fix png

data/1.OpenCV初阶/1.OpenCV基础/3.图像的基本操作/ball.md

 # 梅西足球的轨迹
 
 使用 OpenCV 可以方便的剪切粘贴图像上的区域。例如下图是梅西在踢足球
-![](./ball.jpg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/1.OpenCV基础/3.图像的基本操作/ball.jpg)
 
 通过剪切粘贴可以获得足球连续运行的轨迹
-![](./ball_continue.jpg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/1.OpenCV基础/3.图像的基本操作/ball_continue.jpg)
 
 实现代码如下，需要补全TODO部分：
 

data/1.OpenCV初阶/1.OpenCV基础/4.IO与GUI/doodle.md

 # 矩形涂鸦画板
 
-![](./doodle.png)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/1.OpenCV基础/4.IO与GUI/doodle.png)
 
 编写一个矩形涂鸦画板，实现功能：
 

data/1.OpenCV初阶/1.OpenCV基础/4.IO与GUI/img_buffer_convert.md

 # 甲壳虫的Base64之旅
 
 如下的一只甲壳虫，我们希望把它编码成 Base64，再从Base64解码出来。
-![](./bug.jpg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/1.OpenCV基础/4.IO与GUI/bug.jpg)
 
 代码框架如下：
 

data/1.OpenCV初阶/1.OpenCV基础/4.IO与GUI/img_read_write.md

 # 甲壳虫乐队
 
 一只甲壳虫想组个乐队，但是临时找不到队友。请使用 OpenCV 读取下面的彩色甲壳虫图片 `'bug.jpg'`，帮助他变身灰色甲壳虫，然后完成组队。
-![](./bug.jpg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/1.OpenCV基础/4.IO与GUI/bug.jpg)
 
 **显示甲壳虫乐队并写入到 `'bug_band.jpg'`**：
-![](./bug_band.jpg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/1.OpenCV基础/4.IO与GUI/bug_band.jpg)
 
 以下实现正确的是？
 

data/1.OpenCV初阶/2.二值图像处理/2.腐蚀与膨胀/erosion_dilation.md

@@ -6,7 +6,7 @@ OpenCV的膨胀与腐蚀，让“普通鸬鹚”不普通，下图从左到右
 * 原图经过腐蚀得到的图
 * 原图经过膨胀得到的图
 
-![](./bird_erosion_dilation.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/2.二值图像处理/2.腐蚀与膨胀/bird_erosion_dilation.jpeg)
 
 下面对腐蚀和膨胀实现代码正确的是？
 

data/1.OpenCV初阶/2.二值图像处理/3.开运算与闭运算/close.md

@@ -2,7 +2,7 @@
 
 OpenCV 里先膨胀再腐蚀操作叫做“闭运算”。小鸊鷉(pi ti)的名片被小朋友画了几笔，尝试通过先膨胀再腐蚀修复，完成任务
 
-![](./img_closed.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/2.二值图像处理/3.开运算与闭运算/img_closed.jpeg)
 
 框架代码如下：
 

data/1.OpenCV初阶/2.二值图像处理/3.开运算与闭运算/open.md

@@ -2,7 +2,7 @@
 
 OpenCV 里先腐蚀再膨胀操作叫做“开运算”。小鸊鷉(pi ti)的名片被小朋友画了几笔，尝试通过先腐蚀再膨胀修复，效果不明显
 
-![](./img_opened.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/2.二值图像处理/3.开运算与闭运算/img_opened.jpeg)
 
 框架代码如下：
 

data/1.OpenCV初阶/2.二值图像处理/5.轮廓/Contours.md

@@ -17,7 +17,7 @@ cv.findContours(image, mode, method[, contours[, hierarchy[, offset]]]	) → con
 * 康熙御笔碑帖图
 * 康熙御笔轮廓图
 
-![](./ContuorsOutput.jpg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/2.二值图像处理/5.轮廓/ContuorsOutput.jpg)
 
 下面对康熙御笔寻找轮廓实现代码正确的是？
 

data/1.OpenCV初阶/3.图像增强和滤波/1.彩色空间/flower.md

@@ -2,7 +2,7 @@
 
 OpenCV 的颜色空间主要有 BGR、HSV、Lab等，`cvtColor` 函数可以让图像在不同颜色空间转换。例如通过将花的图像转换到 HSV 颜色空间，在HSV空间内过滤出只含有花瓣颜色的像素，从而提取出花瓣。
 
-![](./flower_only.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/3.图像增强和滤波/1.彩色空间/flower_only.jpeg)
 
 以下实现正确的是？
 

data/1.OpenCV初阶/3.图像增强和滤波/2.直方图均衡化/fish.md

@@ -2,7 +2,7 @@
 
 通过调整图像的直方图调整图像的整体细节，下图左图是浑水鱼，右边清澈鱼。
 
-![](./fish_enhance.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/3.图像增强和滤波/2.直方图均衡化/fish_enhance.jpeg)
 
