CMakeLists配置

cmake_minimum_required (VERSION 2.8)
include_directories(${OpenCV_INCLUDE_DIRS}) #OpenCV的include文件夹
set(OpenCV_DIR /usr/local/lib) #OpenCV的lib文件夹
find_package(OpenCV REQUIRED)
add_executable(程序名 主函数所在cpp)
target_link_libraries(程序名 ${OpenCV_LIBS})

显示图像

#include <opencv2/opencv.hpp>
using namespace cv;

void main()
{
    Mat src = imread("../test.jpg");
    imshow("【图片显示】", src);
    waitKey(0); //等待任意键按下
}

图像腐蚀

Mat src = imread("../test.jpg");
// OpenCV创建形态学处理的内核：MORPH_ELLIPSE、MORPH_CROSS、MORPH_RECT
Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  //创建腐蚀内核
Mat dst;
erode(src, dst, element);   //腐蚀
imshow("【腐蚀效果图】", dst);

图像模糊

Mat src = imread("../test.jpg");
Mat dst;
blur(src, dst, Size(7, 7)); //均值滤波
imshow("【图像模糊】", dst);

canny边缘检测

Mat src = imread("../test.jpg");
Mat dst, edge, gray;
dst.create(src.size(), src.type()); //创建一个与src同类型和大小的矩阵
cvtColor(src, gray, COLOR_BGR2GRAY);    //转为灰度图
blur(gray, edge, Size(3, 3));
Canny(edge, edge, 3, 9, 3); //Canny边缘检测
imshow("【Canny边缘检测】", edge);

视频操作

读取现有视频

VideoCapture capture("../1.avi");
while(1)
{
    Mat frame;
    capture>>frame; //读取当前帧
    imshow("【读取视频】", frame);
    waitKey(30);
}

读取摄像头

VideoCapture capture(0);
while(1)
{
    Mat frame;
    capture>>frame; //读取当前帧
    imshow("【读取视频】", frame);
    waitKey(30);
}

创建窗口

// flags: WINDOW_NORMAL; WINDOW_AUTOSIZE; WINDOW_OPENGL
void namedWindow(const string& winname, int flags=WINDOW_AUTOSIZE)

保存图像

bool imwrite(const string& filename, InputArray img, const vector<int>& params=vector<int>());

imwrite("生成的图片.jpg", img);  //img为Mat对象

滑动条的创建和使用

创建函数原型：

// value：表示滑块的位置
// count：滑块可以达到的最大位置
// userdata：传给回调函数的数据，用来处理轨迹条时间，如果value是全局变量，则不用管userdata
int createTrackbar(const string& trackname, const string& winname, int* value, int count, TrackbarCallback onchange=0, void* userdata=0);

示例：

//第一个参数是轨迹条位置，第二个参数是用户数据
void on_Trackbar(int position, void* userdata)
{
    printf("position: %d\n", position);
    printf("userdata: %d\n", userdata);
}

int main()
{
    createTrackbar("透明值：", "【滑动条】", 0, 100, on_Trackbar, 1);
}

鼠标操作

指定鼠标操作消息回调函数的函数：

void setMouseCallback(const string& winname, MouseCallback onMouse, void* userdata = 0)

示例：

// flags是EVENT_FLAG的组合
void on_MouseHandle(int event, int x, int y, int flags, void* param)
{
    swith(event)
    {
        case EVENT_MOUSEMOVE:
        {
            //鼠标移动事件
        }break;
        case EVENT_LBUTTONDOWN:
        {
            //左键按下
        }break;
        case EVENT_LBUTTONUP:
        {
            //左键抬起
        }break;
        default:;
    }
}

int main()
{
    Mat src = imread("../test.jpg");
    setMouseCallback("【鼠标操作】", on_MouseHandle, (void*)&src);
    waitKey(0);
}

创建Mat对象的方法

使用Mat()构造函数

Mat M(2, 2, CV_8UC3, Scalar(0, 0, 255));

// CV_[位数][带符号与否][类型前缀]C[通道数]

通过构造函数进行初始化

int sz[3] = {2, 2, 2};
Mat L(3, sz, CV_8UC, Scalar::all(0));

利用creat()函数

M.create(4, 4, CV_8UC2);

