c++ opencv 带一定角度的矩形,如何平分16个矩形并计算各自中心

在 C++ 中使用 OpenCV 库处理带一定角度的矩形,并将其分割成 16 个小矩形并计算每个小矩形的中心点坐标,可以按照以下步骤操作: ### 步骤解析 #### 1. **获取旋转后的矩形区域** 首先需要得到这个倾斜矩形的信息。假设我们已经有一个 `cv::RotatedRect` 对象表示该倾斜矩形。 ```cpp // 假设已知 RotatedRect 矩形信息 cv::Point2f center(x_center, y_center); // 矩形中心位置 (x_center, y_center) float angle = rotation_angle; // 角度,顺时针为正 cv::Size2f size(width, height); // 宽高分别为 width 和 height 的大小 cv::RotatedRect rotatedRect(center, size, angle); ``` #### 2. **将旋转矩阵转换到直角坐标系下** 为了方便地对它进行切分,我们可以先把这整个区域映射回一个标准的轴平行四边形上再做切割,最后把结果转回去即可。 创建仿射变换矩阵 T 来完成从原图中提取出对应部分的操作: ```cpp std::vector<cv::Point2f> vertices(4); rotatedRect.points(vertices.data()); cv::Mat warpMatrix; cv::getPerspectiveTransform(vertices, std::vector<cv::Point2f>{ {0.f, 0.f}, // 左上角 {(float)width, 0.f}, // 右上角 {(float)width, (float)height}, // 右下角 {0.f, (float)height} // 左下角 }, warpMatrix); cv::Mat unwarpMatrix = warpMatrix.inv(); ``` 注意这里用的是透视变化而不是简单的旋转变换是为了保证任意形状都能正确匹配;如果确定只是简单旋转也可以直接构建相应的仿射变换矩阵代替上述过程. #### 3. **划分网格** 接下来就可以轻松地在这个新的空间里建立均匀分布的小格子了, ```cpp int numDivisionsX = 4; int numDivisionsY = 4; for(int i=0;i<numDivisionsX;++i){ for(int j=0;j<numDivisionsY;++j){ float xStart = static_cast<float>(i)*static_cast<float>(width)/numDivisionsX ; float yStart = static_cast<float>(j)*static_cast<float>(height)/numDivisionsY ; cv::Vec2d transformedCenter; // 获得未变形前的坐标值 cv::transform(cv::Mat(std::vector<cv::Point2f>{cv::Point2f(xStart + cellWidth/2.,yStart+cellHeight/2.)}), transformedCenter,unwarpMatrix ); std::cout << "Cell (" << i << ","<< j << ") Center Point in Original Image:(" << transformedCenter[0]<<","<<transformedCenter[1]<<")\n"; } } ``` 以上就是利用OpenCV库,在c++环境中对于带有一定制的角度的大矩形划分为十六份等面积的小矩形并且求取它们各自质心的一种常见做法。

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

OpenCV计算机视觉基础教程(Python版)试题及答案

OpenCV计算机视觉基础教程(Python版)试题及答案

OpenCV计算机视觉基础教程(Python版)试题及答案 一、单项选择题(本大题共20小题,每小题1分,共20分) 1、OpenCV从( )版本开始使用Apache 2许可。 A、4.2.0 B、4.3.0 C、4.4.0 D、4.5.0 2、OpenCV提供机器学习功能的模块是( ) A、calib3d B、stitching C、ml D、dnn 3、OpenCV使用( )语言实现。 A、Java B、C/C++ C、Python D、JavaScript 4、下列选项中,可在NumPy中表示复数的数据类型是( )。 A、int B、single C、complex64 D、double 5、NumPy中可执行矩阵乘法的运算符是( ) A、* B、** C、/ D、@ 6、OpenCV用于读取图像文件的函数是( ) A、imread() B、imshow() C、imwrite() D、VideoCapture() 7、OpenCV用于绘制矩形的函数是( ) A、line() B、rectangle() C、ellipse() D、polylines() 8、在cvtColor(

