基本opencv2处理方法

opencv1.0版本于2006年面世，主要基于C语言。2009年发布opencv2，主要基于C++。我主要学习了2.0版本。其实两者之间的函数调用还是有些相同的，只不过有的时候使用的是全局函数cv***，而2.0使用的是不带cv的函数。
此时opencv库被划分为多个模块，这些模块被编译成库文件后，位于lib文件夹中，这是我截取的全部模块，我们需要的就是引用这些模块。

Opencv_core模块：包含核心功能，尤其是低层数据结构和算法函数。
Opencv_improc模块：包含图像处理函数
Opencv_highgui模块：包含读写图像及视频的函数，以及操作图形用户界面函数。
opencv_features2d模块：包含兴趣点检测子，描述子以及兴趣点匹配框架
Opencv_video模块：包含运动估算，特征特征以及前景提取函数与类
Opencv_objdetect模块：包括物体检测函数，如脸部和行人检测。

库文件中还包含其他的工具模块，如机器学习(opencv_ml)，计算几何(opencv_flann)，第三方代码(opencv_contrib)等。
#include “cv.h”这是旧的代码方式，那是库还没有被划分为模块。
opencv2的库文件声明如下：
#include

#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;
int _tmain(int argc, _TCHAR* argv[])
{

    Mat image = imread("1.jpg",1);
    if (!image.data)
    {
    //没有这个图像文件
    }

    cout<","<"show");
    imshow("show",image);

    waitKey(0); //这个必须用，否则界面会卡死 
    getchar();
    return 0;
}

image.data是指向已分配的内存块的指针，当图片没有加载进来，则为 NULL。
image.size()返回的是一个结构体，实际上包括width和height两个成员变量。

图像的浅拷贝和深拷贝：
（1）浅拷贝
Mat B;
B = image;
Mat C(iamge);
这两种方式都被称为浅copy，他们有不同的矩阵头，但是他们共享内存空间，即指向同一个图像矩阵。当图像矩阵发生变化时，两者相关联，都会变化。
（2）深拷贝
Mat B,C;
B = image.clone();
image.copyTo(C);

IplImage转化为Mat:
我们常常算法会需要IplImage类型，而不是Mat类型。这两者之间的转换也非常常见。

IplImage* pImage = cvLoadImage("1.jpg",1);
pImage =&IplImage(result);

Mat result(pImage,false);//后面一个参数的意思是。是否提供深拷贝。默认情况是false，true为深拷贝

简单存取像素值：

void salt(Mat &image,int n)
{
    for (int k=0;kint i = rand()%image.cols;
        int j = rand()%image.rows;

        if (image.channels()==1)
        {
            image.at(j,i) = 255;
        }
        else if (image.channels()==3)
        {
            image.at(j,i)[0] = 255;
            image.at(j,i)[1] = 255;
            image.at(j,i)[2] = 255;
        }
    }
}

//Main函数中
//简单存取像素值 写入像素值
Mat imageSource = imread("1.jpg",1);
salt(imageSource,3000);
namedWindow("SaltImage");
imshow("SaltImage",imageSource);

注意： image.at< vec3b >(j,i)[0] = 255。成员函数at(x,y)可以用来存取图像元素，但是他是模板函数，你需要指定操作成员的类型 at< uchar >(y,x)。
vec3b是由3个uchar组成的，可以通过操作符[]来获取。

通过指针遍历图像：

int nRows = imageSource.rows;
int nCols = imageSource.cols*imageSource.channels();
for (int j=0;juchar* data = imageSource.ptr(j);
        for (int i=0;i2;
        }
    }

通过迭代器遍历图像：

    //通过迭代器访问图像
    Mat imageIterator = imread("1.jpg",1);
    Mat_::iterator begin = imageIterator.begin();
    Mat_::iterator end = imageIterator.end();
    for (;begin!=end;begin++)
    {
        (*begin)[0] = (*begin)[0]/2;
        (*begin)[1] = (*begin)[1]/2;
        (*begin)[2] = (*begin)[2]/2;
    }
    namedWindow("IteratorImage");
    imshow("IteratorImage",imageIterator);

附：如何来计算一个函数运行的时间：

函数开始处：
double time = static_cast< double >(getTickCount());
time = (static_cast< double >(getTickCount())- time)/getTickFrequency(); //单位秒