1 概述 – OpenCV介绍与环境搭建

HighGUI部分
Image Process
2D Feature
Camera Calibration and 3D reconstruction
Video Analysis
Object Detection
Machine Learning
GPU加速

2 加载、修改、保存图像

1 加载图像(用cv::imread) 2 修改图像(cv::cvtColor) 3 保存图像(cv::imwrite) 4 代码演示

(1)加载图像(用cv::imread)

imread功能是加载图像文件称为一个Mat对象(类对象)(源码中Mat类有多个重载的构造函数[参数表不同])
cv::Mat cv::imread(const cv::String &filename, int flags = 1)
- 其中第一个参数表示图像文件名称(文件的绝对地址)
- 第二个参数，表示加载的图像是什么类型，常见的有三个参数值(都是enum枚举类型)
  - IMREAD_UNCHANGED(<0)表示加载原图，不做任何改变
  - IMREAD_GRAYSCALE(0)表示把原图作为灰度图像加载进来
  - IMREAD_COLOR(>0)表示把原图作为RGB图像加载进来

注意：OpenCV支持JPG、PNG、TIFF等常见格式图像文件加载。

(2)显示图像(cv::namedWindow与cv::imshow)

namedWindow功能是创建一个OpenCV窗口，它是由OpenCV自动创建与释放的无需自己销毁(早年需要destroyWindow)
常见用法namedWindow("Window Title", WINDOW_AUTOSIZE)
WINDOW_AUTOSIZE会自动根据图像大小，显示窗口大小，不能人为改变窗口大小
WINDOW_NORMAL，跟QT集成的时候会使用，允许修改窗口大小
imshow根据窗口名称显示图像到指定的窗口上去，第一个参数是窗口名称，第二个参数是Mat对象

(3)修改图像(cv::cvtColor)

cvtColor的功能是把图像从一个色彩空间转换到另一个色彩空间。调整亮度/饱和度时先转换空间，改变效果后，再转换回来。有三个参数
- 表示源图像
- 表示色彩空间转换之后的图像
- 表示源和目标色彩空间
  - COLOR_BGR2HLS(L->Light[亮度]，S->saturation[饱和度])
  - COLOR_BGR2GRAY(BGR=>RGB，原因是B通道在前)
  - COLOR_BGR2HSV(S->saturation[饱和度])
cvtColor(image, gray_image, COLOR_BGR2GRAY)
- (image, gray_image都是Mat类对象)

(4)保存图像(cv::imwrite)

保存图像到指定目标路径(?路径中一定要加文件名.后缀名)
只有8位、16位的PNG、JPG、Tiff文件格式而且是单通道或者三通到的BGR图像才可以通过这种方式保存
保存PNG格式的时候可以保存透明通道的图片
可以指定压缩参数

3 矩阵的掩膜操作

1 获取图像像素指针 2 掩膜操作解释 3 代码演示

(1)获取图像像素指针

CV_Assert(myImage.depth() == CV_8U);测试位图深度是否为8位，如果False则停止运行
- 位图深度：在灰度图像中8位代表从黑(0)到白(1)分为256个颜色深度；在RGB图像中代表每个通道(每个原色)都分为256个子色，总体上为256 * 256 * 256种颜色
Mat.ptr<uchar>(int i = 0)(uchar是unsigned char，一个字节0~ 255，像素值也是在0~255)获取像素矩阵的指针，索引i表示第几行，从0开始计行数
获得当前行指针const uchar* current = myImage.ptr<uchar>(row);
获取当前像素点P(row, col)的像素值p(row, col) = current[col];

(2)像素范围处理saturate_cast

saturate_cast<uchar>(-100)，返回0
saturate_cast<uchar>(288)，返回255
saturate_cast<uchar>(124)，返回124
这个函数的功能是确保RGB值的范围在0~255之间

(3)掩膜操作解释

代码示例：(RGB图像可以理解为一个像素占三个字节(R/G/B))

这是一张3*3的(255, 0, 0)的纯红色图片 (.ptr<uchar>(int)是Mat类的成员函数，uchar用于表示像素0~255)

//示例中使用
Mat resultImage;
myImage.copyTo(resultImage);	//将图片clone

//视频中
Mat resultImage;
resultImage = Mat::zeros(myImage.size(), myImage.type());
//clone了新对象，zeros产生一个纯黑的图像，拷贝图像大小和类型