python ImageDraw类实现几何图形的绘制与文字的绘制

python ImageDraw类实现几何图形的绘制与文字的绘制

python PIL图像处理模块中的ImageDraw类支持各种几何图形的绘制和文本的绘制,如直线、椭圆、弧、弦、多边形以及文字等。 下面直接通过示例来进行说明: #-*- coding: UTF-8 -*- import numpy as np from PIL import Image from PIL import ImageDraw from PIL import ImageFont def draw_test(): #生成深蓝色绘图画布 array = np.ndarray((480, 640, 3), np.uint8) array[:, :, 0] = 0 array

定向梯度直方图(HOG)描述符-python源码.zip

定向梯度直方图(HOG)描述符-python源码.zip

定向梯度直方图(HOG)描述符-python源码.zip

基于python的cv2 模块常用方法及使用

基于python的cv2 模块常用方法及使用

基于python的cv2 模块常用方法及使用

Python3变量命名六大禁忌

Python3变量命名六大禁忌

Python3变量命名遵循下划线命名法,首字符只能是字母或下划线,不能以数字开头。变量名区分大小写,num和Num是两个独立变量。禁止使用Python内置关键字,比如if、for、def、class,直接使用会覆盖原生功能导致程序报错。不能包含空格、@、#等特殊符号。避免使用单字母无意义变量,除循环临时变量i/j外,尽量语义化命名。同时不要使用前后双下划线命名,这类名称属于Python魔法变量,由解释器内置占用。另外常量约定全大写加下划线,如MAX_NUM,语法不强制只读,依靠编码规范约束。 sxxazbba.com spxez.com sulad.net sxspr.com taichanglvyou.cn

Python元组开发使用场景

Python元组开发使用场景

元组属于不可变序列,定义后无法修改元素内容,内存占用更小、安全性更高。开发中常被用于存储固定不变的数据,比如配置参数、坐标数据、函数多返回值。元组支持下标取值、切片、遍历等查询操作,仅禁止增删改操作。其不可变特性让元组可作为字典键、集合元素,这是列表无法实现的功能。日常开发中,固定数据优先使用元组,动态可变数据使用列表,按需选用可兼顾代码安全与运行性能。 yingchaozhibomianfeizhibo.org yingchaozhibozaixianzhibo.org yinluzhejiaoyu.com yiwuairshipping.com m.yobest2.com

OpenCV例程

OpenCV例程

一些OpenCV常见的例程和代码,方便新手学习和使用

opencv英文版教程

opencv英文版教程

OpenCV是一个开源的计算机视觉库,OpenCV采用C/C++语言编写,可以运行在Linux/Windows/Mac等操作系统上。OpenCV还提供了Python、Ruby、MATLAB以及其他语言的接口。 OpenCV的设计目标是执行速度尽量快,主要关注实时应用。它采用优化的C代码编写,能够充分利用多核处理器的优势。如果是希望在Intel平台上得到更快的处理速度,可以购买Intel的高性能多媒体函数库IPP(Integrated Performance Primitives)。IPP库包含许多从底层优化的函数,这些函数涵盖多个应用领域。如果系统已经安装了IPP库,OpenCV会在运行时自动使用相应的IPP库。 --------------------- 本文来自 行胜于言* 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/zhuoyuezai/article/details/52764715?utm_source=copy

基于opencv和声传感器的人机互动系统PPT课件.pptx

基于opencv和声传感器的人机互动系统PPT课件.pptx

基于opencv和声传感器的人机互动系统PPT课件.pptx

OpenCV2.4.4实现HOG行人检测

OpenCV2.4.4实现HOG行人检测

OpenCV2.4.4实现HOG行人检测 使用时请自行修改工程的include目录和lib目录配置。

OPENCV-4学习路线图.pdf

OPENCV-4学习路线图.pdf

OpenCV 4.0版本已经发布,学习OpenCV-4.0按照本文内容学习就能掌握Opencv精髓。中文-PDF文档 有需要的可下载备查。

OpenCV常用函数

OpenCV常用函数

OpenCV常用的函数,按照a-z的顺序排列好了,可以用来查找自己不懂的程序/

HOG特征的实现方案(用于人脸识别)

