openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)详细版

课程来源:哔哩哔哩

环境:OpenCV4.5.1 + VS2019

目录

002.图像色彩空间转换

003.图像对象的创建与赋值

004.图像像素的读写操作

005.图像像素的算术操作(加减乘除4种不同的API实现

006.滚动条-调整图像亮度

007.滚动条-传递参数

008.键盘响应操作

009.OpenCV自带颜色表操作

010.图像像素的逻辑操作(与,或,非,异或

011.通道合并与分离

012.图像色彩空间转换(提取轮廓然后换绿幕

013.图像像素值统计(min,max,mean均值,standard deviation标准方差

014.图像几何形状绘制(圆,矩形,直线,椭圆

015.随机数与随机颜色

016.多边形填充与绘制

017.鼠标操作与响应(提取选中的ROI区域

018.图像像素类型转换和归一化

019.图像放缩与插值

020.图像翻转

021.图像旋转

022.视频文件摄像头使用

023.视频处理与保存

024.图像直方图

025.二维直方图

026.直方图均衡化

027.图像卷积操作(会变模糊,且卷积核尺寸越大则越模糊

028.高斯模糊

029.高斯双边模糊(可磨皮操作

030.案例:实时人脸检测

代码总结


002.图像色彩空间转换

void colorSpace_Demo(Mat &image);

void QuickDemo::colorSpace_Demo(Mat &image) {
	Mat gray, hsv; //定义2个矩阵类型的图像
	cvtColor(image, hsv, COLOR_BGR2HSV);	//转换成hdv (图像转换函数,第三个参数是转成的类型
	cvtColor(image, gray, COLOR_BGR2GRAY);	//转成灰度
	imshow("HSV", hsv);		//显示图片
	imshow("灰度", gray);	//显示图片
	//imwrite("F:\\文件夹\\C++\\OPENCV4入门学习\\图\\hsv.png", hsv);		//保存图片 (保存地址,保存图的名称)
	//imwrite("F:\\文件夹\\C++\\OPENCV4入门学习\\图\\gray.png", gray);	//保存
}

003.图像对象的创建与赋值

void mat_creation_demo(/*Mat& image*/);

void QuickDemo::mat_creation_demo(/*Mat& image*/) {
	//Mat m1, m2;
	//m1 = image.clone();
	//image.copyTo(m2);

	//创建空白图形
	Mat m3 = Mat::ones(Size(400, 400), CV_8UC3);	//8位的无符号的3通道(改1则为单通道
	//ones 改 zeros则初始化为0
	//长度 = 通道数 * 宽度
	m3 = Scalar(255, 0, 0);		//给三个通道都赋值,单通道则 m3 = 127;
	//m3初始化为蓝色
	cout << "width:" << m3.cols << endl << "hight:" << m3.rows << endl << "channels:" << m3.channels() << endl;
	//显示宽度,长度,通道数
	//cout << m3 << endl;

	Mat m4;
	//m4 = m3;			//直接赋值 则m4变,m3也变(同体
	//m4 = m3.clone();	//m4为m3的克隆,m4变,m3不会变(不同体
	m3.copyTo(m4);		//把m3赋值给m4,m4为蓝色
	m4 = Scalar(0, 255, 255);	//改变m4的颜色为黄色
	imshow("图像3", m3);		//标题和图像名称  显示图像3 纯蓝色
	imshow("图像4", m4);
}

004.图像像素的读写操作

void pixel_visit_demo(Mat &image);

void QuickDemo::pixel_visit_demo(Mat &image) {
	int dims = image.channels();
	int h = image.rows;
	int w = image.cols;

	//数组下标访问像素值
	/*
	for (int row = 0; row < h; row++) {
		for (int col = 0; col < w; col++) {
			if (dims == 1) {	//单通道的灰度图像
				int pv = image.at(row, col);		//得到像素值
				image.at(row, col) = 255 - pv;	//给像素值重新赋值(取反
			}
			if (dims == 3) {	//三通道的彩色图像
				Vec3b bgr = image.at(row, col);	//opencv特定的类型,获取三维颜色,3个值
				image.at(row, col)[0] = 255 - bgr[0];
				image.at(row, col)[1] = 255 - bgr[1];
				image.at(row, col)[2] = 255 - bgr[2]; //对彩色图像读取其像素值,并将其改写
			}

		}
	}
	*/

	//指针访问模式
	for (int row = 0; row < h; row++) {
		uchar* current_row = image.ptr(row);
		for (int col = 0; col < w; col++) {
			if (dims == 1) {	//单通道的灰度图像
				int pv = image.at(row, col);		//得到像素值
				*current_row++ = 255 - pv;	//给像素值重新赋值(取反
			}
			if (dims == 3) {	//三通道的彩色图像
				*current_row++ = 255 - *current_row;	//指针每做一次运算,就向后移动一位
				*current_row++ = 255 - *current_row;
				*current_row++ = 255 - *current_row;
			}

		}
	}
	namedWindow("像素读写演示", WINDOW_FREERATIO);
	imshow("像素读写演示", image);
	//imwrite("E:/2021.9.26备份/图片/Camera Roll/003颜色取反.png", image);	//保存
}

