Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/lolo77777/opencvvision

使用OpenCvSharp创建常用功能集合
https://github.com/lolo77777/opencvvision

dynamicdata mahapps-metro materialdesigninxamltoolkit opencv opencvsharp reactiveui

Last synced: about 1 month ago
JSON representation

使用OpenCvSharp创建常用功能集合

Awesome Lists containing this project

README

        

# OpencvVision

## 是什么?

这是一个使用.net 6基于OpencvSharp、ReactiveUI开发的自用工具,主要用来做ReactiveUI与OpencvSharp学习过程中的尝试;根据个人需求不定期更新添加功能,欢迎讨论交流。

### !其他信息请参考项目OpenCVVision.View内AppBootstrapper.cs文件里的相关说明

## 引用

| 功能 | 引用包 |
| ----------- | -------------------------------------------------------------------------------------------------- |
| OpencvSharp | [OpencvSharp](https://github.com/shimat/opencvsharp_samples) |
| MVVMk框架 | [ReactiveUI](https://github.com/reactiveui/ReactiveUI) |
| 界面控件 | [MaterialDesignInXamlToolkit](https://github.com/MaterialDesignInXAML/MaterialDesignInXamlToolkit) |
| 标题栏 | [MahApps.Metro](https://github.com/MahApps/MahApps.Metro) |
| 响应式集合 | [DynamicData](https://github.com/reactivemarbles/DynamicData) |
| 返回结果包装 | [FluentResults](https://github.com/altmann/FluentResults) |

## 推荐

> 其它项目:
> [OpenCVSharpHelper](https://gitee.com/tfarcraw/opencvsharphelper)

## 部分功能截图

### 22/09/08更新2

从朋友处了解到基恩士的浓淡补正算法,感觉挺有意思,查找了下相关的资料,尝试简单的实现一下明暗局部的筛选。思路是选取一个卷积核,进行滑移,规则是先排列挑出核内部的中值,在通过设置删除亮暗比例设置中值附近的阈值,来筛选出局部过亮或过暗的部分;可以通过卷积核长宽设置方向,来实现特定方向的筛选,示意如下图:
筛选出不均匀的边缘
![筛选边缘](Img/23.png)
筛选出中间的过亮部分和过暗部分
![筛选暗点亮点](Img/24.png)
沿着Y方向,筛选出过亮部分,因为选定了方向,条纹不会被选出,仅选出非条纹的亮线
![Y方向筛选](Img/25.png)

### 22/09/08更新1

调整解决方案项目目录,新增服务子项目
添加海康,大恒相机采集图像。需要自行安装对应品牌SDK。由以往项目中使用程序汇总而来,暂时不具备测试条件,等待后续测试硬件。
添加信息栏,根据日志等级变换背景颜色
![信息栏默认](Img/20.png)
![信息栏错误](Img/21.png)
添加日志面板,点击信息栏右侧按钮展开,点击其它空白区域丢失焦点关闭
![日志面板](Img/22.png)

### 22/06/21更新

微信二维码检测解码
![18](Img/18.jpg)

![19](Img/19.jpg)

### 22/06/20更新

PaddleX图像分类推理
![16](Img/16.jpg)
PaddleX目标检测推理
![17](Img/17.jpg)

### 功能

首页
![00](Img/00.jpg)
夜间模式添加图片
![02](Img/02.jpg)
ROI
![03](Img/03.jpg)
色彩空间
![04](Img/04.jpg)
滤波
![05](Img/05.jpg)
二值化
![06](Img/06.jpg)
形态学
![07](Img/07.jpg)
连通域
![08](Img/08.jpg)
轮廓
![09](Img/09.jpg)
格雷码条纹结构光
![10](Img/10.jpg)
灰度质心线激光
![11](Img/11.jpg)
光度立体法求表面法线与深度图
![12](Img/12.jpg)
Yolo识别
![13](Img/13.jpg)
特征点匹配
![14](Img/14.jpg)