HOG特征的实现方案(用于人脸识别)

介绍了人脸识别中的HOG特征的提取方法,已经被OpenCV采用

人脸识别:深度学习keras版本

人脸识别:深度学习keras版本

这个是人脸识别,使用keras tensorflow版本的,opencv人脸检测,然后训练得出的,是用jupyter打开的,可以直接使用,哈哈哈哈阿富汗是额额任何人的

C语言图像函数库详解

C语言图像函数库详解

图像函数介绍详解,想使用函数就可以看此文件

自定义剪切拍摄照片

自定义剪切拍摄照片

自定义选择或者拍着照片后,对照片的剪切。去除系统的不能修改剪切大小。

基于 MediaPipe 的实时手势识别与电脑控制系统源码资源包

基于 MediaPipe 的实时手势识别与电脑控制系统源码资源包

资源包包含完整 Python 源码、配置文件、运行说明、真实图片识别入口、摄像头实时识别模式、PySide6 桌面界面、示例图片和博客配图。项目使用 MediaPipe Hands 提取 21 个手部关键点,通过规则识别常见手势,并用安全模式记录电脑控制动作,适合课程设计、项目实战和二次开发。

图片剪裁edit

图片剪裁edit

图片剪裁 根据自己需求 编辑图片 照相后编辑 从相册里选择照片编辑

VIP首发良率WaferMap可视化工具 - 晶圆缺陷分布图 - 专业版

VIP首发良率WaferMap可视化工具 - 晶圆缺陷分布图 - 专业版

良率WaferMap晶圆可视化工具!支持多参数叠加显示、径向/环形统计、缺陷分布染色、良率热力图。一键生成专业晶圆报告与Bin图。良率/测试工程师必备,直观呈现晶圆级异常。

YOLO算法人物肖像发型特征目标检测数据集-472张-包含 VOC 和 Yolo 格式标签-支持多种算法训练模型.zip

YOLO算法人物肖像发型特征目标检测数据集-472张-包含 VOC 和 Yolo 格式标签-支持多种算法训练模型.zip

页面底部可查看数据集可视化效果; 该数据集可直接接入YOLOv5s/v5m/v5l、YOLOv8n/v8s/v8m、YOLOv10n/v10s、yolo11等轻量级至中型骨干网络进行端到端训练,支持从零训练(from scratch)与迁移学习(fine-tuning)两种模式;可直接使用

最新推荐最新推荐

recommend-type

国央企创新负责人如何构建多维度的科技资源评价与配置体系?.docx

国央企创新负责人如何构建多维度的科技资源评价与配置体系?
recommend-type

《移动通信系统》全套PPT课件2026(西安电子科技大学)

《移动通信系统》全套PPT课件2026(西安电子科技大学)
recommend-type

Python3 json序列化常见报错

json只能序列化字符串、数字、列表、字典、布尔、空值。无法序列化datetime、bytes、自定义类对象,直接dumps会抛出类型错误。解决方案:自定义序列化函数,通过default参数传入,手动转换特殊对象。中文乱码:默认ensure_ascii=True会转义中文,改为False直接输出原生中文。反序列化loads注意:json字符串要求双引号,Python字典单引号字符串无法解析,需要提前替换引号。 lxwuhua.cn mayawalkermx.com mccia.com.cn lzsxgqscgs.com mftug.com
recommend-type

