【opencv的学习】各类变换的尝试
一个简单的变换：载入一副图像进行平滑处理
#include
#include
#include
using namespace std;
void example2_4(IplImage* image)
{
//Create some windows to show the input
//and output images in.
//
cvNamedWindow("Example4-in");
cvNamedWindow("Example4-out");
//Create a window to show our input image
//
cvShowImage("Example4-in", image);
//Create an image to hold the smoothed output
//cvCreateImage为创建图像的函数
//
IplImage* out = cvCreateImage(
cvGetSize(image), //当前图像结构的大小
IPL_DEPTH_8U, //每个像素点的数据类型
3 //通道数
);
//Do the smoothing
//cvSmooth为平滑处理函数
//
cvSmooth(image, out, CV_GAUSSIAN, 3, 3); //参数分别表示：输入图像，输出图像，平滑处理的方法，平滑处理的相关参数
//此处最后两个参数表示使用每个像素周围3*3的区域进行高斯平滑处理
//show the smoothed image in the output window
//
cvShowImage("Example4-out", out);
//be tidy
//
cvReleaseImage(&out);
//wait for the user to hit a key,then clean up the windows
//
cvWaitKey(0);
cvDestroyWindow("Example4-in");
cvDestroyWindow("Example4-out");
}
int main()
{
IplImage* img = cvLoadImage("Example1.jpg");
example2_4(img);
cvReleaseImage(&img);
} 一个复杂一点的变换：
（1）对图像尺寸进行变换
#include
#include
#include
using namespace std;
IplImage* doPyrDowm(IplImage* in, int filter = CV_GAUSSIAN_5x5) // CV_GAUSSIAN_5x5在书中为IPL_GAUSSIAN_5x5，但IPL_GAUSSIAN_5x5不在库中
{
//best to make sure input image is divisible by two.
//
//assert(in->width % 2 != 0 && in->height % 2 == 0); //条件正确继续进行，错误则终止程序，根据资料此函数不常用
//若将in->width % 2 != 0改为in->width % 2 == 0，不可运行
//思考后得出：可能是因为老版本对尺寸要求比较严格，3.0版opencv无尺寸问题
IplImage* out = cvCreateImage( CvSize(in->width / 2, in->height / 2),
//大小只有输入图像1/4的图像
in->depth, //输入图像每个像素点的数据类型
in->nChannels); //输入图像的通道数
cvPyrDown(in, out);
return(out);
}
int main()
{
IplImage* img1 = cvLoadImage("Example1.jpg");
IplImage* img = doPyrDowm(img1, CV_GAUSSIAN_5x5);
cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE);
cvShowImage("Example1", img);
cvWaitKey(0);
cvReleaseImage(&img);
cvReleaseImage(&img1);
cvDestroyWindow("Example1");
}
cvPyrDown为openCV中的一个函数。
功能：
函数cvPyrDown使用Gaussian金字塔分解对输入图像向下采样。
格式：
void cvPyrDown(const CvArr*src,CvArr*dst,int filter=CV_GAUSSIAN_5x5);
参数：
src 输入图像。
dst 输出图像，其宽度和高度应是输入图像的一半。
filter 卷积滤波器类型，目前仅支持CV_GAUSSIAN_5x5。
//函数资料来自百度百科
（2）Canny边缘检测将输出写入一个单通道（灰度级）图像
#include
#include
#include
using namespace std;
IplImage* doCanny(IplImage* in, double lowThresh, double highThresh, double aperture)
{
if (in->nChannels != 1) //确保输入图像为灰度图像
return(0);
IplImage* out = cvCreateImage( CvSize(cvGetSize(in)), //cvGetSize函数提取输入函数的图像大小
IPL_DEPTH_8U, //IPL_DEPTH_8U表示图像像素类型：无符号8位整数
1); //单通道（灰度级）
cvCanny(in, out, lowThresh, highThresh, aperture); //见下方函数说明
return(out);
}
int main()
{
IplImage* img1 = cvLoadImage("Example1.jpg",0);
IplImage* img = doCanny(img1, 10, 100, 3);
cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE);
cvNamedWindow("Example2", CV_WINDOW_AUTOSIZE);
cvShowImage("Example1", img1);
cvShowImage("Example2", img);
cvWaitKey(0);
cvReleaseImage(&img1);
cvReleaseImage(&img);
cvDestroyWindow("Example1");
cvDestroyWindow("Example2");
}
cvCanny为openCV中的一个函数。
功能：
用于对图像的边缘检测（采用canny算法
）。
格式：
void cvCanny( const CvArr* image,CvArr* edges,double threshold1,double threshold2, int aperture_size=3 );
参数：
image 输入单通道图像（可以是彩色图像）对于多通道的图像可以用cvCvtColor()修改。
edges 输出的边缘图像 ，也是单通道的，但是是黑白的
threshold1 第一个阈值
threshold2 第二个阈值
aperture_size Sobel 算子内核大小（可为3，5，7三个数值）
函数 cvCanny 采用 Canny 算法发现输入图像的边缘而且在输出图像中标识这些边缘。threshold1和threshold2 当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割。
（3）连续进行两次缩放处理与Canny边缘检测
#include
#include
#include
using namespace std;
IplImage* doPyrDowm(IplImage* in, int filter = CV_GAUSSIAN_5x5) // CV_GAUSSIAN_5x5在书中为IPL_GAUSSIAN_5x5，但IPL_GAUSSIAN_5x5不在库中
{
//best to make sure input image is divisible by two.
