ट्रैकबार नियंत्रणीय बार हैं जिनका उपयोग OpenCV में विभिन्न पैरामीटर्स को नियंत्रित करने के लिए किया जाता है। ट्रैकबार का उपयोग करके, हम इसे आसान बना सकते हैं और पैरामीटर्स को ग्राफिकली बदल सकते हैं। ट्रैकबार इस सीमा को हटाता है और OpenCV का उपयोग करके डायनामिक प्रभाव बनाने में सक्षम बनाता है।OpenCV

OpenCV के बिल्ट-इन फंक्शन का उपयोग करके छवि घुमाना एक सरल कार्य है। छवि घुमाने के लिए, हमें highgui.hpp और imgproc.hpp हेडर फाइलों का उपयोग करना होगा और हम इस प्रोग्राम में अधिक फंक्शन पेश करेंगे जो छवि रोटेशन से संबंधित हैं।OpenCV में C++ का उपयोग करके छवि को घुमाने का निम्नलिखित प्रोग्राम।उदाहरण#i

इस विषय में, हम ट्रैकबार का एक और अनुप्रयोग देखेंगे। यहाँ, हम छवि का आकार बदलने और छवि में बॉर्डर जोड़ने और ट्रैकबार का उपयोग करके बॉर्डर का आकार बदलने के लिए ट्रैकबार का उपयोग करेंगे।निम्नलिखित प्रोग्राम का उपयोग करके, हम छवि का आकार बदल सकते हैं, बॉर्डर जोड़ सकते हैं, बॉर्डर का आकार बदल सकते हैं औ

वीडियो घुमाना छवि घुमाने के समान है। एकमात्र अंतर यह है कि एक स्थिर चित्र को छवि मैट्रिक्स में लोड करने के बजाय, हमने एक वीडियो लोड किया है या कैमरे से वीडियो स्ट्रीम ली है।यहाँ, हम वीडियो लोड नहीं कर रहे हैं बल्कि कैमरे का उपयोग करके वीडियो ले रहे हैं। यदि आप वीडियो फ़ाइल का उपयोग करना चाहते हैं, त

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

हम समझेंगे कि विशिष्ट रंग का पता कैसे लगाएं और रंग के आधार पर ऑब्जेक्ट को ट्रैक कैसे करें। रंग पहचान और रंग पहचान आधारित ट्रैकिंग सिस्टम का प्रदर्शन पर्यावरण पर निर्भर करता है।यदि आप कमरे की रोशनी बदलते हैं या पृष्ठभूमि का रंग बदलते हैं, तो रंग पहचान पर महत्वपूर्ण प्रभाव पड़ेगा।C++ में OpenCV का उपय

रंग ट्रैकिंग रंग पहचान के समान है। ट्रैकिंग उद्देश्य के लिए, हमने पता लगाए गए ऑब्जेक्ट के क्षेत्र की गणना करने के लिए कुछ अतिरिक्त लाइनें जोड़ीं और फिर उस क्षेत्र की वर्तमान स्थिति को ट्रैक किया और अंत में ऑब्जेक्ट के गति पथ को दिखाने के लिए OpenCV के line() फंक्शन का उपयोग किया।OpenCV में C++ का उप

हम छवि से चेहरों का पता लगाते हैं। चेहरे का पता लगाने के लिए, हमने detectMultiScale() फंक्शन का उपयोग किया।इस फंक्शन का वास्तविक प्रारूप है -सिंटैक्सdetectMultiScale(source matrix, vector, searchScaleFactor, minNeighbours, flags, minfeatureSize)फंक्शन के तर्कों को बदलकर, हम detect.MultiSpace() फंक्श

छवि में स्थित चेहरों की संख्या गिनना आसान है। पिछले अनुभाग 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 = faces.size() लिखते हैं, तो x में चेहरों की संख्या होगी।दिए गए छवि से च

हम OpenCV में पता लगाए गए चेहरों को कैसे क्रॉप करें, यह जानेंगे। पता लगाए गए चेहरों को क्रॉप करने के लिए, हमें कई मैट्रिक्स की आवश्यकता होती है। सबसे उपयुक्त तरीका छवि सरणी का उपयोग करना है। इस प्रोग्राम में निम्नलिखित दो लाइनों का उपयोग करके, हमने दो छवि मैट्रिक्स घोषित की हैं -Mat cropped_faces[4]