005.图像像素的算术操作(加减乘除4种不同的API实现

void operators_demo(Mat &image);

void QuickDemo::operators_demo(Mat &image) {
	Mat dst = Mat::zeros(image.size(), image.type());
	Mat m = Mat::zeros(image.size(), image.type());
	dst = image - Scalar(50, 50, 50);
	m = Scalar(50, 50, 50);

	multiply(image, m, dst);	//乘法操作 api
	imshow("乘法操作", dst);

	add(image, m, dst);			//加法操作 api
	imshow("加法操作", dst);

	subtract(image, m, dst);	//减法操作 api
	imshow("减法操作", dst);

	divide(image, m, dst);		//除法操作 api
	imshow("除法操作", dst);

	//加法操作底层
	/*
	int dims = image.channels();
	int h = image.rows;
	int w = image.cols;
	for (int row = 0; row < h; row++) {
		for (int col = 0; col < w; col++) {
			Vec3b p1 = image.at(row, col);	//opencv特定的类型,获取三维颜色,3个值
			Vec3b p2 = m.at(row, col);
			dst.at(row, col)[0] = saturate_cast(p1[0] + p2[0]);
			dst.at(row, col)[1] = saturate_cast(p1[1] + p2[1]);
			dst.at(row, col)[2] = saturate_cast(p1[2] + p2[2]);
		}
	}
	namedWindow("加法操作底层", WINDOW_FREERATIO);
	imshow("加法操作底层", dst);
	*/
}

006.滚动条-调整图像亮度

void tracking_bar_demo1(Mat &image);

Mat src, dst, m;
int lightness = 50;//定义初始化的亮度为50
static void on_track(int, void*) {
	m = Scalar(lightness, lightness, lightness);//创建调整亮度的数值
	add(src, m, dst);
	//subtract(src, m, dst);//定义亮度变换为减
	imshow("亮度调整", dst);//显示调整亮度之后的图片
}

void QuickDemo::tracking_bar_demo1(Mat &image) {
	namedWindow("亮度调整", WINDOW_AUTOSIZE);
	dst = Mat::zeros(image.size(), image.type());//图片的初始化创建一个和image大小相等,种类相同的图像
	m = Mat::zeros(image.size(), image.type());//图片的初始化创建一个和image大小相等,种类相同的图像
	src = image;//给src赋值
	int max_value = 100;//定义最大值为100
	createTrackbar("Value Bar", "亮度调整", &lightness, max_value, on_track);//调用函数实现功能
	on_track(50, 0);
}

007.滚动条-传递参数

void tracking_bar_demo2(Mat &image);

static void on_lightness(int b, void* userdata) {
	Mat image = *((Mat*)userdata);
	Mat dst = Mat::zeros(image.size(), image.type());
	Mat m = Mat::zeros(image.size(), image.type());
	m = Scalar(b, b, b);//创建调整亮度的数值
	addWeighted(image, 1.0, m, 0, b, dst);	//融合两张图 dst = image * 1.0 + m * 0 + b
	imshow("亮度&对比度调整", dst);//显示调整亮度之后的图片
}
static void on_contrast(int b, void* userdata) {
	Mat image = *((Mat*)userdata);
	Mat dst = Mat::zeros(image.size(), image.type());
	Mat m = Mat::zeros(image.size(), image.type());
	double contrast = b / 100.0;
	addWeighted(image, contrast, m, 0.0, 0, dst);
	imshow("亮度&对比度调整", dst);//显示调整亮度之后的图片
}

void QuickDemo::tracking_bar_demo2(Mat& image) {
	namedWindow("亮度&对比度调整", WINDOW_AUTOSIZE);
	int lightness = 50;//定义初始化的亮度为50
	int max_value = 100;//定义最大值为100
	int contrast_value = 100;
	createTrackbar("Value Bar", "亮度&对比度调整", &lightness, max_value, on_lightness, (void*)(&image));//调用函数实现功能
	createTrackbar("Contrast Bar", "亮度&对比度调整", &contrast_value, 200, on_contrast, (void*)(&image));//调用函数实现功能
	on_lightness(50, &image);
}

008.键盘响应操作

void key_demo(Mat &image);

void QuickDemo::key_demo(Mat& image) {
	Mat dst = Mat::zeros(image.size(), image.type());
	while (true) {
		char c = waitKey(100);//等待100ms(1s = 1000ms),做视频处理都是1
		if (c == 27) {	//按 esc 退出应用程序
			break;
		}
		if (c == 49) {	//key#1
			cout << "you enter key #1" << endl;
			cvtColor(image, dst, COLOR_BGR2GRAY); //按键盘1,则转换后为灰度图像
		}
		if (c == 50) {	//key#2
			cout << "you enter key #2" << endl;
			cvtColor(image, dst, COLOR_BGR2HSV); //按键盘1,则转换后为HSV图像
		}
		if (c == 51) {	//key#3
			cout << "you enter key #3" << endl;
			dst = Scalar(50, 50, 50);
			cvtColor(image, dst, COLOR_BGR2HSV); //直接1到3会报错,则先转换为HSV图像
			add(image, dst, dst); //按键盘1,则转换后为增加亮度后的图像
		}
		imshow("键盘响应",dst);	//输出图像
	}
}

