輸入影像中的眼睛檢測，我們需要兩個 Haar 級聯，一個用於人臉檢測，另一個用於眼睛檢測。我們將使用以下兩個……閱讀更多

在 OpenCV 中，要更改影像的對比度和亮度，我們可以使用 cv2.convertScaleAbs()。我們為此方法使用的語法如下：cv2.convertScaleAbs(image, alpha, beta) 其中 image 是原始輸入影像。alpha 是對比度值。要降低對比度，請使用 0 < alpha < 1。對於更高的對比度，請使用 alpha > 1。beta 是亮度值。亮度值的良好範圍是 [-127, 127] 我們還可以應用 cv2.addWeighted() 函式來更改影像的對比度和亮度。我們在示例 2 中討論了它。步驟……閱讀更多