(4)函数调用filter2D功能

定义掩膜：
- Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
- Mat_是一个类模版，是对Mat的封装没有添加更多的属性。char是typename，Mat_(int _rows, int _cols)是它的一个构造函数。目的是避免多处声明数据类型导致出错
filter2D(src, dst, src.depth(), kernel);
- 其中src与dst是Mat类型变量、src.depth表示位图深度，有32、24、8等。

4 Mat对象

1 Mat对象与IplImage对象 2 Mat对象使用 3 Mat定义数组

(1)Mat对象与IplImage对象

Mat对象OpenCV2.0之后引进的图像数据结构、自动分配内存、不存在内存泄漏的问题，是面向对象的数据结构。分头部与数据部分
IplImage
是从2001年OpenCV发布之后就一直存在，是C语言风格的数据结构，需要开发者自己分配与管理内存，对大的程序使用它容易导致内存泄漏问题?‍

(2)Mat对象构造函数与常用方法

对象构造函数

Mat()
Mat(int rows, int cols, int type) 传入长宽像素大小，和矩阵单位类型
- 解释一下type矩阵类型
  - 可以通过原对象.convertTo(目标Mat对象, 目标类型)来改变
  - CV_8UC1(灰度)、CV_8UC2、CV_8UC3(彩色BGR)、CV_8UC4(带透明色的BGR)都是Unsigned 8bits
  - CV_32FC1、CV_32FC2、CV_32FC3是float32位
  - CV_64FC1、CV_64FC2、CV_64FC3是double64位
Mat(Size size, int type) 传入另一个Mat对象的.size()
Mat(int rows, int cols, int type, const Scalar &s) 传入长宽，类型和Scalar像素值(Scalar(B, G, R))
- Mat M(24, 24, CV_8UC3, Scalar(0, 0, 255))

- 其中前两个参数分别为行(row)和列(column)，第三个CV_8UC3中 8表示每个通道占8位、U表示无符号、C表示Char类型、3表示通道数目是3，第四个参数是向量表示初始化每个像素值是多少，向量长度对应通道数目一致
Mat(Size size, int type, const Scalar &s)
Mat(int ndims, const int *sizes, int type)
Mat(int ndims, const int *sizes, int type, const Scalar &s)

(3)常用方法

void copyTo(Mat dst) 拷贝Mat对象。用法(拷贝到)：Mat对象名.copyTo(Mat对象名);
void convertTo(Mat dst, int type) 转换Mat矩阵类型
Mat clone() 完全克隆。用法：Mat对象名 = Mat对象名.clone();
int channels() 返回通道数
int depth() 返回位图深度
bool empty() 返回是否为空对象
uchar* ptr(i=0) 返回一个指向行的指针。说明：default=0是第一行的索引
Mat::zeros(int rows, int cols, int type) 返回一个Mat对象，像素值都为0
Mat::eye(int rows, int cols, int type) 返回一个Mat对象，主对角线上像素值都为1，其他像素为0

Mat dst = Scalar( , , )括号内填入像素值，生成一个确定BGR像素的图片。若范围在0~255，则代表位图深度为8，RGB每个原色都分成255个子色。

(4)Mat对象使用

部分复制：一般情况下只会复制Mat对象的头和指针部分，不会复制数据部分
- Mat A = imread(imgFilePath);
- Mat B(A);
完全复制：如果想把Mat对象的头部和数据部分一起复制，可以通过如下两个API实现
- Mat B = A.clone()
- Mat G; A.copyTo(G);

Mat定义数组：Mat kernel = (Mat_<typename>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);

5 图像操作

1 读写图像 2 读写像素 3 修改像素值

(1)读写像素

读一个GRAY像素点的像素值(CV_8UC1)
- int intensity = img.at<uchar>(row, col);
- int intensity = img.at<uchar>(Point(row, col));

读一个RGB像素点的像素值(CV_8UC3)
- Vec3f intensity = img.at<Vec3b>(row, col); Vec3b -> 返回值是unsigned char
- int blue = intensity.val[0]; int blue = img.at<Vec3b>(row, col)[0]; 这种写法也是对的 blue
- int green = intensity.val[1]; green
- int red = intensity.val[2]; red