009.OpenCV自带颜色表操作

void color_style_demo(Mat& image);

void QuickDemo::color_style_demo(Mat& image) {
	int colormap[] = {	//共19种
		COLORMAP_AUTUMN,
		COLORMAP_BONE,
		COLORMAP_CIVIDIS,
		COLORMAP_DEEPGREEN,
		COLORMAP_HOT,
		COLORMAP_HSV,
		COLORMAP_INFERNO,
		COLORMAP_JET,
		COLORMAP_MAGMA,
		COLORMAP_OCEAN,
		COLORMAP_PINK,
		COLORMAP_PARULA,
		COLORMAP_RAINBOW,
		COLORMAP_SPRING,
		COLORMAP_TWILIGHT,
		COLORMAP_TURBO,
		COLORMAP_TWILIGHT,
		COLORMAP_VIRIDIS,
		COLORMAP_TWILIGHT_SHIFTED,
		COLORMAP_WINTER
	};
	Mat dst;
	int index = 0; //初始化为指向0的位置
	while (true) {
		char c = waitKey(500);//等待半秒(1s = 1000ms),做视频处理都是1
		if (c == 27) {	//按 esc 退出应用程序
			break;
		}
		if (c == 49) {	//key#1 按下按键1时。保存图片到指定位置
			cout << "you enter key #1" << endl;
			imwrite("F:/文件夹/C++/OPENCV4入门学习/图/颜色表的成果.jpg", dst);
		}
		applyColorMap(image, dst, colormap[index % 19]);//循环展示19种图片(产生伪色彩图像)
		index++;
		imshow("循环播放", dst);
	}
}

010.图像像素的逻辑操作(与,或,非,异或

void bitwise_demo(Mat& image);

void QuickDemo::bitwise_demo(Mat& image) {
	//绘制两张图
	Mat m1 = Mat::zeros(Size(256, 256), CV_8UC3);
	Mat m2 = Mat::zeros(Size(256, 256), CV_8UC3);
	rectangle(m1, Rect(100, 100, 80, 80), Scalar(255, 255, 0), -1, LINE_8, 0);//-1 =》小于0为填充,大于0为绘制
			   // Rect(左上角x,左上角y,矩形长,矩形宽)		    |=》搞锯齿的(表示四领域或者八领域的绘制
			   //最后的参数0表示中心坐标 或 半径坐标的小数位
	rectangle(m2, Rect(150, 150, 80, 80), Scalar(0, 255, 255), -1, LINE_8, 0);//小于0为填充,大于0为绘制
	imshow("m1", m1);
	imshow("m2", m2);
	//进行逻辑操作
	Mat dst;
	bitwise_and(m1, m2, dst);	//位操作 与
	imshow("像素位操作 与", dst);
	bitwise_or(m1, m2, dst);	//位操作 或
	imshow("像素位操作 或", dst);
	// dst = ~image;			//位操作 非(取反
	bitwise_not(image, dst);	//位操作 非(取反
	imshow("像素位操作 非", dst);
	bitwise_xor(m1, m2, dst);	//位操作 异或
	imshow("像素位操作 异或", dst);
}

与,或,异或 效果如图:

openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)详细版_第1张图片

非操作: 

011.通道合并与分离

void channels_demo(Mat& image);

void QuickDemo::channels_demo(Mat& image) {
	vectormv;//可存放Mat类型的容器
	split(image, mv);//将多通道 拆分成 单通道(通道分离
	//imshow("蓝色", mv[0]);
	//imshow("绿色", mv[1]);
	//imshow("红色", mv[2]);
	
	// 三个通道分别为 B G R
	// 0,1,2 三个通道分别代表 B G R
	//关闭其中两个通道,则意味着 只开启剩余那个通道
	Mat dst;
	mv[0] = 0;
	mv[2] = 0;	// 关0,1则红色  关1,2则蓝色
	merge(mv, dst);//合并mv和dst
	imshow("绿色", dst);
	int from_to[] = { 1,2,1,1,2,0 };
	//把通道相互交换,第0->第2,第1->第1,第2->第0
	mixChannels(&image, 1, &dst, 1, from_to, 3);//3表示有3对要交换(即3个通道
	//参数为要进行混合的图像的地址,参数2为混合后图像的存放地址
	imshow("通道混合", dst);
	imshow("原图image不会变", image);
}

