a361251388的专栏

原创 pthread创建周期10ms线程

【代码】pthread创建周期10ms线程。

原创 pthread使用

pthread常用函数参数解析

原创 C++单例模式（饿汉式）

单例是设计模式的一种，其特点是只提供唯一的实例，适用于一处写，多处读写的场景

原创 c++命令行控制

c++命令行控制

原创 使用def文件生成dll

def生成dll

原创 python调用c dll

ctypes 是 Python 的外部函数库。它提供了与 C 兼容的数据类型，并允许调用 DLL 或共享库中的函数。

原创 CMake交叉编译工具编写

在嵌入式设备应用时，需要在X86架构下编译板卡需要的ARM架构的文件，需要配置交叉编译器等来完成。这时就需要编写.cmake文件来实现配置

原创 c++11 std::thread和mutex用法

c++ std thread和mutex使用

原创 python代码保护，生产pyd格式

python的脚本开源，代码安全性没有保障，因此需要混淆、加密。python有py、pyc、pyw、pyo、pyd等文件格式。其中pyd格式格式不容易被反编译.新建test.py输入def helloworld(): print("Hello world")再新建setup.pyfrom distutils.core import setupfrom Cython.Build import cythonizesetup( name = 'Hello world', ex

原创 如何检测圆点标定板

原创 如何检测棋盘格

摄像机标定是机器视觉的最基础和重要的技术之一，而棋盘格经常用来作为相机标定的标定物，大家常用一些标定工具（如OpenCV）来检测棋盘格，但很少有人知道其内在的检测原理，现在小编就为大家简要讲解一种检测方法.

原创 Hough直线检测

需求：直线检测 目的：实现Hough变换 思路：y = kx + b变换成p = xcos(a) + ysin(a)

原创 文章标题

需求：直线检测 目的：实现Hough变换 思路：y = kx + b变换成p = xcos(a) + ysin(a)#include "cv.h"

原创 读取条空比例

对于一组01数据，计算它的宽度，以1为开头。#include <iostream>using name space std;int main（）{ int message[] = { 1, 1, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1}; int size = sizeof(message) / s

原创 图像闭运算

闭运算是先膨胀后腐蚀，它能填充细小空洞，连接邻近物体、平滑边界，同时不明显改变其面积。

原创 图像开运算

开运算是先腐蚀后膨胀的过程，它能去除孤点、毛刺和小桥（连接两区域的小点），消除小物体、平滑大物体的边界，并且不明显改变面积。

原创 图像膨胀

膨胀是形态学最基本的运算之一，它的目的是对物体边界扩充，可补充空洞，连接相近物体。膨胀可简单理解为取局部最大值。

原创 图像腐蚀

腐蚀是形态学最基本的运算之一，它的目的是消除物体边界点，使边界向内部收缩，同时可以消除微小的结构元素。腐蚀可简单理解为取局部最小值。

原创 高斯差分边缘检测算子（Dog）

高斯差分与高斯拉普拉斯相似，都是先经过高斯平滑，再做差分，但这两个过程可结合成一起。高斯差分算子如下： 取sigma1 = 0.2, sigma2 = 0.8,离散化则 【-0.1045 -0.2283 -0.1045 -0.2283 1.4960 -0.2283 -0.1045 -0.2283 -0.1045 】 取整，并使模板总和为0，则

原创 高斯拉普拉斯边缘检测算子（LOG）

图像边缘可表示为一阶过极点或二阶过零点. 拉普拉斯算子表示为d2f = a2f / a2x + a2f / a2y 由于噪声点对边缘检测影响较大，所以由高斯滤波和拉普拉斯算子结合，形成高斯拉普拉斯算子。 由高斯函数根据拉普拉斯算子的公式求导可得 离散化，取sigma为1.0，则5x5模块为 {0.0175 0.0392 0.0431 0.0392 0.0175

原创 Krisch边缘检测算子

由8个卷积核组成Krisch边缘检测算子， 8个卷积核分别对图像卷积，取最大值点作为边缘点。

原创 Prewitt边缘算子

由两个卷积核形成Prewitt边缘检测算子， 分别用卷积核对图像卷积，比较图像点，取其最大值。

原创 计算直线角度

根据theta = atan(dy / dx) 求取角度

原创 计算两直线交点

对于两直线a1*x + b1*y = c1, a2*x + b2*y = c2由克莱姆法则得，D = a1 * b2 - b1*a2, D1 =c1*b2 - b1*c2, D2 = a1*c2 - c1*a2解得交点： x = D1 / D, y = D2 / D直线方程用两点法可表示为 （y2 - y1）*x - (x2 - x1)*y = x1*(y2 - y1) - y1*(x2 - x1)a = （y2 - y1）, b = - (x2 - x1), c = x1*(y2 - y1)

原创 Roberts边缘检测

函数的梯度为df = af/ax * ix + af/ay * iy图像梯度即为梯度的模， df = sqrt((af/ax) ^ 2 + (af/ay) ^ 2)为简化计算过程，可表示为 df = | af/ax | + | af/ay Roberts算子是Roberts1963年提出的，他利用对角方向相邻的两个像素之差来近似差分。该算子边缘定位准，但对噪声敏感。Roberts算子表达式如下：G[i,j] = | f[i , j ] - f[ i + 1, j + 1 ] | + | f[ i

原创 迭代阈值法

通过迭代方法选择阈值， 计算方法如下：（1）选择灰度图的平均值作为初始阈值T0 ;（2）计算小于等于T0的平均值T1, 和大于T0的平均值T2;（3）新的阈值为T = （T1 + T2）/ 2;（4）比较T和T0,若相等，则返回T，即为迭代阈值; 否则 T0 = T,重复（1）-（3）

原创 Otsu阈值化

1979年日本大津展之提出了Otsu阈值法，他根据类间方差最大将灰度图分为目标和背景。 方法如下： 若一张灰度图有n个像素， 取阈值为t, 小于t的个数为n1, 大于t的个数为n2, 小于t的像素平均值为m1, 大于t的像素平均值为m2, 权重w1 = n1 / n, w2 = n2 / n, 类间方差 = w1 * w2 * (m1 - m2) ^ 2 遍历每一个阈值，计算每一个类间方差，使类间方差最大的阈值，即为所求阈值。

原创 计算直线方程

根据(y - y1) / (y2 - y1) = (x - x1) / (x2 - x1)计算方程方程为(y2 - y1)x - (x2 - x1)y - x1(y2 - y1) + y1(x2 - x1) = 0

原创 边缘方向直方图

边缘方向直方图1、图像灰度化2、canny算法获得边缘图3、用sobel算子求灰度图像x、y方向梯度dx和dy4、计算各个像素的边缘方向theta(x,y) = atan(dy/dx)5、将边缘方向值进行量化，从-90-90量化到0-366、将边缘方向theta进行直方图统计并归一化

原创 OpenCV单目平面测距

单目测距广泛运用于车辆道路障碍物识别、机器人导航等领域，是计算机视觉中的重要技术之一。众所周知的是，图像中的像素坐标只提供了二维信息，而空间坐标是三维信息，因此只能让空间坐标中的一维为0或固定值，才可以测得平面距离信息，因此单目测距主要是针对空间中的平面坐标。摄像机模型如图1所示：图1 摄像机模型 由摄像机模型，可知