.ptr(row)[col]和.at(row, col)[channel]的区别：

.ptr<uchar>(row)[col]是在一个已展开的图像上提取像素指针，对于多通道而言(BGR三通道ptr获取像素指针时，每个位置三个通道是排开的，可以理解为一个像素位置由三个字节构成)
- 它的返回值类型为const _Tp * ptr<_Tp, n>(const cv::Vec<int, n> &idx) const
.at<uchar>(row, col)[channel]是在原图像位置上取出像素指针，通过[channel]获取不同通道下的像素指针的
- 它的返回值类型为const _Tp &at<_Tp>(cv::Point pt) const

对各通道取反操作API bitwise_not(input_img, output_img); 编译器快捷键 选中代码后Alt + 方向键 移动代码块

6 图像混合

1 理论-线性混合操作 2 相关API(addWeighted) 3 代码演示

(1)理论-线性混合操作

其中的取值范围为0~1之间。

(2)相关API(addWeighted)

void cv::addWeighted ( InputArray	src1,
					   double		alpha,
					   InputArray   src2,
					   double		beta,
					   double		gamma,
					   OutputArray  dst,
					   int 			dtype = -1
					 )

参数1：输入图像Mat-src1
参数2：输入图像src1的 $α\alpha$ 值
参数3：输入图像Mat-src2
参数4：输入图像src2的 $α\alpha$ 值
参数5： $γ\gamma$ (gamma)值
参数6：输出混合图像

注意点：两张图像的大小和类型必须一致才可以。 四个函数：

void add(cv::InputArray src1, cv::InputArray src2, cv::OutputArray dst, cv::InputArray mask = noArray(), int dtype = -1) 像素直接相加函数
void multiply(cv::InputArray src1, cv::InputArray src2, cv::OutputArray dst, double scale = (1.0), int dtype = -1) 像素直接相乘函数
int64 cv::getTickCount() 用于返回从操作系统启动到当前所经的计时周期数
- int64=>long long是64位整数，类似的有int16=>short，int32=>int
double cv::getTickFrequency() 用于返回CPU的频率(1s内的计时周期数)
用来计算当前程序的运行时间

7 调整图像亮度与对比度

1 理论 2 代码演示

(1)理论

图像变换：

像素变换 — 点操作
邻域操作 — 区域

调整图像亮度和对比度属于像素变换。 $($ 其中是增益变量 $)$ 控制对比度，控制亮度。 小知识点：int64 类型是 long long，size_t 类型是 unsigned long long

8 绘制形状与文字

1 使用cv::Point与cv::Scalar 2 绘制线、矩形、圆、椭圆等几本几何形状 3 随机生成与绘制文本 4 代码演示

(1)使用cv::Point与cv::Scalar

Point表示2D平面上一个点(x, y)
Scalar表示至多四个元素的向量

Point和Scalar都是类模板

//Scalar源码types.hpp
typedef Scalar_<double> Scalar;

//Scalar_源码
template<typename _Tp> class Scalar_ : public Vec<_Tp, 4>

//Vec源码
template<typename _Tp, int cn> class Vec : public Matx<_Tp, cn, 1>

//Matx源码
template<typename _Tp, int m, int n> class Matx

关于OpenCV中矩阵Matx和退化的单行矩阵Vec源码分析可以参考Ph.D, HUST.的OpenCV源码阅读之matx.h

(2)绘制线、矩形、圆、椭圆等几本几何形状

提醒： 当线宽设置为-1时，会填充整个形状

画线 cv::line (线的类型：LINE_4\LINE_8\LINE_AA(反锯齿))

void Draw_Line(int line_width, Mat& tmp)
{
	line(tmp, Point(100, 100), Point(200, 200), Scalar(0, 0, 255), line_width, LINE_8);
}

画椭圆 cv::ellipse
- void ellipse(InputOutputArray img, Point center, Size axes, double angle, double startAngle, double endAngle, const Scalar& color, int thickness = 1, int lineType =8, int shift = 0)
  - Point 圆心坐标
  - Size 椭圆长轴、短轴长度
  - angle 初始旋转角度
  - startAngle 椭圆起始角度
  - endAngle 椭圆终止角度(这两个用于画椭圆弧)

void ellipse(int line_width, Mat& tmp)
{

	ellipse(tmp, Point(tmp.rows / 2, tmp.cols / 2), Size(tmp.rows / 4, tmp.cols / 8), 45, 0, 360, Scalar(150, 150, 0), line_width, LINE_8);
}