注意：此创建方法不能为矩阵设置初值，只是在改变尺寸时重新为矩阵数据开辟内存而已

采用MATLAB式的初始化方式

Mat E = Mat::eye(4, 4, CV_64F);

Mat O = Mat::ones(2, 2, 2CV_32F);

Mat Z = Mat::zeros(3, 3, CV_8CU1);

逗号分隔式初始化函数

Mat C = (Mat_<double>(3, 3) << 0, -1, 0, -1, -5, -1, 0, -1, 0);

常用数据结构和函数

Point类

Point point;
point.x = 10;
point.y = 8;

Point point = Point(10, 8);

Scalar类

Scalar(a, b, c);    //BGR

cvtColor()函数

void cvtColor(InputArray src, OutputArray dst, int code, int dstCn = 0)

计时函数

getTickCount()函数返回CPU自某个事件以来走过的时钟周期数
getTickFrequency()函数返回CPU一秒钟所在的时钟周期数

Mat类

Mat类有若干成员函数可以获取图像的属性。工友成员变量cols和rows给出了图像的宽和高，channels()返回图像的通道数

图像混合

// 定义一个Mat类型并给其设定ROI区域
Mat imageROI;
imageROI = image(Rect(500, 250, logo.cols, logo.rows));

addWeighted(srcImage1, alphaValue, srcImage2, betaValue, 0.0, dstImage);

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

// dst = src1[I]*alpha + src2[I]*beta + gamma

颜色通道分离、混合

split()函数

Mat src = imread("../test.jpg");
vector<Mat> channels;
split(src, channels);
// 可以通过channels.at()访问各个通道

merge()

void merge(const Mat* mv, size_t count, OutputArray dst);
void merge(const vector<Mat>& mv, OutputArray dst );

线性滤波

均值滤波

// dst需要有和src一样的尺寸和类型
void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1, -1), int borderType = BORDER_DEFAULT)

blur(image, out, Size(7, 7));

高斯滤波

// dst需要有和src一样的尺寸和类型
// sigmaY=0时，就将它设为sigmaX
void GuassianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType = BORDER_DEFAULT)

GaussianBlur(image, out, Size(3, 3), 0, 0);

非线性滤波

中值滤波

// dst需要有和src一样的尺寸和类型
// ksize必须是大于1的奇数
void medianBlur(InputArray src, OutputArray dst, int ksize)

双边滤波

// dst需要有和src一样的尺寸和类型
// d是过滤过程中每个像素领域的直径
// sigmaColor是颜色空间滤波器的sigma值
// sigmaSpace是坐标空间滤波器的sigma值
void bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT)

bilateralFilter(image, out, 25, 25*2, 25/2);

形态学滤波

核心API函数：morphologyEx()

void morphologyEx(
    InputArray src,
    OutputArray dst,
    int op,
    InputArray kernel,
    Point anchor = Point(-1, -1),
    int iterations = 1,
    int borderType = BORDER_CONSTANT,
    const Scalar& borderValue = morphologyDefaultBorderValue()
);

标识符op	含义
MORPH_OPEN	开运算
MORPH_CLOSE	闭运算
MORPH_GRADIENT	形态学梯度
MORPH_TOPHAT	顶帽
MORPH_BLACKHAT	黑帽
MORPH_ERODE	腐蚀
MORPH_DILATE	膨胀

膨胀

void dilate(
    InputArray src,
    OutputArray dst,
    InputArray kernel,  //内核，一般用getStructuringElement获取
    Point anchor = Point(-1, -1);
    int iterations = 1, //迭代次数
    int borderType = BORDER_CONSTANT,
    const Scalar& borderValue = morphologyDefaultBorderValue()
);

Mat image = imread("../test.jpg");
Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
Mat out;
dilate(image, out, element);

腐蚀

void erode(
    InputArray src,
    OutputArray dst,
    InputArray kernel,  //内核，一般用getStructuringElement获取
    Point anchor = Point(-1, -1);
    int iterations = 1, //迭代次数
    int borderType = BORDER_CONSTANT,
    const Scalar& borderValue = morphologyDefaultBorderValue()
);

Mat image = imread("../test.jpg");
Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
Mat out;
erode(image, out, element);

开运算

先腐蚀后膨胀

morphologyEx(src, dst, MORPH_OPEN, element);