只开放绿色通道 / B与R交换后的通道混合 

012.图像色彩空间转换(提取轮廓然后换绿幕

void inrange_demo(Mat& image);

void QuickDemo::inrange_demo(Mat& image) {
	//提取任务的轮廓
	Mat hsv;
	cvtColor(image, hsv, COLOR_BGR2HSV);//先把RGB色彩空间转换到hsv的空间中
	Mat mask;//其次提取图片的mask
	inRange(hsv, Scalar(35, 43, 46), Scalar(77, 255, 255), mask);//通过inRange提取hsv色彩空间的颜色
	//35,43,46根据图片表中的绿色最低来确定最小值(hmin,smin,vmim
	//77,255,255						    最大值
	//参数一为低范围,参数二高范围
	//将hsv中的由低到高的像素点提取出来并存储到mask中
	imshow("mask", mask);			//此时mask为白底
	Mat redback = Mat::zeros(image.size(), image.type());
	redback = Scalar(40, 40, 200);	//红色背景图
	bitwise_not(mask, mask);		//取反变成黑底
	imshow("mask", mask);
	image.copyTo(redback, mask);//将mask中不为0部分(白色像素点)对应的原图 拷贝到 redback上,mask通过inRange得到
	imshow("roi区域提取", redback);
}

HSV色彩空间的颜色:

openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)详细版_第2张图片

013.图像像素值统计(min,max,mean均值,standard deviation标准方差

void pixel_statistic_demo(Mat& image);

void QuickDemo::pixel_statistic_demo(Mat& image) {
	double minv, maxv;
	Point minLoc, maxLoc;	//定义地址
	vector mv;			//可存放Mat类型的容器
	split(image, mv);		//将多通道 拆分成 单通道(通道分离
	for (int i = 0; i < mv.size(); i++) {
		//分别打印各个通道的数值
		minMaxLoc(mv[i], &minv, &maxv, &minLoc, &maxLoc, Mat());//求出图像的最大值和最小值及其位置
		//参数一:输入单通道的数组		
		//参数二:返回最小值的指针			参数三:返回最大值的指针
		//参数四:返回最小值位置的指针		参数五:返回最大值位置的指针
		cout << "No.channels:" << i << "  minvalue:" << minv << "  maxvalue:" << maxv << endl;
	}
	Mat mean, stddev;
	meanStdDev(image, mean, stddev);//求出图像的均值的方差
	cout << "mean:" << mean << endl;
	cout << "stddev:" << stddev << endl;
}

014.图像几何形状绘制(圆,矩形,直线,椭圆

void drawing_demo(Mat& image);

void QuickDemo::drawing_demo(Mat& image) {
	Rect rect;				//矩形尺寸
	rect.x = 200;			//起始点x坐标
	rect.y = 200;			//起始点y坐标
	rect.width = 150;		//矩形宽度
	rect.height = 200;		//矩形高度
	Mat bg = Mat::zeros(image.size(), image.type());
	rectangle(bg, rect, Scalar(0, 0, 255), -1, 8, 0);								//画矩形
	//参数一:绘图的底图或画布名称   参数二:图片的起始,宽高
	//参数三:填充颜色				 参数四:>0为线宽,<0为填充
	//参数五:领域填充(控制边缘锯齿	 参数六:默认值为0
	circle(bg, Point(350, 400), 25, Scalar(0, 255, 0), 2, LINE_AA, 0);				//画圆
	//参数二:图片中心的位置		 参数三:表示圆的半径为25
	line(bg, Point(100, 100), Point(350, 400), Scalar(255, 0, 0), 8, LINE_AA, 0);	//画直线
	//参数二:线段起点坐标		 参数三:线段终点坐标		 LINE_AA表示去掉锯齿
	RotatedRect rrt;				//角度构造
	rrt.center = Point(200, 200);	//中心点位置
	rrt.size = Size(100, 200);		//x正沿x正方向,y正沿y正方向(可以是负的
	rrt.angle = 0.0;				//顺时针的角度(0-360度
	ellipse(bg, rrt, Scalar(255, 0, 255), 2, 8);									//画椭圆
	imshow("矩形,圆,直线,椭圆的绘制", bg);
}

015.随机数与随机颜色

void random_demo();

void QuickDemo::random_demo() {
	Mat canvas = Mat::zeros(Size(512, 512), CV_8UC3);//创建画布
	int w = canvas.cols;
	int h = canvas.rows;
	RNG rng(12345);		//产生随机数(12345为随机数的种子,默认的
	while (true) {
		char c = waitKey(10);//等待10ms(1s = 1000ms),做视频处理都是1
		if (c == 27) {	//按 esc 推出应用程序
			break;
		}
		int x1 = rng.uniform(0, canvas.cols);	//将随机坐标控制在画布范围内
		int y1 = rng.uniform(0, canvas.rows);
		int x2 = rng.uniform(0, w);
		int y2 = rng.uniform(0, h);
		int r = rng.uniform(0, 255);			//将随机颜色控制在255范围内
		int g = rng.uniform(0, 255);			//将随机颜色控制在255范围内
		int b = rng.uniform(0, 255);			//将随机颜色控制在255范围内
		//canvas = Scalar(0, 0, 0);				//想要每次都只出现一条线而不是叠加,则加上此句
		line(canvas, Point(x1, y1), Point(x2, y2), Scalar(r, g, b), 2, LINE_AA);	//画直线
		//参数二:线段起点坐标		参数三:线段终点坐标	2为线宽		 LINE_AA表示去掉锯齿
		imshow("随机绘制演示", canvas);
	}
}