画矩形 cv::rectangle
- Rect用来创建一个矩形对象。构造函数：
  - Rect::Rect()默认构造函数，矩形左上角的横纵坐标，矩形大小均为0
  - Rect::Rect(point&, size&)用Point对象初始化矩形左上角的横纵坐标；用**Size(width, height)**初始化矩形大小
  - Rect::Rect(INT, INT, INT, INT)用四个证书初始化角点的横纵坐标、矩形大小

Rect rect = Rect(100, 100, 200, 200);
//Rect rect(Point(100, 100), Size(200, 200));
void rectangle(int line_width, Mat& tmp)
{
	rectangle(tmp, rect, Scalar(0, 255, 0), line_width, LINE_8);
}

画圆 cv::circle

//和椭圆很相似，Size->radius半径
void circle(int line_width, Mat& tmp)
{
	circle(tmp, Point(tmp.rows / 2, tmp.cols / 2), 50, Scalar(0, 125, 125), line_width, LINE_8);
}

画填充 cv::fillPoly
- void fillPoly(InputOutputArray img, const Point **pts, const int *npts, int ncontours, const Scalar &color, int lineType = 8)
  - Point ** pts 用来接指向Point数组的指针
  - int *npts 用来接一共有几个指向顶点位置的指针，实际顶点个数+1(最后一个指回初始点)
  - int ncontours 是几个闭环，是point[1][6]中第一维的数值

void Polygon(Mat& tmp)
{
	//定义一个五边形的五个顶点，必须用数组
	const Point point[1][6];
	point[0][0] = Point(0, 0);
	point[0][1] = Point(100, 100);
	point[0][2] = Point(100, 50);
	point[0][3] = Point(80, 30);
	point[0][4] = Point(50, 10);
	point[0][5] = Point(0, 0);
	const Point* pts[] = { point[0] };
	int npts[] = { 6 };	//定义成数组的原因是数组名是首地址，可以直接传给指针
	
	fillPoly(tmp, pts, npts, 1, Scalar(100, 0, 0), 8);
}

文字 putText
- void putText(InputOutputArray img, const String& text, Point org, int fontFace, double frontScale, Scalar color, int thickness, int lineType)
  - fontFace代表字体格式，如：CV_FONT_HERSHEY_COMPLAX CV_FONT_BLACK

putTest(img, "content", Point(img.rows / 2, img.cols / 2), CV_FONT_HERSHEY_COMPLAX, 1.0, Scalar(12, 24, 200), 3, 8);

这里再次提一下waitKey函数

waitKey函数是一个等待键盘事件的函数，参数值delay<=0时等待时间无限长，delay为正整数n时至少等待n毫秒的时间才结束。在等待的期间按下任意按键时函数结束，返回按键的键值（ascii码），等待时间结束仍未按下按键则返回-1。该函数用在处理HighGUI窗口程序，最常见的便是与显示图像窗口imshow函数搭配使用

if (waitKey(delay_time) >= 0)
	break;

(3)随机数生成cv::RNG

RNG rng

生成高斯随机数 rng.gaussian(double sigma)
生成正态分布随机数 rng.uniform(int a, int b) a和b是取值范围

随机生成line&“OpenCV”

void randomgenerator()
{
	Size size(500, 500);
	Mat src = Mat::zeros(size, IMREAD_REDUCED_GRAYSCALE_2);
	RNG rng(1024);
	Point p1, p2;
	for (i = 0; i < 100000; i++)
	{
		p1 = Point(rng.uniform(0, src.cols), rng.uniform(0, src.rows));
		p2 = Point(rng.uniform(0, src.cols), rng.uniform(0, src.rows));
		p3 = Point(rng.uniform(0, src.cols), rng.uniform(0, src.rows));
		Scalar color(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));

		line(src, p1, p2, color, rng.uniform(0.5, 3), 8);
		putText(src, "OpenCV", p3, rng.uniform(0, 7), rng.uniform(0.7, 2.3), color, rng.uniform(2, 3)); 
		
		imshow("demo", src);
		if (waitKey(30) > 0)
			break;
	}
}

9 模糊图像

1 模糊原理 2 中值滤波 3 双边滤波

(1)模糊原理

Smooth/Blur是图像处理中最简单和常用的操作之一
使用该操作的原因之一就为了给图像预处理时降低噪声
使用Smooth/Blur操作其背后是数学的卷积计算

通常这些卷积算子计算都是线性操作，所以又叫线性滤波

归一化盒子滤波(均值滤波)