闭运算

先膨胀后腐蚀

morphologyEx(src, dst, MORPH_CLOSE, element);

形态学梯度

膨胀图与腐蚀图之差

morphologyEx(src, dst, MORPH_GRADIENT, element);

顶帽

原图像与开运算结果图之差

morphologyEx(src, dst, MORPH_TOPHAT, element);

黑帽

闭运算结果图与原图像之差

morphologyEx(src, dst, MORPH_BLACKHAT, element);

图像尺寸调整

//若dsize为0，则由fx和fy计算
//若fx, fy为0，则由dsizez计算
void resize(InputArray src, OutputArray dst, Size dsize, double fx=0, double fy=0, int interpolation=INTER_LINEAR)

阈值化

固定阈值操作

Threshold()对单通道数组应用固定阈值操作。

double threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type)

threshold(gray_image, dst, thresholdValue, 255, THRESH_BINARY)

自适应阈值操作

void adaptiveThreshold(InputArray src, OutputArray dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C)

边缘检测

第一步：滤波

边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，常用高斯滤波
第二步：增强

增强算法可以将图像灰度点领域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定
第三步：检测

常用阈值化方法来检测

canny算子

void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false)

sobel算子

void Sobel(
    InputArray src,
    OutputArray dst,
    int ddepth, //输出图像的深度
    int dx, //x方向上的差分阶数
    int dy, //y方向上的差分阶数
    int ksize = 3,  //Sobel核的大小，必须取1/3/5/7
    double scale = 1,
    double delta = 0,
    int borderType = BORDER_DEFAULT
);

Laplacian算子

void Laplacian(
    InputArray src,
    OutputArray dst,
    int ddepth,
    int ksize = 1,
    double scale = 1,
    double delta = 0,
    int borderType = BORDER_DEFAULT
);

霍夫变换

void HoughLines(
    InputArray image,
    OutputArray lines,
    double rho,
    double theta,
    int threshold,
    double srn=0,
    double stn=0
);

寻找轮廓findContours()函数

在二值图像中寻找轮廓

void findContours(
    InputArray image,   //图像需为8位单通道图像
    OutputArrayOfArrays contours,
    OutputArray hierarchy,
    int mode,   //RETR_EXTERNAL只检测最外层轮廓；RETR_LIST提取所有轮廓，不建立等级关系；RETR_CCOMP提取所有轮廓，组织为双层结构；RETR_TREE提取所有轮廓，建立网状的轮廓结构
    int method, //轮廓的近似方法：CHAIN_APPROX_NONE获取每个轮廓的每个像素；CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标
    Point offset = Point()
);

常与drawContours配合使用

void drawContours(
    InputArray image,
    InputArrayOfArrays contours,
    int contourIdx,
    const Scalar& color,
    int thickness = 1,
    int lineType = 8,
    InputArrayhierarchy = noArray(),
    int maxLevel = INT_MAX,
    Point offset = Point()
);

示例：

vector<vector<Point>> contours;
vector<Vec4i> hierarchy;

findContours(src, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE);

int index = 0;
for(;index >= 0; index = hierarchy[index][0])
{
    Scalar color(rand()&255, rand()&255, rand()&255);
    drawContours(dst, contours, index, color, FILLED, 8, hierarchy);
}

imuncle / imuncle.github.io

OpenCV基础知识 #95

CMakeLists配置

显示图像

图像腐蚀

图像模糊

canny边缘检测

视频操作

创建窗口

保存图像

滑动条的创建和使用

鼠标操作

创建Mat对象的方法

使用Mat()构造函数

通过构造函数进行初始化

利用creat()函数

采用MATLAB式的初始化方式

逗号分隔式初始化函数

常用数据结构和函数

Point类

Scalar类

cvtColor()函数

计时函数

Mat类

图像混合

颜色通道分离、混合

split()函数

merge()

线性滤波

均值滤波

高斯滤波

非线性滤波

中值滤波

双边滤波

形态学滤波

核心API函数：morphologyEx()

膨胀

腐蚀

开运算

闭运算

形态学梯度

顶帽

黑帽

图像尺寸调整

阈值化

固定阈值操作

自适应阈值操作

边缘检测

canny算子

sobel算子

Laplacian算子

霍夫变换

寻找轮廓findContours()函数