OpenCV中调整imshow窗口大小与位置的方法
本文介绍在OpenCV中通过namedWindow和resizeWindow函数调整imshow窗口大小的方法，以及使用moveWindow设置窗口坐标的技巧。重点说明需启用CV_WINDOW_NORMAL或参数0以允许手动拖拽调整，并提示直接缩放可能导致图像变形的问题。
2026-10-13
7
本文介绍在OpenCV中通过namedWindow和resizeWindow函数调整imshow窗口大小的方法，以及使用moveWindow设置窗口坐标的技巧。重点说明需启用CV_WINDOW_NORMAL或参数0以允许手动拖拽调整，并提示直接缩放可能导致图像变形的问题。
本文详解OpenCV中cv2.watershed()函数的原理与应用。通过灰度拓扑模型解释算法机制，并介绍基于标记的分水岭算法以减少过度分割。结合Otsu二值化、形态学操作及距离变换，演示如何确定前景、背景及不确定区域，最终实现粘连对象的精准分割。
本文详解利用Python和OpenCV进行轮廓检测的完整流程。重点解析图像预处理步骤，包括灰度转换与二值化，确保目标为白色背景为黑色。通过完整代码示例展示如何使用cv2.findContours提取轮廓并绘制，适用于形状分析与物体识别场景。
本文介绍如何使用Python结合OpenCV库实现批量图片的尺寸调整与保存。通过遍历指定目录下的图像文件，利用cv2.resize函数按设定宽高重新采样，并保存至目标路径。文中提供了完整代码示例，涵盖文件遍历、格式判断、尺寸指定及保存逻辑，适用于模型训练样本准备等需要大规模图像预处理场景。
本文介绍如何在Python环境中使用OpenCV库进行图像的读取与保存操作。通过导入cv2和numpy模块，演示了如何加载指定路径的图片，支持灰度、彩色及原始格式参数。代码展示了使用cv2.imshow显示图像、等待按键关闭窗口，以及利用cv2.imwrite将处理后的图像保存为PNG格式的具体实现步骤。
介绍如何使用Python配合pytesseract与OpenCV提取图片表格内容，并将识别结果解析转换为Excel表格文件的基础实现流程与代码。
本文详解如何利用Python与OpenCV库实现实时单目标跟踪。通过读取默认摄像头画面，使用键盘指令触发鼠标框选感兴趣区域（ROI），调用KCF算法进行逐帧位置预测并绘制边界框。内容涵盖多版本兼容性处理、完整可运行代码、交互逻辑说明及排错指南，帮助快速掌握计算机视觉基础跟踪流程。
本文详细介绍如何使用Python结合OpenCV库完成图像的基础处理与分析。从环境安装到核心代码，逐步演示图像读取显示、高斯滤波降噪、Canny边缘检测及HSV空间色彩阈值分割的操作流程与参数配置，帮助开发者快速建立计算机视觉开发基础能力。
本文详细解析OpenCV中drawMatches函数的参数配置与调用逻辑，提供基于SIFT特征提取与暴力匹配器的可运行代码模板，演示如何将图像关键点匹配结果直观地以连线形式渲染在画布上，适用于图像配准与物体识别效果验证。
本文介绍如何使用Python和OpenCV将二值Mask叠加到原始图像上，并提取Mask覆盖的区域。通过遍历指定目录下的图像和Mask文件，利用cv2.imread读取灰度Mask，结合cv2.add函数将Mask作为掩码应用到图像像素值计算中，最终将处理后的结果保存至指定输出目录。
本文详细解析OpenCV中cv2.HoughCircles函数的核心参数，包括dp、minDist、param1和param2对检测精度的影响。通过Python代码示例，展示如何调整参数以准确识别图像中的圆形目标，并处理检测失败或误检的情况。
本文介绍使用Python3和OpenCV库进行证件照背景替换的完整代码实现。通过读取图像、调整大小、转换HSV色彩空间、阈值分割生成掩膜，以及形态学腐蚀膨胀处理，最终遍历像素替换背景颜色。