我正在尝试在 Windows 10 上使用带有 GPU 的 opencv-python。

我使用 pip 安装了 opencv-contrib-python，它是 v4.4.0.42，我的计算机和路径中也有 Cuda。

无论如何，这是我正在尝试编译的（简单）代码：

import cvlib as cv
from cvlib.object_detection import draw_bbox

bbox, label, conf = cv.detect_common_objects(img,confidence=0.5,model='yolov3-worker',enable_gpu=True)

output_image = draw_bbox(img, bbox, label, conf)

首先，这是告诉我 tf 可以与 cuda 一起使用的行：

2020-08-26 5:51:55.718555: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudart64_101.dll

但是当我尝试使用 GPU 分析图像时，会发生以下情况：

[ WARN:0] global C:\Users\appveyor\AppData\Local\Temp\1\pip-req-build-j8nxabm_\opencv\modules\dnn\src\dnn.cpp (1429) cv::dnn::dnn4_v20200609::Net::Impl::setUpNet DNN module was not built with CUDA backend; switching to CPU

有没有办法在不使用 cmake 安装 opencv 的情况下解决这个问题？窗户上乱七八糟...

我在 fitellipse 和 opencv-python 方面遇到了很大的问题。

我知道我必须安装 opencv-contrib-python 才能获得一些功能，但它不适用于 fitellips 函数。

使用时：

import cv2
cv2.fitEllipse()

这是结果：

TypeError: fitEllipse() missing required argument 'points' (pos 1)

但如果现在我尝试使用例如图像的轮廓检测：

img = cv2.imread('messi5.jpg',0)
retz,bawgray=cv2.threshold(img , 110,255,cv2.THRESH_BINARY)
contours,hierarchy = cv2.findContours(bawgray,1,1)
cnt = contours
big_contour = []
maxop = 0
for i in cnt:
    areas = cv2.contourArea(i) 
    if areas > maxop:
        maxop = areas
        big_contour = i 
img=cv2.drawContours(img, big_contour, -1, (0,255,0), 3)
cv2.FitEllipse(big_contour)

这是结果：

AttributeError: module 'cv2.cv2' has no attribute 'FitEllipse'

我使用 opencv-python 4.2.0.34 和 opencv-contrib-python 4.2.0.34

我有一个多维数组，它表示两组点之间的距离（分别用蓝色和红色着色）。

import numpy as np
distance=np.array([[30,18,51,55],
                   [35,15,50,49],
                   [36,17,40,32],
                   [40,29,29,17]])

每列代表红点，行代表蓝点。此矩阵中的值表示红点和蓝点之间的距离。这是一个草图，以了解它的外观：

题： 如何找到相互不相交的（蓝色，红色）对之间距离总和的最小值？

试图

我期待在上图中找到 1=1、2=2、3=3 和 4=4。但是，如果我使用一个简单的 argmin numpy 函数，例如：

for liste in distance:
    np.argmin(liste)

结果是

1
1
1
3

因为 2 红点是最近的 1,2 和 3 蓝点。

在这种情况下，有没有办法做一些通用的事情来让事情变得更好？我的意思是不使用大量 if 语句和 while 函数。