opencv 图片基本处理（灰度化，反色，二值化，膨胀腐蚀以及ROI的copy等）

基于护照的识别和特征提取，使用opencv2.4.9在VS2012里做的。直接上代码：

#include
#include
#include
using namespace cv;
using namespace std;
#define image_name "z001z.bmp"
#define corrode_index 1 //腐蚀指数
int otsu(const IplImage *src_image) //大津法求阈值  
{  
    double sum = 0.0;  
    double w0 = 0.0;  
    double w1 = 0.0;  
    double u0_temp = 0.0;  
    double u1_temp = 0.0;  
    double u0 = 0.0;  
    double u1 = 0.0;  
    double delta_temp = 0.0;  
    double delta_max = 0.0;  
  
    //src_image灰度级  
    int pixel_count[256]={0};  
    float pixel_pro[256]={0};  
    int threshold = 0;  
    uchar* data = (uchar*)src_image->imageData;  
    //统计每个灰度级中像素的个数  
    for(int i = 0; i < src_image->height; i++)  
    {  
        for(int j = 0;j < src_image->width;j++)  
        {  
            pixel_count[(int)data[i * src_image->width + j]]++;  
            sum += (int)data[i * src_image->width + j];  
        }  
    }  
    cout<<"平均灰度："<height * src_image->width )<     //计算每个灰度级的像素数目占整幅图像的比例  
    for(int i = 0; i < 256; i++)  
    {  
    pixel_pro[i] = (float)pixel_count[i] / ( src_image->height * src_image->width );  
    }  
    //遍历灰度级[0,255],寻找合适的threshold  
    for(int i = 0; i < 256; i++)  
    {  
        w0 = w1 = u0_temp = u1_temp = u0 = u1 = delta_temp = 0;  
        for(int j = 0; j < 256; j++)  
        {  
            if(j <= i)   //背景部分  
            {  
                w0 += pixel_pro[j];  
                u0_temp += j * pixel_pro[j];  
            }  
            else   //前景部分  
            {  
                w1 += pixel_pro[j];  
                u1_temp += j * pixel_pro[j];  
            }  
        }  
        u0 = u0_temp / w0;  
        u1 = u1_temp / w1;  
        delta_temp = (float)(w0 *w1* pow((u0 - u1), 2)) ;  
        if(delta_temp > delta_max)  
        {  
            delta_max = delta_temp;  
            threshold = i;  
        }  
    }  
    return threshold;  
} 


void front(IplImage *imgdst )//前面图片处理
{
IplImage* img_black = cvCreateImage(cvGetSize(imgdst),IPL_DEPTH_8U,1);
cvSet(img_black,cvScalar(0),NULL);


cvSetImageROI(imgdst, cvRect(8, 145, 162, 255)); //为图象设置ROI区域
cvSetImageROI(img_black, cvRect(8, 145, 162, 255));
cvCopy(imgdst,img_black,NULL);
cvResetImageROI(imgdst);
cvResetImageROI(img_black);


cvSetImageROI(imgdst, cvRect(285, 122,245,245)); //为图象设置ROI区域
cvSetImageROI(img_black, cvRect(285, 122,245,245));
cvCopy(imgdst,img_black,NULL);
cvResetImageROI(imgdst);
cvResetImageROI(img_black);
cvSaveImage("正面结果.jpg",img_black);
cvShowImage("copy.jpg",img_black);
cvWaitKey(0);
}


void back(IplImage *imgsrc ,IplImage *imgdst)//后面图片处理
{
IplImage* img_back = cvCreateImage(cvGetSize(imgdst),IPL_DEPTH_8U,1);
cvAdd(imgsrc,imgdst,img_back);
//创建纯黑图
IplImage* img_black = cvCreateImage(cvGetSize(imgdst),IPL_DEPTH_8U,1);
cvSet(img_black,cvScalar(0),NULL);


cvSetImageROI(img_back, cvRect(22,22,727,477)); //为图象设置ROI区域
cvSetImageROI(img_black, cvRect(22,22,727,477));
cvCopy(img_back,img_black,NULL);
cvResetImageROI(img_back);
cvResetImageROI(img_black);
cvSaveImage("反面结果.jpg",img_black);
cvShowImage("copy.jpg",img_black);
cvWaitKey(0);
}


int main()
{
IplImage *imgsrc = cvLoadImage(image_name,1);
if (!imgsrc)
    {
            cout<<"Could not open or find the image!"<             return -1;
    }
IplImage* imgdst =NULL;
imgdst=cvCreateImage(cvGetSize(imgsrc),IPL_DEPTH_8U,1);


IplImage* img_temp =NULL;
img_temp=cvCreateImage(cvGetSize(imgsrc),IPL_DEPTH_8U,1);


//灰度化
cvCvtColor(imgsrc,imgdst,CV_BGR2GRAY);


cvSaveImage("灰度化.jpg",imgdst);
imgsrc=imgdst;
int height = imgsrc->height;                     // 图像高度  
    int width = imgsrc->width;                       // 图像宽度（像素为单位）  
    int step = imgsrc->widthStep;                 // 相邻行的同列点之间的字节数  
    int channels = imgsrc->nChannels;         // 颜色通道数目 (1,2,3,4)  
    uchar *data   = (uchar *)imgsrc->imageData;  
    
    //反色操作  
    for(int i=0;i != height; ++ i)   
    {  
        for(int j=0;j != width; ++ j)  
        {  
            for(int k=0;k != channels; ++ k)  
            {  
                 data[i*step+j*channels+k]=255-data[i*step+j*channels+k];   
            }  
        }  
    }
cvSaveImage("反色.jpg",imgsrc);


//局部二值化
int blockSize = 15;  
    int constValue = 10;  
    cvAdaptiveThreshold(imgsrc, imgdst, 255, CV_ADAPTIVE_THRESH_MEAN_C, CV_THRESH_BINARY_INV, blockSize, constValue);
cvSaveImage("二值化.jpg",imgdst);


img_temp=imgdst;


cvErode(imgsrc,imgdst,NULL,corrode_index);//腐蚀图像 
  
cvSaveImage("腐蚀结果.jpg", imgdst);
imgsrc = imgdst;
cvDilate(imgsrc,imgdst,NULL,1);//膨胀图像
cvSaveImage("膨胀结果.jpg", imgdst);


//不同类型图片处理函数不同
front(imgdst);
//back(imgdst,img_temp);


cvReleaseImage( &imgsrc );


return 0;


}