2021-08-17 opencv c++学习笔记

加载图像（用cv::imread）

imread功能是加载图像文件成为一个Mat对象，其中第一个参数表示图像文件名称(绝对名称)；

第二个参数，表示加载的图像是什么类型，支持常见的三个参数值

IMREAD_UNCHANGED (<0) 表示加载原图，不做任何改变

IMREAD_GRAYSCALE ( 0)表示把原图作为灰度图像加载进来

IMREAD_COLOR (>0) 表示把原图作为RGB图像加载进来

注意：1.OpenCV支持JPG、PNG、TIFF等常见格式图像文件加载
2. 第二个参数可以直接是用数字代替

Mat src= imread(“D:/b.jpeg”,IMREAD_GRAYSCALE )；

修改图像色彩空间 (cv::cvtColor)

cvtColor的功能是把图像从一个彩色空间转换到另外一个色彩空间，有三个参数，第一个参数表示源图像、第二参数表示色彩空间转换之后的图像、第三个参数表示源和目标色彩空间如：COLOR_BGR2HLS 、COLOR_BGR2GRAY(灰度图像) 等；

lcvtColor( image, gray_image, COLOR_BGR2GRAY );

保存图像(cv::imwrite)

保存图像文件到指定目录路径

只有8位、16位的PNG、JPG、Tiff文件格式而且是单通道或者三通道的BGR的图像才可以通过这种方式保存,第一个参数表示保存图像的地址，第二个参数表示要保存的图片。

imwrite("…/1.png",src);

Mat

部分复制：一般情况下只会复制Mat对象的头和指针部分，不会复制数据部分

Mat A= imread(imgFilePath);

Mat B(A) // 只复制

完全复制：如果想把Mat对象的头部和数据部分一起复制，可以通过如下两个API实现

Mat F = A.clone();
或 Mat G; A.copyTo(G);

输出图像的内存是自动分配的，使用OpenCV的C++接口，不需要考虑内存分配问题。
赋值操作和拷贝构造函数只会复制头部分，
使用clone与copyTo两个函数实现数据完全复制

cv::Mat::Mat构造函数

Mat M(2,2,CV_8UC3, Scalar(0,0,255))

其中前两个参数分别表示行(row)跟列(column)、第三个CV_8UC3中的8表示每个通道占8位、U表示无符号、C表示Char类型、3表示通道数目是3，第四个参数是向量表示初始化每个像素值是多少，向量长度对应通道数目一致。

int sz[[3]] = {2,2,2};
Mat L(3,sz, CV_8UC1, Scalar::all(0));

Mat矩阵初始化

#include “cv.hpp”
using namespace cv;
int main()
{ //创建240行x320行的图像
Mat img(240,320, CV_8U,100);
imshow(“img”, img);
//重新分配图像
img.create(200, 200, CV_8U);
img = 200;
imshow(“img new”, img);
//创建一个红色的图像
//通道次序为BGR
Mat img2(240,320,CV_8SC3,Scalar(0,0,255));
imshow(“BGR”, img2);
//或者
//Mat img(Size(320,240), CV_8UC3);
//img = Scalar(0,0,255);
waitKey();
return 0;
}

图像混合

调整图像亮度与对比度

Mat new_image = Mat::zeros( image.size(), image.type() ); 创建一张跟原图像大小和类型一致的空白图像、像素值初始化为0

lsaturate_cast(value)确保值大小范围为0~255之间

Mat.at(y,x)[index]=value 给每个像素点每个通道赋值

#include "cv.hpp"
#include
#include
#include
using namespace cv;
using namespace std;
 
int main()
{
	Mat input, output;
	input = imread("../0.jpg");
	imshow("input", input);
	int height = input.rows;
	int width = input.cols;
	double alpha = 1.2;
	double beta = 50;
 
	output = Mat::zeros(input.size(),input.type());
	for (int y = 0; y < height; y++)
		for (int x = 0; x < width; x++)
		{
			output.at(y, x)[0] = saturate_cast(alpha*input.at(y, x)[0] + beta);//blue
			output.at(y, x)[1] = saturate_cast(alpha*input.at(y, x)[1] + beta);//blue
			output.at(y, x)[2] = saturate_cast(alpha*input.at(y, x)[2] + beta);//blue
		}
	imshow("output", output);
	waitKey();
}

绘制形状与文字

Point表示2D平面上一个点x,y

Point p;
p.x = 10;
p.y = 8;

p = Pont(10,8);

Scalar表示三个元素的向量
Scalar(a, b, c);// a = blue, b = green, c = red表示RGB三个通道
画线 cv::line （LINE_4\LINE_8\LINE_AA）
画椭圆cv::ellipse
画矩形cv::rectangle
画圆cv::circle
画填充cv::fillPoly

