opencv 学习历程

部分完整代码在
opencv example

opencv实现图片加法

addWeighted( src1, alpha, src2, beta, 0.0, dst);
代表
$dst=\alpha \times src1+\beta \times src2+\gamma$
在本例子中
$gamma=0,src1,src2代表两幅不同图片$

opencv实现图片灰度值改变（Brightness and contrast adjustments）

$g(i,j)=\alpha \ast f(i,j)+\beta$

    for( int y = 0; y < image.rows; y++ ) {
        for( int x = 0; x < image.cols; x++ ) {
            for( int c = 0; c < image.channels(); c++ ) {
                new_image.at(y,x)[c] =
                  saturate_cast( alpha*image.at(y,x)[c] + beta );
                  //saturate_cast防止灰度值溢出
            }
        }
    }

采用look up table方法的话

    Mat lookUpTable(1, 256, CV_8U);
    uchar* p = lookUpTable.ptr();
    for( int i = 0; i < 256; ++i)
        p[i] = saturate_cast(i*alpha + beta);
    Mat res = img.clone();
    LUT(img, lookUpTable, res);

File Input and Output using XML and YAML files

一个纯c++ opencv程序和一个混合c c++opencv程序区别

opencv绘图函数

1. 画线line()
2. 椭圆ellipse()
3. 矩形rectangle()
4. 圆 circle()
5. 多边形fillPoly()

opencv随机数

RNG rng;
b = rng; //产生64位整数
x = rng.uniform(a, b); //产生a,b 之间的一个值
y = rng.gaussian(sigma); //产生一个方差为sigma 均值位0满足高斯分布的值

opencv与文本有关函数

1. opencv显示文字函数:putText();
2. opencv getTextSize()获取输入文本的大小

Smoothing the image

1. 均值滤波
   blur( src, dst, Size( 3, 3 ), Point(-1,-1) );
2. 高斯滤波

GaussianBlur( src, dst, Size( 3, 3 ), 0, 0 );
//Size必须是奇数，否则要根据x, y方向的方差计算Size

3. 中值滤波

 medianBlur ( src, dst, i );
 //中值滤波滤波器必须位正方形

4. Bilateral filter双边滤波，可以理解为高斯滤波(空间距离决定)+邻域灰度信息(像素差决定),可以更好保留图像边缘的细节

bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT )
//d 表示在过滤过程中每个像素邻域的直径范围
//sigmaColor: 颜色空间过滤器的sigma值，这个参数的值大，表明该像素邻域内有月宽广的颜色会被混合到一起
//sigmaSpace:坐标空间中滤波器的sigma值，如果该值较大，则意味着颜色相近的较远的像素将相互影响

形态学处理: 膨胀Dilation和腐蚀Erosion

1. dilation: The value of the output pixel is the maximum value of all the pixels that fall within the structuring element’s size and shape
2. Erosion: The vise versa applies for the erosion operation. The value of the output pixel is the minimum value of all the pixels that fall within the structuring element’s size and shape
3. 在数字图像中，越白代表灰度值越大，因而在一些情况下，形态学处理需要考虑反色
4. Hit-or-Miss theory

###图像金字塔，包括高斯金字塔和laplace金字塔，实现上采样和下采样

pyrUp( src, src, Size( src.cols*2, src.rows*2 ) //上采样
pyrDown( src, src, Size( src.cols/2, src.rows/2 ) )//下采样

阈值化

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

sobel算子 相当于一阶滤波器

    Sobel(src_gray, grad_x, ddepth, 1, 0, ksize, scale, delta, BORDER_DEFAULT);
    Sobel(src_gray, grad_y, ddepth, 0, 1, ksize, scale, delta, BORDER_DEFAULT);
    convertScaleAbs(grad_x, abs_grad_x);
    convertScaleAbs(grad_y, abs_grad_y);
    addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad);

laplace算子 二阶导数为零

Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );

Canny Edge Detector sobel算子的进化版

1. 高斯滤波
2. 同时考虑x y 和不同角度上梯度信息
3. 应用非极大值抑制出去非边缘的地方
4. 双边阈值

Canny( soure_img, edges, lowThreshold, highThreshold, kernel_size );

hough line transoform 霍夫变换

霍夫变换的远离参照opencv官网，在这里不加赘述https://docs.opencv.org/master/d9/db0/tutorial_hough_lines.html
opencv中提供了两种计算霍夫变换的方法

1. 标准霍夫变换，返回 $r$和$\theta$
2. 概率霍夫变换，更高效，返回在同一直线上的点; HoughLinesP()，返回的是点的坐标$(x_0,y_0,x1,y_1)$
   标准霍夫变换代码

//霍夫变换针对二值图像```
Canny( soure_img, edges, lowThreshold, highThreshold, kernel_size );
//存储霍夫变换输出结果
 vector lines; 
 //参数含义为原图像，结果， 参数r分辨率， theta分辨率 CV_PI/180代表1度， 检测是一根线阈值即有多少个点共线才算一条直线， 两个默认参数
 HoughLines(dst, lines, 1, CV_PI/180, 150, 0, 0 ); // runs the actual detection
 //绘图
 // size_t是一种数据相关的无符号类型，它被设计得足够大以便能够内存中任意对象的大小
     for( size_t i = 0; i < lines.size(); i++ )
    {
        float rho = lines[i][0], theta = lines[i][1];
        Point pt1, pt2;
        double a = cos(theta), b = sin(theta);
        double x0 = a*rho, y0 = b*rho;
        pt1.x = cvRound(x0 + 1000*(-b));
        pt1.y = cvRound(y0 + 1000*(a));
        pt2.x = cvRound(x0 - 1000*(-b));
        pt2.y = cvRound(y0 - 1000*(a));
        line( cdst, pt1, pt2, Scalar(0,0,255), 3, LINE_AA);
        }
//中间加上了1000的是因为HoughLines相当于返回了直线的斜率和常数，需要找出直线上两个点，这里相当于取了间隔为2000的两个点

概率霍夫变换代码

//存储输出结果
    vector linesP; 
    //最后三个阈值含义 第一个是多少个点位于同一条直线;第二个是直线的最短长度;第三个是两天直线的gap
    HoughLinesP(dst, linesP, 1, CV_PI/180, 50, 50, 10 ); 
    //绘图
        for( size_t i = 0; i < linesP.size(); i++ )
    {
        Vec4i l = linesP[i];
        line( cdstP, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, LINE_AA);
    }

Hough Circle Transform

void HoughCircles(InputArray image,OutputArray circles, int method, double dp, double minDist, double param1=100, double param2=100, int minRadius=0,int maxRadius0 )
// circles 包括 x,y, r
// method 目前只有HOUGH_GRADIENT一种
// dp=1 表示霍夫空间和原图分辨率一致, dp=2为一半 以此类推
// minDist eg gray.rows/16 检测出圆心最小距离
// param1 Canny edge detector阈值
// param2 有多少个点位于该圆阈值
// min_radius, max_radius 半径最大最小

a example:
    HoughCircles(gray, circles, HOUGH_GRADIENT, 1,
                 gray.rows/16, 
                 100, 30, 1, 30）         

//画圆圈函数
cvCircle(CvArr* img, CvPoint center, int radius, CvScalar color, int thickness=1, int lineType=8, int shift=0)
//color定义 Scalar(B, G, R)
//shift小数点位数