 框架代码如下：
 

data/1.OpenCV初阶/3.图像增强和滤波/4.梯度/Gradient.md

@@ -14,7 +14,7 @@ cv.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])
 
 我们用 Sobel 算子从 Lena 图像提取边缘，看看会产生什么样的效果吧。
 
-![](./gradientOutput.png)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/3.图像增强和滤波/4.梯度/gradientOutput.png)
 
 下面对 Sobel 梯度算子实现代码正确的是？
 

data/1.OpenCV初阶/4.几何变换和图像特征/1.仿射变换/Affine1.md

@@ -12,7 +12,7 @@ cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → d
 
 旋转也是一种简单仿射变换，我们用变换矩阵将下面的色块图旋转一下，看看会产生什么样的效果吧。
 
-![](./affine2.png)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/4.几何变换和图像特征/1.仿射变换/affine2.png)
 
 下面对仿射变换实现代码正确的是？
 

data/1.OpenCV初阶/4.几何变换和图像特征/2.单应性变换/rust_face.md

@@ -2,17 +2,17 @@
 
 下图左边的参赛作品（图片来自网络）掉到地上，重新做太麻烦了，据说改了个《挤地铁》的名字获奖了。
 
-![](./rust_face_origin.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/4.几何变换和图像特征/2.单应性变换/rust_face_origin.jpeg)
 
 我们可以通过 OpenCV 单应性变换的方式帮助挤地铁的人脸还原。
 
 把没挤扁和挤扁的图的坐标标注出来
 
-![](./rust_face_rule.jpg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/4.几何变换和图像特征/2.单应性变换/rust_face_rule.jpg)
 
 可以看到还原后的侧脸
 
-![](./rust_face_homography.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/4.几何变换和图像特征/2.单应性变换/rust_face_homography.jpeg)
 
 以下正确的实现是
 

data/1.OpenCV初阶/4.几何变换和图像特征/3.图像特征与特征提取/harris.md

@@ -2,11 +2,11 @@
 
 下图是一个湖边的亭子，通过 OpenCV 的 Harris 特征提取可以提取到亭子的瓦片特征
 
-![](./tower.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/4.几何变换和图像特征/3.图像特征与特征提取/tower.jpeg)
 
 上图背景图里的植被的角点也会被 Harris 特征提取到，因此我们先用之前学习过的知识过滤出前景图后再做 Harris 特征提取，过程图片如下：
 
-![](./tower_harris.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/4.几何变换和图像特征/3.图像特征与特征提取/tower_harris.jpeg)
 
 框架代码如下
 

data/1.OpenCV初阶/4.几何变换和图像特征/4.特征匹配/match.md

@@ -2,7 +2,7 @@
 
 通过特征匹配，可以把亭子和水中的倒影做特征匹配
 
-![](./tower_match.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/4.几何变换和图像特征/4.特征匹配/tower_match.jpeg)
 
 框架代码如下：
 

data/1.OpenCV初阶/5.图像识别/1.人脸识别/face_detect.md

 # 被挤压的地铁人脸检测
 
-![](./fake_face.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/5.图像识别/1.人脸识别/fake_face.jpeg)
 
 即使是地铁挤压的人脸，也是有尊严的，值得被检测，经过 OpenCV 的努力，成功检测：
 
-![](./rust_face_detect.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/5.图像识别/1.人脸识别/rust_face_detect.jpeg)
 
 
 * 左图是正常被识别的人脸

data/1.OpenCV初阶/5.图像识别/2.鸟图识别/detect_bird.md

@@ -2,7 +2,7 @@
 
 使用基本的OpenCV轮廓检测识别出野外拍摄照片里的鸟
 
-![](./birds_detect.jpeg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/5.图像识别/2.鸟图识别/birds_detect.jpeg)
 
 基本框架如下：
 

data/1.OpenCV初阶/6.视频分析/1.光流/flow.md

@@ -2,7 +2,7 @@
 
 使用OpenCV光流分析，跟踪蚂蚁的轨迹
 
-![](./ant_flow.jpg)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/6.视频分析/1.光流/ant_flow.jpg)
 
 代码框架：
 

data/1.OpenCV初阶/7.OpenCV中的深度学习/5.车辆检测/opencv-yolo-inference-vehicle.md

@@ -2,7 +2,7 @@
 
 `opencv.dnn`模块已经支持大部分格式的深度学习模型推理，该模块可以直接加载`tensorflow`、`darknet`、`pytorch`等常见深度学习框架训练出来的模型，并运行推理得到模型输出结果。`opecnv.dnn`模块已经作为一种模型部署方式，应用在工业落地实际场景中。
 
-![](./vehicle-detection.gif)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/7.OpenCV中的深度学习/5.车辆检测/vehicle-detection.gif)
 
 模型具体加载和使用流程如下：
 

src/img.py

@@ -37,5 +37,5 @@ class ImgWalker():
                         md_new.append(new_line)
                     md_new.append('')
                     simple_list_md_dump(md_file, md_new)
-                    import sys
-                    sys.exit(0)
+                    # import sys
+                    # sys.exit(0)