API:

blur(Mat src, Mat dst, Size(xradius, yradius), Point(-1, -1));

注释: Point(-1, -1)意思是将输出值赋给中心点。

高斯滤波

kernel的值分布是二维的高斯分布函数(保留原有的特征) API:

GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT);

其中sigmax和sigmay必须是正数而且是奇数。

中值滤波：清除椒盐噪声

统计排序滤波器
中值对椒盐噪声有很好的抑制作用
即取该卷积核内所有值的中位数赋给中心像素

API:

medianBlur(Mat src, Mat dst, int ksize);

双边滤波：保持轮廓

可以这样理解，在高斯滤波的基础上，添加了一种类似阈值的概念，按传统的高斯滤波处理，但相邻像素值超出阈值时不做处理，保留了边缘信息。双边滤波分为空间临近度计算的权值和像素值相似度计算的权值，在边缘附近(高频信号)，离的较远的像素不会太多影响到边缘上的像素，这样就能对边缘附近的像素值予以保存。 $f^{'}$ 是输出图像，是输入图像，是以像素点为中心的邻域窗口，为滤波核。滤波核由与欧式距离相关的空域核 以及和临近像素值差异相关的值域核 的点积构成。两个核都按照高斯分布的形式从公式可以看出当相邻像素值和差值越大时，越小，的权重越小，这时就成空域核占主要权重，实际上就是普通的高斯滤波形式。 API:

bilateralFilter(Mat src, Mat dst, int d, double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT);

OpenCV图像处理视频教程——入门篇(一)

1 概述 – OpenCV介绍与环境搭建

2 加载、修改、保存图像

(1)加载图像(用cv::imread)

(2)显示图像(cv::namedWindow与cv::imshow)

(3)修改图像(cv::cvtColor)

(4)保存图像(cv::imwrite)

3 矩阵的掩膜操作

(1)获取图像像素指针

(2)像素范围处理saturate_cast

(3)掩膜操作解释

代码示例：(RGB图像可以理解为一个像素占三个字节(R/G/B))

(4)函数调用filter2D功能

4 Mat对象

(1)Mat对象与IplImage对象

(2)Mat对象构造函数与常用方法

对象构造函数

(3)常用方法

(4)Mat对象使用

5 图像操作

(1)读写像素

.ptr(row)[col]和.at(row, col)[channel]的区别：

6 图像混合

(1)理论-线性混合操作

(2)相关API(addWeighted)

7 调整图像亮度与对比度

(1)理论

8 绘制形状与文字

(1)使用cv::Point与cv::Scalar

(2)绘制线、矩形、圆、椭圆等几本几何形状

(3)随机数生成cv::RNG

随机生成line&“OpenCV”

9 模糊图像

(1)模糊原理

归一化盒子滤波(均值滤波)

高斯滤波

中值滤波：清除椒盐噪声

双边滤波：保持轮廓

您必须登录才能发表评论！

1 概述 – OpenCV介绍与环境搭建

2 加载、修改、保存图像

(1)加载图像(用cv::imread)

(2)显示图像(cv::namedWindow与cv::imshow)

(3)修改图像(cv::cvtColor)

(4)保存图像(cv::imwrite)

3 矩阵的掩膜操作

(1)获取图像像素指针

(2)像素范围处理saturate_cast

(3)掩膜操作解释

代码示例：(RGB图像可以理解为一个像素占三个字节(R/G/B))

(4)函数调用filter2D功能

4 Mat对象

(1)Mat对象与IplImage对象

(2)Mat对象构造函数与常用方法

对象构造函数

(3)常用方法

(4)Mat对象使用

5 图像操作

(1)读写像素

.ptr(row)[col]和.at(row, col)[channel]的区别：

6 图像混合

(1)理论-线性混合操作

(2)相关API(addWeighted)

7 调整图像亮度与对比度

(1)理论

8 绘制形状与文字

(1)使用cv::Point与cv::Scalar

(2)绘制线、矩形、圆、椭圆等几本几何形状

(3)随机数生成cv::RNG

随机生成line&“OpenCV”

9 模糊图像

(1)模糊原理

归一化盒子滤波(均值滤波)

高斯滤波

中值滤波：清除椒盐噪声

双边滤波：保持轮廓

您必须 登录 才能发表评论！

您必须登录才能发表评论！