ट्रैक-बार नियंत्रणीय बार हैं जिनका उपयोग OpenCV में विभिन्न मापदंडों को नियंत्रित करने के लिए किया जाता है। ट्रैक-बार का उपयोग करके, हम इसे आसान बना सकते हैं और मापदंडों को ग्राफिक रूप से बदल सकते हैं। ट्रैक-बार इस सीमा को हटाता है और OpenCV का उपयोग करके गतिशील प्रभाव बनाने में सक्षम बनाता है। निम

OpenCV के अंतर्निहित कार्यों का उपयोग करके छवि को घुमाना एक सरल कार्य है। इमेज को घुमाने के लिए, हमें highgui.hpp और imgproc.hpp हेडर फाइल्स का इस्तेमाल करना होगा और हम इस प्रोग्राम में और फंक्शन पेश करेंगे जो इमेज रोटेशन से संबंधित हैं। निम्नलिखित प्रोग्राम C++ का उपयोग करके OpenCV में एक छवि को क

इस विषय में, हम ट्रैकबार का एक और अनुप्रयोग देखेंगे। यहां, हम किसी छवि के आकार को बदलने के लिए ट्रैक-बार का उपयोग करेंगे और छवि में एक बॉर्डर जोड़ेंगे और ट्रैक-बार का उपयोग करके बॉर्डर का आकार बदलेंगे। निम्नलिखित प्रोग्राम का उपयोग करके, हम एक छवि का आकार बदल सकते हैं, एक सीमा जोड़ सकते हैं, सीमा क

किसी वीडियो को घुमाना एक छवि को घुमाने के समान है। फर्क सिर्फ इतना है कि एक स्थिर तस्वीर को एक छवि मैट्रिक्स में लोड करने के बजाय, हमने एक वीडियो लोड किया है या कैमरे से वीडियो स्ट्रीम ले लिया है। यहां, हम वीडियो लोड नहीं कर रहे हैं बल्कि कैमरे का उपयोग करके वीडियो ले रहे हैं। यदि आप किसी वीडियो फ़

माउस इवेंट ओपनसीवी की सबसे उपयोगी विशेषताओं में से एक है। ओपनसीवी में, हम माउस पॉइंटर की स्थिति को ट्रैक कर सकते हैं और क्लिक (दाएं, बाएं और मध्य-क्लिक) को ट्रैक कर सकते हैं। OpenCV का रोबोटिक्स और कंप्यूटर विज़न में व्यापक अनुप्रयोग है। रोबोटिक्स और कंप्यूटर विज़न ट्रैकिंग में माउस पॉइंटर और क्लिक

हम समझेंगे कि रंग के आधार पर विशिष्ट रंग और ट्रैक ऑब्जेक्ट का पता कैसे लगाया जाता है। कलर डिटेक्शन और कलर डिटेक्शन आधारित ट्रैकिंग सिस्टम का प्रदर्शन पर्यावरण पर निर्भर है। यदि आप कमरे की रोशनी बदलते हैं या यदि आप पृष्ठभूमि का रंग बदलते हैं, तो रंग पहचान पर महत्वपूर्ण प्रभाव पड़ेगा। निम्न प्रोग्रा

कलर ट्रैकिंग कलर डिटेक्शन के समान है। ट्रैकिंग उद्देश्य के लिए, हमने खोजी गई वस्तु के क्षेत्र की गणना करने के लिए अतिरिक्त कुछ पंक्तियाँ जोड़ीं और फिर उस क्षेत्र की वर्तमान स्थिति को ट्रैक किया और अंत में ऑब्जेक्ट की गति का मार्ग दिखाने के लिए OpenCV के लाइन () फ़ंक्शन का उपयोग किया। निम्न प्रोग्रा

हम छवि से चेहरों का पता लगाते हैं। चेहरे का पता लगाने के लिए हमने डिटेक्टमल्टीस्केल () फंक्शन का इस्तेमाल किया। इस फ़ंक्शन का वास्तविक स्वरूप है - सिंटैक्स detectMultiScale(source matrix, vector, searchScaleFactor, minNeighbours, flags, minfeatureSize) फ़ंक्शन तर्कों को बदलकर, हम डिटेक्ट.मल्टीस्पे

एक छवि में स्थित चेहरों की संख्या गिनना आसान है। पिछले भाग में हमने जो प्रोग्राम लिखा था, उसमें पहले से ही faces.size () में चेहरों की संख्या की जानकारी है। यह कोड-faces.size () एक पूर्णांक मान देता है। उदाहरण के लिए, यदि हम int x =face.size () लिखते हैं, तो x में चेहरों की संख्या होगी। निम्न प्रो

हम जानेंगे कि OpenCV में पहचाने गए चेहरों को कैसे क्रॉप किया जाए। पहचाने गए चेहरों को क्रॉप करने के लिए, हमें कई मैट्रिक्स की आवश्यकता होती है। छवि सरणी का उपयोग करने का सबसे उपयुक्त तरीका है। इस कार्यक्रम में निम्नलिखित दो पंक्तियों का उपयोग करते हुए, हमने दो छवि मैट्रिक्स घोषित किए हैं - मैट क्रॉ