016.多边形填充与绘制

void polyline_drawing_demo(Mat& image);

void QuickDemo::polyline_drawing_demo(Mat& image) {
	Mat canvas = Mat::zeros(Size(512, 512), CV_8UC3);
	Point p1(150, 100);		//第一个点的坐标
	Point p2(350, 200);		//  二
	Point p3(240, 300);		//  三
	Point p4(150, 300);		//  四
	Point p5(50, 200);		//  五
	vector pts;							//搞一个容器,用来装 点
	pts.push_back(p1);		//将点放进容器内
	pts.push_back(p2);		//因 未初始化数组容量,所以要用 push_back 操作
	pts.push_back(p3);		//若 已初始化,可以用 数组下标 来操作
	pts.push_back(p4);
	pts.push_back(p5);
	//fillPoly(canvas, pts, Scalar(122, 155, 255), 8, 0);				//填充多边形
	//polylines(canvas, pts, true, Scalar(90, 0, 255), 2, 8, 0);		//绘制多边形
	//参数一:画布				参数二:点集			参数三:一定要写true(封闭图形
	//参数倒3:线宽(最少为1		参数倒2:线的渲染方式	参数倒1:相对左上角(0,0)的位置

	//单个API搞定多边形的绘制和填充
	vector> contours;				//搞一个容器,用来装 多边形的点集
	contours.push_back(pts);		//将一个多边形的点集放进容器内,作为一个元素
	drawContours(canvas, contours, -1, Scalar(0, 0, 255), -1);			//参数倒1:<0表示填充,>0表示线宽
	//参数二:多边形的点集		参数三:-1为绘制全部的多边形;0为绘制第一个,1为绘制第二个,以此类推
	imshow("多边形绘制", canvas);
}

017.鼠标操作与响应(提取选中的ROI区域

void mouse_drawing_demo(Mat& image);

//选中的矩形区域提取
Point sp(-1, -1);	//鼠标的起始位置
Point ep(-1, -1);	//鼠标的结束位置
Mat temp;
static void on_draw(int event, int x, int y, int flags, void* userdata) {
			//参数一(event)为鼠标事件
	Mat image = *((Mat*)userdata);
	if (event == EVENT_LBUTTONDOWN) {			//若鼠标的左键按下
		sp.x = x;
		sp.y = y;		//此时鼠标的起始位置坐标
		cout << "start point" << sp << endl;
	}
	else if (event == EVENT_LBUTTONUP) {		//若鼠标的左键抬起
		ep.x = x;
		ep.y = y;		//此时鼠标的结束位置坐标
		int dx = ep.x - sp.x;
		int dy = ep.y - sp.y;
		if (dx > 0 && dy > 0) {		//若鼠标有移动过
			Rect box(sp.x, sp.y, dx, dy);
			imshow("ROI区域", image(box));
			rectangle(image, box, Scalar(0, 0, 255), 2, 8, 0);
			imshow("鼠标绘制", image);				//这里是为了显示结果
			sp.x = -1;	//复位,为下一次做准备
			sp.y = -1;	//复位,为下一次做准备
		}
	}
	else if (event == EVENT_MOUSEMOVE) {		//若鼠标正在移动
		if (sp.x > 0 && sp.y > 0) {
			ep.x = x;
			ep.y = y;		//此时鼠标的结束位置坐标
			int dx = ep.x - sp.x;
			int dy = ep.y - sp.y;
			if (dx > 0 && dy > 0) {		//若鼠标有移动过
				Rect box(sp.x, sp.y, dx, dy);
				temp.copyTo(image);	//为了不将鼠标移动过程中的框也显示出来
				rectangle(image, box, Scalar(0, 0, 255), 2, 8, 0);
				imshow("鼠标绘制", image);			//这里是为了每次重新提取都将前面的覆盖
			}
		}
	}
}
void QuickDemo::mouse_drawing_demo(Mat& image) {
	namedWindow("鼠标绘制", WINDOW_AUTOSIZE);
	setMouseCallback("鼠标绘制",on_draw, (void*)(&image));
	//设置窗口是回调函数,参数二表示调用on_draw
	imshow("鼠标绘制", image);
	temp = image.clone();
}

018.图像像素类型转换和归一化

void norm_demo(Mat& image);

void QuickDemo::norm_demo(Mat& image) {
	Mat dst;
	cout << image.type() << endl;				//打印图片的类型
	image.convertTo(image, CV_32F);				//将image的数据转换成浮点型float32位数据
	cout << image.type() << endl;				//打印转换后的图片数据类型
	normalize(image, dst, 1.0, 0, NORM_MINMAX);	//进行归一化操作
	//参数一:要进行归一化的图片	参数二:归一化后要输出的图片
	//参数三:alpha					参数四:beta			参数五:归一化方法
	cout << dst.type() << endl;					//打印归一化后的图像的类型
	imshow("图像的归一化", dst);				//显示归一化后的图像
	//CV_8UC3   原本为 3通道,每个通道8位的UC(无符号)类型
	//CV_32FC3  转换后 3通道,每个通道32位的浮点数类型
	/*
	归一化方法:
	NORM_L1(依据sum)				b不用,a为归一化后矩阵的范数值
	NORM_L2(依据单位向量为1)		b不用,a为 同上
	NORM_MINMAX(依据最大值)		b不用,a为 同上
	NORM_INF(依据min与max的差值)	a为归一化后的最小值,b归一化后的最大值
	*/
}