模糊原理

Smooth/Blur 是图像处理中最简单和常用的操作之一，使用该操作的原因之一就为了给图像预处理时候减低噪声，使用Smooth/Blur操作其背后是数学的卷积计算，通常这些卷积算子计算都是线性操作，所以又叫线性滤波。


中值滤波，统计排序滤波器，中值对椒盐噪声有很好的抑制作用。

中值模糊：medianBlur（Mat src, Mat dest, ksize）

中值模糊的ksize大小必须是大于1而且必须是奇数。
双边滤波

均值模糊无法克服边缘像素信息丢失缺陷。原因是均值滤波是基于平均权重。
高斯模糊部分克服了该缺陷，但是无法完全避免，因为没有考虑像素值的不同。
高斯双边模糊 – 是边缘保留的滤波方法，避免了边缘信息丢失，保留了图像轮廓不变。
双边模糊bilateralFilter(src, dest, d=15, 150, 3);
15 –计算的半径，半径之内的像数都会被纳入计算，如果提供-1 则根据sigma space参数取值。
150 – sigma color 决定多少差值之内的像素会被计算。
3 – sigma space 如果d的值大于0则声明无效，否则根据它来计算d值

#include "cv.hpp"
#include<iostream>
#include<ctime>
#include<random>
using namespace cv;
using namespace std;
 
int main()
{
	Mat input, output1, output2, output3, output4;
	input = imread("../sa.bmp");
	imshow("input", input);
	blur(input, output1, Size(15, 15), Point(-1, -1));//均值滤波
	GaussianBlur(input,output2,Size(11,11),5,5);//高斯滤波
	medianBlur(input, output3, 3);//中值滤波
	bilateralFilter(input,output4,15,150,10);//双边滤波
	imshow("output1", output1);
	imshow("output2", output2);
	imshow("output3", output3);
	imshow("output4", output4);
	waitKey();
}

膨胀与腐蚀

膨胀：跟卷积操作类似，假设有图像A和结构元素B，结构元素B在A上面移动，其中B定义其中心为锚点，计算B覆盖下A的最大像素值用来替换锚点的像素，其中B作为结构体可以是任意形状.
腐蚀：腐蚀跟膨胀操作的过程类似，唯一不同的是以最小值替换锚点重叠下图像的像素值。

#include <opencv2/opencv.hpp> 
#include <iostream> 
using namespace cv;
 
Mat src, dst;                   // 全局变量
int element_size = 3;      //全局变量
int max_size = 21;           // 全局变量
 
void CallBack_func(int, void*);
int main( ) 
{
	src = imread("test7.png");
	if (src.empty()) 
	{
		printf("could not load the  image...\n");
		return -1;
	}
	namedWindow("原图：", CV_WINDOW_AUTOSIZE);
	imshow("原图：", src);
	namedWindow("膨胀操作后：", CV_WINDOW_AUTOSIZE);
	createTrackbar("结构元尺寸 ：", "膨胀操作后：", &element_size, max_size, CallBack_func);//创建一个滑动条        
	CallBack_func(element_size, 0);
 
	waitKey(0);
	return 0;
}
 
 
void CallBack_func(int, void*) 
{
	int s = element_size * 2 + 1;
	Mat structureElement = getStructuringElement(MORPH_RECT, Size(s, s), Point(-1, -1));      //创建结构元
	dilate(src, dst, structureElement, Point(-1, -1), 1);               //调用膨胀API
	imshow("膨胀操作后：", dst);
}

其中 结构元形状函数：

getStructuringElement( int shape, Size ksize, Point anchor )

其参数解释如下：

shape：1）MORPH_RECT 表示产生矩形的结构元

2）MORPH_ELLIPSEM 表示产生椭圆形的结构元

3）MORPH_CROSS 表示产生十字交叉形的结构元

ksize：表示结构元的尺寸，即（宽，高），必须是奇数

anchor：表示结构元的锚点，即参考点。默认值Point(-1, -1)代表中心像素为锚点.

dilate(src, dst, structureElement, Point(-1, -1), 1);

src：表示输入矩阵

dst： 表示输出矩阵

element：表示结构元，即 函数getStructuringElement( )的返回值

anchor：结构元的锚点，即参考点（-1，-1）

iterations：膨胀操作的次数，默认为一次

采样

上采样(cv::pyrUp) – zoom in 放大

降采样 (cv::pyrDown) – zoom out 缩小

pyrUp(Mat src, Mat dst, Size(src.cols2, src.rows2))，生成的图像是原图在宽与高各放大两倍

pyrDown(Mat src, Mat dst, Size(src.cols/2, src.rows/2))生成的图像是原图在宽与高各缩小1/2