产业园区运营负责人如何精准对接区域技术成果与产业需求?.docx

产业园区运营负责人如何精准对接区域技术成果与产业需求?
recommend-type

科技中介服务机构如何提升科技成果评估服务的专业性与效率?.docx

科技中介服务机构如何提升科技成果评估服务的专业性与效率?
recommend-type

Rust系统编程与WebAssembly开发:LLVM IR教程及实战资源

LLVM IR(Intermediate Representation,中间表示)是LLVM编译器基础设施的核心抽象层,它是一种强类型、静态单赋值(SSA)形式的低级程序表示,兼具可读性与机器可处理性,既接近高级语言语义,又贴近底层硬件指令模型。本资源标题“llvm-ir-tutorial-Rust系统编程与WebAssembly资源”明确指向一个跨技术栈的深度实践型学习体系,其核心逻辑在于:以Rust语言为前端开发载体,通过显式生成、阅读、修改和优化LLVM IR,深入理解现代编译器后端工作原理;同时将该能力延伸至WebAssembly(Wasm)目标平台,打通从系统级安全编程到浏览器/边缘沙箱执行的全链路编译路径。Rust之所以成为该教程的理想语言载体,在于其零成本抽象、内存安全性保障(无GC)、对底层控制的精细支持(如裸指针、内联汇编、自定义分配器),以及其默认使用LLVM作为后端编译器(rustc基于LLVM),使得开发者能无缝切入IR层面进行调试与干预——例如通过`rustc --emit=llvm-ir`直接导出人类可读的`.ll`文件,或借助`llc`工具将IR进一步降级为特定架构的汇编代码。而WebAssembly则构成该知识体系的关键出口:Wasm并非直接运行Rust源码,而是依赖Rust编译器链(通过`wasm32-unknown-unknown`或`wasm32-wasi`目标)将Rust代码先编译为LLVM IR,再由LLVM的Wasm后端(`llvmlite`或`wabt`等工具链组件)将其转换为`.wasm`二进制模块;此过程高度依赖对IR结构的理解——例如函数签名如何映射为Wasm类型签名、全局变量如何转化为Wasm线性内存偏移、panic机制如何被重写为Wasm trap指令、以及如何通过`#[no_mangle]`和`extern "C"`控制符号导出以适配JS宿主调用。教程中所含的`src/`目录必然涵盖大量Rust源码示例,包括但不限于:手动编写`unsafe`块触发特定IR模式(如`llvm.memcpy`内建调用)、使用`#[inline(never)]`阻止优化以观察原始IR结构、通过`cfg(target_arch = "wasm32")`条件编译实现平台特化逻辑;`code/`子目录则极可能存放配套的LLVM IR片段(`.ll`)、已编译的Wasm二进制(`.wasm`)、对应的JS胶水代码及HTML测试页面,形成“Rust → IR → Wasm → JS”的完整验证闭环。`book.toml`表明该项目采用mdBook构建交互式技术文档,内容结构应严格遵循认知递进:首章解析LLVM IR语法规范(基本块、指令集如`%1 = add i32 %0, 42`、常量表达式、phi节点在循环中的作用);次章演示Rust到IR的映射规则(`Vec<T>`的内存布局如何体现为`alloca + store + load`序列、`match`表达式如何展开为`switch`或`br`链);第三章聚焦Wasm后端特性(Wasm的限制性类型系统如何迫使LLVM插入`i32.trunc_sat_f64_s`等饱和截断指令、WASI系统调用如何通过`call_indirect`间接调用实现);后续章节必涉及高级主题:利用`llvm::Pass` API编写自定义优化遍(如针对Wasm体积优化的死代码消除Pass)、通过`llvmlite`在Python中动态构造IR并JIT执行、对比`-C opt-level=z`(极致尺寸优化)与`-C lto=yes`(链接时优化)对IR形态的影响。`LICENSE`与`CHANGELOG`则体现工程严肃性:MIT/Apache-2.0双许可证确保Rust生态兼容性,而持续更新的变更日志反映对LLVM版本演进(如LLVM 16+对Wasm GC提案的支持)、Rust稳定版发布(如async/await IR表示变化)、Wasm标准进展(Interface Types、Exception Handling)的实时响应。`.github/`目录内应包含CI配置(如用`cargo llvm-ir`检查PR是否引入非预期IR膨胀)、自动化Wasm测试脚本(`wasm-validate`校验二进制合法性、`wabt`反编译IR比对)、以及Issue模板引导用户精准报告IR生成异常。综上,该资源绝非孤立的语法手册,而是一个融合编译原理、系统编程范式、Web前沿标准与工业级工程实践的立体知识网络,掌握它意味着不仅能写出高效安全的Rust代码,更能洞悉代码如何穿越抽象层级最终在异构环境中精确执行——这种穿透式理解力,正是当代高性能系统开发者与WebAssembly平台架构师的核心竞争力所在。
recommend-type