019.图像放缩与插值

void resize_demo(Mat& image);

void QuickDemo::resize_demo(Mat& image) {
	Mat zoomin, zoomout;
	int h = image.rows;
	int w = image.cols;
	resize(image, zoomout, Size(w / 2, h / 2), 0, 0, INTER_LINEAR);		// INTER_LINEAR 为线性插值
	//若Size里的值没变,则按照参数四fx(水平轴)和参数五fy(垂直轴)来进行放缩操作
	//参数六:插值的方法
	imshow("zoomout", zoomout);
	resize(image, zoomin, Size(w * 1.5, h * 1.5), 0, 0, INTER_LINEAR);
	imshow("zoomin", zoomin);
}

020.图像翻转

void flip_demo(Mat& image);

void QuickDemo::flip_demo(Mat& image) {
	Mat dst;
	flip(image, dst, 0);			// 0 上下翻转 x对称
	imshow("图像上下翻转", dst);
	flip(image, dst, 1);			// 1 左右翻转 y对称
	imshow("图像左右翻转", dst);
	flip(image, dst, -1);			//-1 上下左右都翻转(相当于旋转180°)
	imshow("图像上下左右翻转", dst);
}

021.图像旋转

void rotate_demo(Mat& image);

void QuickDemo::rotate_demo(Mat& image) {
	Mat dst, M;				//M为2*3的变换矩阵(旋转矩阵)
	int w = image.cols;		//图片宽度
	int h = image.rows;		//图片高度
	M = getRotationMatrix2D(Point(w / 2, h / 2), 45, 1.0);	//获得旋转矩阵 M
	//参数一:原来图像的中心点位置		参数二:旋转角度(逆时针)	参数三:图像本身大小的放大缩小
	double cos = abs(M.at(0, 0));	//取绝对值
	double sin = abs(M.at(0, 1));
	/*
		[x'] = [ cos  sin] * [x]
		[y']   [-sin  cos]   [y],

			M =	[ cos  sin  0]
				[-sin  cos  0], (第三列用来控制平移)
	*/
	double nw = cos * w + sin * h;		//旋转后图像所占矩形的宽
	double nh = sin * w + cos * h;		//旋转后图像所占矩形的高
	//更新 新的中心  (将新中心平移到正确位置上)
	M.at(0, 2) += (nw / 2 - w / 2);		//将矩形的宽高 加上偏差量  (新M的第一列最后的值)
	M.at(1, 2) += (nh / 2 - h / 2);		//将矩形的宽高 加上偏差量  (新M的第二列最后的值)
	warpAffine(image, dst, M, Size(nw, nh), INTER_LINEAR, 0, Scalar(255, 255, 0));	//进行旋转
	//参数四:原来图像的中心点位置		参数五:插值方式
	//参数六:边缘的处理方式			参数七:边缘底图的颜色
	//namedWindow("旋转演示", WINDOW_FREERATIO); //可调整显示图片的窗口大小
	imshow("旋转演示", dst);
}

openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)详细版_第3张图片

022.视频文件摄像头使用

void video_demo1(Mat& image);

void QuickDemo::video_demo1(Mat& image) {
	//读已有视频
	VideoCapture capture("E:/2021.9.26备份/图片/Camera Roll/人脸素材.mp4");//读取视频地址
	Mat frame;	//定义一个二值化的 frame
	while (true) {
		capture.read(frame);
		//flip(frame, frame, 1);			// 1 左右翻转 y对称 (镜像)
		if (frame.empty())	//如果读入失败
		{
			break;	//若视频为空,则跳出操作
		}
		imshow("frame", frame);			//显示视频
		colorSpace_Demo(frame);			//对视频调用之前的demo
		int c = waitKey(1);			//等待10ms(1s = 1000ms),做视频处理都是1
		if (c == 27) {	//按 esc 退出应用程序
			break;
		}
	}
	capture.release();	//释放相机的资源
	/*
	//调用电脑摄像头
	VideoCapture capture(0);
	Mat frame;	//定义一个二值化的 frame
	while (true) {
		capture.read(frame);
		if (frame.empty())	//如果读入失败
		{
			break;	//若视频为空,则跳出操作
		}
		flip(frame, frame, 1);			// 1 左右翻转 y对称 (镜像)
		imshow("frame", frame);			//显示视频
		int c = waitKey(10);			//等待10ms(1s = 1000ms),做视频处理都是1
		if (c == 27) {	//按 esc 退出应用程序
			break;
		}
	}
	*/
}