//
//assert(in->width % 2 != 0 && in->height % 2 == 0); //条件正确继续进行，错误则终止程序，根据资料此函数不常用
//若将in->width % 2 != 0改为in->width % 2 == 0，不可运行
//思考后得出：可能是因为老版本对尺寸要求比较严格，3.0版opencv无尺寸问题
IplImage* out = cvCreateImage( CvSize(in->width / 2, in->height / 2),
//大小只有输入图像1/4的图像
in->depth, //输入图像每个像素点的数据类型
in->nChannels); //输入图像的通道数
cvPyrDown(in, out);
return(out);
}
IplImage* doCanny(IplImage* in, double lowThresh, double highThresh, double aperture)
{
if (in->nChannels != 1) //确保输入图像为灰度图像
return(0);
IplImage* out = cvCreateImage( CvSize(cvGetSize(in)), //cvGetSize函数提取输入函数的图像大小
IPL_DEPTH_8U, //IPL_DEPTH_8U表示图像像素类型：无符号8位整数
1); //单通道（灰度级）
cvCanny(in, out, lowThresh, highThresh, aperture);
return(out);
}
int main()
{
IplImage* img = cvLoadImage("Example1.jpg", 0);
IplImage* img1 = doPyrDowm(img, CV_GAUSSIAN_5x5);
IplImage* img2 = doPyrDowm(img1, CV_GAUSSIAN_5x5);
IplImage* img3 = doCanny(img2, 10, 100, 3);
cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE);
cvShowImage("Example1", img);
cvNamedWindow("Example2", CV_WINDOW_AUTOSIZE);
cvShowImage("Example2", img1);
cvNamedWindow("Example3", CV_WINDOW_AUTOSIZE);
cvShowImage("Example3", img2);
cvNamedWindow("Example4", CV_WINDOW_AUTOSIZE);
cvShowImage("Example4", img3);
cvWaitKey(0);
cvReleaseImage(&img);
cvReleaseImage(&img1);
cvReleaseImage(&img2);
cvReleaseImage(&img3);
cvDestroyWindow("Example1");
cvDestroyWindow("Example2");
cvDestroyWindow("Example3");
cvDestroyWindow("Example4");
} 在上面的这个程序中，我们不难发现，在最后对不同的IplImage*指针对象进行内存释放时，出现了代码的堆叠，为此我们可以通过每个独立阶段释放内存来简化上面这个程序：
int main()
{
IplImage* img = cvLoadImage("Example1.jpg", 0);
IplImage* out;
cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE);
cvShowImage("Example1", img);
cvNamedWindow("Example2", CV_WINDOW_AUTOSIZE);
out = doPyrDowm(img, CV_GAUSSIAN_5x5);
out = doPyrDowm(out, CV_GAUSSIAN_5x5);
out = doCanny(out, 10, 100, 3);
cvShowImage("Example2", out); //直接显示最后效果
cvWaitKey(0);
cvReleaseImage(&img);
cvReleaseImage(&out);
cvDestroyWindow("Example1");
cvDestroyWindow("Example2");
}说明：虽然内存垃圾处理在Opencv中很重要，但我们只需要释放自己的显式分配的内存空间。