हम केवल सबसे बड़े चेहरे का पता लगाना सीखेंगे। यह विषय पिछले विषय के समान है। एकमात्र अंतर यह है कि हमने सबसे बड़े चेहरे का पता लगाने के लिए एक अतिरिक्त Rect संरचना और एक for loop का उपयोग किया।इस फंक्शन का वास्तविक प्रारूप -Mat faceROI = image_with_humanface(maxRect)maxRect में स्थित सबसे बड़े चेहरे

जब हम चेहरे की स्थिति को ट्रैक करना चाहते हैं, तो चेहरे को दीर्घवृत्त से घेरना बेहतर होता है क्योंकि दीर्घवृत्त का एक केंद्र होता है। यह केंद्र पता लगाए गए चेहरे का केंद्र बिंदु भी होता है। परिणामस्वरूप, पता लगाए गए चेहरे की स्थिति को ट्रैक करना अधिक सटीक हो जाता है।निम्नलिखित प्रोग्राम पता लगाए गए

वास्तविक समय में चेहरे का पता लगाना स्थिर चित्रों में चेहरे का पता लगाने के समान है। एकमात्र अंतर वास्तविक समय चेहरा पहचान में है, हमें कंप्यूटर का वीडियो स्ट्रीम लेना होता है। इस प्रोग्राम में, हमने VideoCapture() फंक्शन का उपयोग किया। यह फंक्शन अन्य कैमरे से वीडियो कैप्चर करता है और फ्रेम को अस्था

हम सीखेंगे कि OpenCV में वास्तविक समय में चेहरे को कैसे ट्रैक करें। यह प्रोग्राम पिछले प्रोग्राम के समान है और अंतर यह है कि हमने चेहरे की पहचान के लिए आयत के बजाय दीर्घवृत्त का उपयोग किया और हमने कंसोल विंडो में चेहरे के निर्देशांक दिखाने के लिए अतिरिक्त cout स्टेटमेंट का भी उपयोग किया।मानव चेहरे क

यहाँ, हम सीखेंगे कि OpenCV में आंख का पता कैसे लगाएं। हम C:/opencv/sources/data/haarcascades में स्थित haarcascade_eye.xml क्लासिफायर का उपयोग आंखों का पता लगाने के लिए करेंगे। आंखों का पता लगाने के लिए, हमें इन हेडर्स को जोड़ना होगा।पहला हेडर है, और यह C++ प्रोग्रामिंग भाषा का हेडर है। छवियों को प

यहाँ, हम सीखेंगे कि OpenCV में आंख को कैसे ट्रैक करें। आंखों का पता लगाने के बाद, ट्रैकिंग एक सरल और सीधा कार्य है। हमने पता लगाई गई आंखों को घेरने के लिए वृत्त का उपयोग किया। वृत्त के केंद्र को ट्रैक करने का अर्थ है आंखों के केंद्र को ट्रैक करना। वृत्त के केंद्र को ट्रैक करने के लिए, हमें दो पूर्णा

यहाँ, हम सीखेंगे कि OpenCV में आंख की पुतली की गति का पता कैसे लगाएं और उसे ट्रैक कैसे करें।निम्नलिखित प्रोग्राम आंख की पुतली का पता लगाने और स्थान को ट्रैक करने को दर्शाता है।उदाहरण#include<iostream> #include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> #include<

इस समस्या में, हमें आकार n की एक सरणी arr[] दी गई है। हमारा कार्य दी गई सरणी में हर विंडो आकार के लिए न्यूनतम का अधिकतम ज्ञात करना है।समस्या विवरण - हमें 1 से n तक भिन्न होने वाले विंडो आकार के न्यूनतम का अधिकतम खोजना है। इसके लिए हम दी गई विंडो आकार की उप-सरणियों पर विचार करेंगे, प्रत्येक उप-सरणी क

इस समस्या में, हमें कुछ मूल्यों वाले n घर दिए गए हैं। हमारा कार्य घरों से चुराए जा सकने वाले अधिकतम संभावित मूल्य ज्ञात करना है।समस्या विवरण - हमारे पास एक सरणी houses[] है जिसमें प्रत्येक घर में मौजूद मूल्य होते हैं। एक चोर घरों को लूटता है लेकिन वह दो आसन्न घरों से नहीं चुरा सकता क्योंकि पड़ोसियों

इस समस्या में, हमें आकार n का एक 2-D मैट्रिक्स mat[][] दिया गया है, n एक विषम संख्या है। हमारा कार्य मैट्रिक्स में वर्ग की अधिकतम भुजा लंबाई ज्ञात करना है।समस्या विवरण - हमें उस वर्ग मैट्रिक्स की लंबाई खोजनी है जिसके परिधि मान समान हैं और जो मैट्रिक्स के समान केंद्र को साझा करता है।आइए एक उदाहरण से