023.视频处理与保存

void video_demo2(Mat& image);

void QuickDemo::video_demo2(Mat& image) {
	//视频的属性:SD(标清),HD(高清),UHD(超清),蓝光。
	VideoCapture capture("E:/2021.9.26备份/图片/Camera Roll/人脸素材.mp4");//读取视频地址
	int frame_width = capture.get(CAP_PROP_FRAME_WIDTH);	//获取视频的宽度
	int frame_height = capture.get(CAP_PROP_FRAME_HEIGHT);	//获取视频的高度
	int count = capture.get(CAP_PROP_FRAME_COUNT);			//获取视频总的帧数
	//fps是衡量处理视频的能力 (一秒钟处理多少张图片的能力,处理速度越快则越好)
	double fps = capture.get(CAP_PROP_FPS);
	cout << "frame width:" << frame_width << endl;
	cout << "frame height:" << frame_height << endl;
	cout << "FPS:" << fps << endl;
	cout << "Number of frame:" << count << endl;
	VideoWriter writer("F:/文件夹/C++/OPENCV4入门学习/图/test.mp4", capture.get(CAP_PROP_FOURCC), fps, Size(frame_width, frame_height), true);
	//参数一:保存地址		参数二:获取图片的格式(编码方式)		参数三:图片是帧数		参数四:视频宽高		参数五:与原来颜色保持一致
	//等全部运行完再去查看视频是否保存成功
	Mat frame;
	while (true) {
		capture.read(frame);
		//flip(frame, frame, 1);			// 1 左右翻转 y对称 (镜像)
		if (frame.empty())	//如果读入失败
		{
			break;	//若视频为空,则跳出操作
		}
		imshow("frame", frame);			//显示视频
		colorSpace_Demo(frame);			//对视频调用之前的demo
		writer.write(frame);
		int c = waitKey(1);			//等待10ms(1s = 1000ms),做视频处理都是1
		if (c == 27) {	//按 esc 退出应用程序
			break;
		}
	}
	//release
	writer.release();
	capture.release();	//释放相机的资源
}

024.图像直方图

void histogram_demo(Mat& image);

void QuickDemo::histogram_demo(Mat& image) {
	//三通道分离
	vector bgr_plane;
	split(image, bgr_plane);
	//定义参数变量
	const int channels[1] = { 0 };
	const int bins[1] = { 256 };	//总共 256 个灰度级别
	float hranges[2] = { 0,255 };	//每个通道的取值范围是 0 到 255
	const float* ranges[1] = { hranges };
	Mat b_hist;
	Mat g_hist;
	Mat r_hist;
	//计算 Blue,Green,Red 通道的直方图
	calcHist(&bgr_plane[0], 1, 0, Mat(), b_hist, 1, bins, ranges);	//第一个通道
	calcHist(&bgr_plane[1], 1, 0, Mat(), g_hist, 1, bins, ranges);
	calcHist(&bgr_plane[2], 1, 0, Mat(), r_hist, 1, bins, ranges);
			//参数一:要计算直方图的数据					参数二:1表示只有一张图(输入图像的格式)
			//参数三:需要统计直方图的第几个通道			参数四:掩模,mask必须是8位的数组且和参数一的大小一致
			//参数五:b_hist表示直方图的输出				参数六:1表示维度是一维的(输出直方图的维度dims)
			//参数七:直方图中每个维度需分成的区间个数		参数八:ranges表示直方图的取值范围(区间)
	
	//显示直方图
	int hist_w = 512;										//设置 画布宽度 为512
	int hist_h = 400;										//设置 画布高度 为400
	int bin_w = cvRound((double)hist_w / bins[0]);			//每个 bin 占的宽度
			  //cvRound()四舍五入返回数值
	Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3);	//创建画布

	//归一化直方图数据(归一化到大小一致的范围内)
	normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());	//histImage.rows是为了不超出画布许可的高度范围
	normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
	normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
			//参数一:要进行归一化的图片	参数二:归一化后要输出的图片
			//参数三:alpha					参数四:beta			参数五:归一化方法
	
	//绘制直方图曲线
	for (int i = 1; i < bins[0]; i++) {		//每个bin占2个像素的位置
		line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(b_hist.at(i - 1))),
			Point(bin_w * (i), hist_h - cvRound(b_hist.at(i))), Scalar(255, 0, 0), 2, 3, 0);
		line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(g_hist.at(i - 1))),
			Point(bin_w * (i), hist_h - cvRound(g_hist.at(i))), Scalar(0, 255, 0), 2, 3, 0);
		line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(r_hist.at(i - 1))),
			Point(bin_w * (i), hist_h - cvRound(r_hist.at(i))), Scalar(0, 0, 255), 2, 3, 0);
		//从前一个位置到当前位置连上一条线
	}
	//显示直方图
	namedWindow("Histogram Demo", WINDOW_AUTOSIZE);
	imshow("Histogram Demo", histImage);
}