OpenStock:中小企业可用的开源库存管理系统

## 1. OpenStock 是什么:一个面向中小企业的开源库存管理系统,不是玩具项目 OpenStock 这个名字乍一听像某个云服务的子产品,但实际它是一个完全面向真实业务场景打磨出来的开源库存管理平台。我第一次在 GitHub 上看到它时,第一反应是“又一个 React + MongoDB 的练手项目”,点开 README 后才意识到——这东西真能用,而且已经在三家本地五金店、两家烘焙工坊和一家小型医疗器械经销商那里跑了一年多。它不追求炫酷的 3D 仓库可视化,也不堆砌微服务架构,核心就干一件事:让老板、仓管员、采购员三类角色,在同一套数据底座上,用最顺手的方式完成“入库→上架→出库→
recommend-type

PSO里的惯性权重怎么设才合理?为什么常常用线性递减的方式?

### Particle Swarm Optimization (PSO) 中初始权重的意义 在粒子群优化(Particle Swarm Optimization, PSO)算法中,初始权重(inertial weight)起着至关重要的作用。该参数控制粒子更新速度的程度,在探索(exploitation)和开发(exploration)之间提供平衡[^1]。 设置较大的惯性权重可以增强全局搜索能力;而较小的值有助于局部区域内的精细查找。因此,合理配置这一系数对于提高求解效率至关重要。通常情况下,研究者们会采用线性递减策略来动态调整此变量,即随着迭代次数增加逐渐降低其数值大小,从而实现初期
recommend-type

