概述上一篇博客中，我们把图片中的水印去除掉，并且加深了字体的颜色，之后我对图片的大小进行了统一，甚至我还专门给他们都加上了参照字段，分别尝试了百度AIP的表格识别服务和Face++的自定义模板文字识别服务，可能是因为图片的分辨率较低，而且文字较密集的缘故，最终得到的结果都不尽如人意，错误率非常高，所以准备尝试下先将图片按照行列进行分割，之后再逐个去识别的方法，结果却出乎我的意料。

截图拼接的需求很多，四年前写的拼图软件出错概率太高，其他的同类软件也都不是很顺手，终于还是捡起了四年前的坑，加上了手动编辑，再也不用担心拼接出错了。为了实现拼地图，这次拼接算法用上了OpenCV，记录下摸索过程。

假设你是一名在超市工作的员工，被要求在商店里四处走动，检查需要重新进货的货架。但是，超市有时会有多个区域来存放一种特定的产品，所以要跟踪购物者购买产品的确切位置并不容易。最重要的是，报告库存的空货架空间可能非常耗时，而且总是存在人为缺陷的可能性。这就是通过计算机视觉识别空的货架空间可能会派上用场的地方。

我们创建两个独特的模板并遍历图像以找到足够相似的多维数组。相似度是基于我们可配置的阈值。OpenCV的模板matchTemplate函数可以实现该操作。

how in the world do we sort contours from left-to-right, top-to-bottom, etc.

This is a classic use for dilate. Whenever you want to connect multiple items together, you can dilate them to join adjacent contours into a single contour.

OpenCV 基本图形，画直线，画四边形、正圆，绘制椭圆、扇形、圆弧，画多边形。

OpenCV 特征点匹配，Hough变换，特征点跟踪，形状特征。

OpenCV 创建和操作矩阵，子矩阵的操作。

OpenCV 静止图像文件的输入和输出，视频文件的输入和输出，从连接到电脑的摄像头输入，来自鼠标和键盘的输入。

OpenCV过滤处理，几何学变换，像素单位的变换。

预处理、边缘检测、透视变换、使用轮廓提取答案。

In this tutorial, you will learn how to build a scalable image hashing search engine using OpenCV, Python, and VP-Trees.

In this blog post I’ll show you how to use OpenCV, Python, and the k-means clustering algorithm to find the most dominant colors in an image.

我们经常需要通过扫描将纸上的全部内容转换为图像。有很多在线工具可以提高图像的亮度，或者消除图像中的阴影。但是我们可以手动删除阴影吗？当然可以，我们只需要将图像加载到相应的代码中，无需任何应用程序即可在几秒钟内获得输出。这个代码可以通过Numpy和OpenCV基本函数来实现。

无人机在拍摄视频时，由于风向等影响因素，不可避免会出现位移和旋转，导致拍摄出的画面存在平移和旋转的帧间变换， 即“抖动” 抖动会改变目标物体 (车辆、行人) 的坐标，给后续的检测、跟踪任务引入额外误差，造成数据集不可用。

理想的无抖动视频中，对应于真实世界同一位置的背景点在不同帧中的坐标应保持一致，从而使车辆、行人等目标物体的坐标变化只由物体本身的运动导致，而不包含相机的运动抖动可以由不同帧中对应背景点的坐标变换来描述。

Discover how to build a bubble sheet multiple choice scanner and test grader using Optical Mark Recognition (OMR) along with Python, OpenCV, computer vision