025.二维直方图

void histogram_2d_demo(Mat& image);

void QuickDemo::histogram_2d_demo(Mat& image) {
	//2D直方图
	Mat hsv, hs_hist;
	cvtColor(image, hsv, COLOR_BGR2HSV);	//先把RGB色彩空间转换到hsv的空间中
	int hbins = 30, sbins = 32;
	int hist_bins[] = { hbins, sbins };		//h和s这两个维度需分成的 区间个数
	float h_range[] = { 0,180 };			//h的取值范围
	float s_range[] = { 0,256 };			//s的取值范围
	const float* hs_ranges[] = { h_range, s_range };
	int hs_channels[] = { 0,1 };
	//计算通道的直方图
	calcHist(&hsv, 1, hs_channels, Mat(), hs_hist, 2, hist_bins, hs_ranges, true, false);
	//参数一:要计算直方图的数据					参数二:1表示只有一张图(输入图像的格式)
	//参数三:需要统计直方图的第几个通道(前两个)	参数四:掩模,mask必须是8位的数组且和参数一的大小一致
	//参数五:b_hist表示直方图的输出				参数六:2表示维度是二维的(输出直方图的维度dims)
	//参数七:直方图中每个维度需分成的区间个数		参数八:hs_ranges表示直方图的取值范围(区间)
	//参数九:是否对得到的直方图进行归一化处理		参数十:在多个图像时,是否累计计算像素值的个数
	double maxVal = 0;
	minMaxLoc(hs_hist, 0, &maxVal, 0, 0);	//寻找最大值和最小值及其位置(这里先找到最大值)
	//参数一:输入单通道的数组		
	//参数二:返回最小值的指针			参数三:返回最大值的指针
	//参数四:返回最小值位置的指针		参数五:返回最大值位置的指针
	int scale = 10;
	Mat hist2d_image = Mat::zeros(sbins * scale, hbins * scale, CV_8UC3);	//创建空白图像
	for (int h = 0; h < hbins; h++) {
		for (int s = 0; s < sbins; s++) {
			float binVal = hs_hist.at(h, s);
			int intensity = cvRound(binVal * 255 / maxVal);
			rectangle(hist2d_image, Point(h * scale, s * scale),
				Point((h + 1) * scale - 1, (s + 1) * scale - 1), Scalar::all(intensity), -1);
		}
	}
	//显示直方图
	//applyColorMap(hist2d_image, hist2d_image, COLORMAP_JET);	//产生伪色彩图像
	namedWindow("H-S Histogram", WINDOW_AUTOSIZE);
	imshow("H-S Histogram", hist2d_image);
	//imwrite("F:/文件夹/C++/OPENCV4入门学习/图/hist_2d.png", hist2d_image);
}

026.直方图均衡化

void histogram_eq_demo(Mat& image);

void QuickDemo::histogram_eq_demo(Mat& image) {
	//直方图均衡化 (目的是对比度拉伸,即 对比度会更强)
	//用途:用于图像增强,人脸检测,卫星遥感(提升图像质量)。
	//opencv中,均衡化的图像只支持单通道
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);
	imshow("灰度图像", gray);
	Mat dst;
	equalizeHist(gray, dst);
	imshow("直方图均衡化演示", dst);
}

027.图像卷积操作(会变模糊,且卷积核尺寸越大则越模糊

void blur_demo(Mat& image);

void QuickDemo::blur_demo(Mat& image) {	//会变模糊,且卷积核尺寸越大则越模糊
	Mat dst;
	blur(image, dst, Size(15, 15), Point(-1, -1));	//均值滤波 均值模糊
	//参数三:卷积核的大小		参数四:卷积的起始点(Point(-1, -1)则默认取核的中心)
	//	参数三中:
	//Size(15, 1) 左右晃动的模糊(只有行的话
	//Size(1, 15) 上下			(	  列
	imshow("图像卷积操作", dst);
}

 openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)详细版_第4张图片 

028.高斯模糊

void gaussian_blur_demo(Mat& image);

void QuickDemo::gaussian_blur_demo(Mat& image) {
	//中心值最大,离中心越远值越小
	Mat dst;
	GaussianBlur(image, dst, Size(5, 5), 15);
	//参数三:高斯矩阵的大小(正数且奇数)
	//参数四:sigmaX 和 sigmaY 为15 
	//(参数三和四都 值越大则越模糊,且参数四的影响更明显)
	imshow("高斯模糊", dst);
}

高斯卷积数学表达式说明:

 openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)详细版_第5张图片

高斯卷积的图像说明: 

openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)详细版_第6张图片

029.高斯双边模糊(可磨皮操作

(同时考虑空间临近信息与颜色相似信息,在滤除噪声、平滑图像的同时,又做到边缘保存)

(高斯双边模糊:可以在去除噪声的同时,保持边缘信息相对清晰。但是,相比于大多数滤波器,双边滤波的速度是非常慢的。)

void bifilter_demo(Mat& image);

void QuickDemo::bifilter_demo(Mat& image) { //可做磨皮操作
	Mat dst;
	bilateralFilter(image, dst, 0, 100, 10);
	//参数三:色彩空间		参数四:坐标空间	(双边是指 色彩空间 和 坐标空间
	namedWindow("高斯双边模糊", WINDOW_AUTOSIZE);
	imshow("高斯双边模糊", dst);
}

openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)详细版_第7张图片  

030.案例:实时人脸检测

(24条消息) openCV4.0 C++ 实战:人脸检测 学习笔记(自用 代码+注释)_chxin14160的博客-CSDN博客

代码总结

(24条消息) openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)_chxin14160的博客-CSDN博客

你可能感兴趣的:(笔记,C++,openCV,c++,opencv,计算机视觉)