Windows平台ESP32开发环境一站式搭建包:MSYS2、ESP-IDF v3.3与VS Code集成配置

ESP32环境搭建是嵌入式物联网开发中极为关键的基础环节,尤其在Windows平台下构建一套稳定、可复现、符合官方推荐规范的开发环境,直接关系到后续固件编译、调试、OTA升级、Wi-Fi/BLE协议栈集成、低功耗优化等高级功能的实现质量与开发效率。本资源包“ESP32环境搭建包(msys2、esp-idf、VScode)”并非简单工具集合,而是一套经过历史验证、面向ESP-IDF v3.3版本深度适配的完整开发生态闭环系统,其核心构成包含三大支柱性组件:MSYS2运行时环境、ESP-IDF SDK v3.3源码及工具链、Visual Studio Code编辑器及其专用插件生态。首先,MSYS2作为Windows下最成熟可靠的类Unix环境模拟平台,提供了POSIX兼容的Shell(bash/zsh)、GNU核心工具集(make、gcc、gdb、awk、sed等)、包管理器pacman,以及对Python 2.7/3.x、CMake 3.10+、Ninja构建系统的原生支持——这些是ESP-IDF构建系统赖以运转的底层基石。特别值得注意的是,所含esp32_win32_msys2_environment_and_toolchain-20181001.zip并非通用MSYS2镜像,而是Espressif官方于2018年10月针对ESP32芯片特性(如Xtensa LX6双核架构、指令集扩展、内存映射布局)定制编译的交叉工具链(xtensa-esp32-elf-gcc),该工具链内建了对FreeRTOS内核调度器、ROM函数调用、Flash加密、Secure Boot签名验证等硬件级特性的深度支持,且与IDF v3.3的Kconfig配置系统、component.mk构建规则、idf.py命令行接口完全对齐。其次,ESP-IDF v3.3是ESP32 SDK发展史上的里程碑版本,首次全面引入组件化架构(Component-based Architecture),将Wi-Fi驱动(esp_wifi)、蓝牙协议栈(bluedroid)、电源管理(esp_pm)、ADC/DAC/PWM外设驱动、LVGL图形库、HTTP客户端/服务器、MQTT、CoAP等全部封装为可独立编译、版本可控、依赖可声明的模块单元;同时强化了CMake构建系统,摒弃旧版makefile,支持多目标构建(app/bootloader/partition table)、自定义链接脚本、符号表分析、静态断言检查,并内置了idf_monitor串口监控器、idf_size内存分析工具、idf.py menuconfig图形化配置界面等工程化利器。第三,VSCodeUserSetup-x64-1.38.1.exe虽为较早版本(2019年9月发布),但其稳定性极高,配合C/C++扩展(Microsoft)、ESP-IDF Extension(Espressif官方维护)、CMake Tools、Python、GitLens等插件后,可实现语法高亮(支持IDF专属宏如ESP_LOGI)、智能补全(基于compile_commands.json)、一键编译烧录(idf.py build/flash/monitor绑定快捷键)、GDB图形化调试(支持多线程FreeRTOS任务切换视图、寄存器/内存/堆栈实时监视)、JTAG硬件调试(需搭配ESP-Prog或FTDI转接板)、代码片段模板(如ESP_ERROR_CHECK宏快速插入)、项目结构导航(按components目录自动索引)等工业级开发体验。此外,该环境包隐含了大量易被忽视却至关重要的细节配置:例如MSYS2中需手动执行pacman -Syu更新基础系统并重启终端以避免toolchain冲突;需将~/.espressif/tools目录权限设为可写以允许idf.py自动下载Python依赖(如pyserial、kconfiglib);VSCode中必须正确设置"idf.espIdfPath"、"idf.pythonBinPath"、"idf.customExtraPaths"等JSON配置项,否则无法识别idf.py命令;还需在Windows PATH中追加MSYS2/usr/bin路径以确保git、ssh等工具全局可用;更关键的是,v3.3版本要求Python严格限定为3.6–3.8区间(不兼容3.9+),且需禁用pip缓存以防wheel包版本错乱。整个搭建过程本质上是对嵌入式开发范式的系统性实践:从操作系统抽象层(MSYS2)→硬件抽象层(ESP-IDF HAL)→应用框架层(FreeRTOS+组件)→开发工具链(VSCode+插件),形成一条贯穿软硬件协同设计的知识脉络。掌握此环境不仅意味着能跑通blink例程,更代表着已具备阅读ESP-IDF源码(如esp-idf/components/esp_wifi/下的phy_init.c、wifi_init.c)、定制SDK配置(通过menuconfig启用BT Coex、修改heap内存分配策略)、交叉调试汇编级问题(如cache attribute错误导致的data abort)、甚至向主干分支提交patch的能力——这才是“行业完整源码”标签背后所承载的真实技术纵深与工程素养。
recommend-type

OpenStock:开源A股行情数据抓取与自动化选股策略工具

如果你盯盘一天只能看两三次,如果你复盘时总想搞清楚“今天到底哪些票资金在进、哪些在出”,又不想每天打开行情软件被广告和荐股弹窗轰炸,那“OpenStock”这个开源项目可能会刚好踩中你的需求。 OpenStock是一套面向个人投资者的开源行情数据抓取与分析工具,核心理念很简单:把A股每日的行情快照、涨跌停数据、板块资金流向、技术指标信号全部自动拉到本地,集中清洗入库,再用一套可扩展的选股策略引擎做二次筛选,最终输出你真正关心的“可以复盘、可以跟踪、可以留档”的数据结果。它适合三类人:一是没有编程基础但想用现成脚本做常用数据留档的交易者,二是刚入门量化、想用真实行情数据练手策略的开发者,三是已