हम सीखेंगे कि केवल सबसे बड़े चेहरे का पता कैसे लगाया जाए। यह विषय पिछले विषय जैसा ही है। फर्क सिर्फ इतना है कि हमने सबसे बड़े चेहरे का पता लगाने के लिए एक अतिरिक्त रेक्ट स्ट्रक्चर और फॉर लूप का इस्तेमाल किया। इस फ़ंक्शन का वास्तविक स्वरूप - Mat faceROI =image_with_humanface(maxRect) MaxRect में छव

जब हम चेहरे की स्थिति को ट्रैक करना चाहते हैं, तो चेहरे को अंडाकार के साथ संलग्न करना बेहतर होता है क्योंकि एक अंडाकार का केंद्र होता है। यह केंद्र पहचाने गए चेहरे का केंद्र बिंदु भी है। परिणामस्वरूप, पहचाने गए चेहरे की स्थिति को ट्रैक करना अधिक सटीक हो जाता है। निम्न प्रोग्राम पहचाने गए चेहरे के क

वास्तविक समय में चेहरे का पता लगाना स्थिर चित्रों में चेहरे का पता लगाने के समान है। केवल रीयल-टाइम फेस डिटेक्शन में अंतर है, और हमें कंप्यूटर का वीडियो स्ट्रीम लेना होगा। इस प्रोग्राम में हमने वीडियोकैप्चर () फंक्शन का इस्तेमाल किया। यह फ़ंक्शन अन्य कैमरे से वीडियो कैप्चर करता है और फ़्रेम को अस्था

हम सीखेंगे कि OpenCV में वास्तविक समय में चेहरे को कैसे ट्रैक किया जाए। यह कार्यक्रम पिछले कार्यक्रम के समान है और अंतर यह है कि हमने चेहरे की पहचान करने के लिए आयत के बजाय दीर्घवृत्त का उपयोग किया था और हमने कंसोल विंडो में चेहरे के समन्वय को दिखाने के लिए अतिरिक्त कोउट कथन का भी उपयोग किया था। वा

यहां, हम सीखेंगे कि ओपनसीवी में आंख का पता कैसे लगाया जाए। हम आंखों का पता लगाने के लिए C:/opencv/sources/data/haarcascades में स्थित haarcascade_eye.xml क्लासिफायर का उपयोग करेंगे। आंखों का पता लगाने के लिए, हमें इन शीर्षलेखों को जोड़ना होगा। पहला हैडर है, और यह C++ प्रोग्रामिंग लैंग्वेज का हैडर

यहां, हम सीखेंगे कि ओपनसीवी में आंख को कैसे ट्रैक किया जाए। डिटेक्टिव आईज के बाद ट्रैकिंग एक आसान और सीधा काम है। हमने पहचानी गई आंखों को घेरने के लिए सर्कल का इस्तेमाल किया। सर्कल के सेंटर को ट्रैक करने का मतलब आंखों के सेंटर को ट्रैक करना है। सर्कल के केंद्र को ट्रैक करने के लिए, हमें दो पूर्णांक

यहां, हम सीखेंगे कि OpenCV में नेत्रगोलक की गति का पता कैसे लगाया जाए और उसे कैसे ट्रैक किया जाए। निम्न प्रोग्राम नेत्रगोलक का पता लगाने और स्थान को ट्रैक करने के लिए प्रदर्शित करता है। उदाहरण #include<iostream> #include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp>

इस समस्या में, हमें n आकार का एक सरणी arr[] दिया जाता है। हमारा कार्य किसी दिए गए सरणी में प्रत्येक विंडो आकार के लिए न्यूनतम का अधिकतम पता लगाना है। समस्या का विवरण - हमें खिड़की के न्यूनतम आकार का अधिकतम पता लगाना होगा जो 1 से n तक भिन्न हो। इसके लिए हम दिए गए विंडो आकार के उप-सरणी पर विचार करेंग

इस समस्या में, हमें n मकान दिए गए हैं जिनमें कुछ मान हैं। हमारा काम घरों से अधिकतम संभव चोरी मूल्य का पता लगाना है। समस्या का विवरण - हमारे पास एक सरणी घर हैं [] जिसमें प्रत्येक घर में मौजूद मान शामिल हैं। एक चोर घरों को लूटता है लेकिन वह दो आसन्न घरों से चोरी नहीं कर सकता क्योंकि पड़ोसियों को चोरी

इस समस्या में, हमें n आकार का एक 2-D मैट्रिक्स mat[][] दिया गया है, n एक विषम संख्या है। हमारा काम मैट्रिक्स में एक वर्ग की अधिकतम पार्श्व लंबाई ज्ञात करना है। समस्या का विवरण - हमें वर्ग मैट्रिक्स की लंबाई खोजने की जरूरत है जिसका परिधि मान समान है और यह मैट्रिक्स के समान केंद्र साझा करता है। समस्