OpenCV学习之旅-简介

1、什么是图像，对图像进行处理是神马操作

一副图像可以定义为二维的函数z = f(x，y)，其中x、y是其空间坐标，而其值z的大小就是函数在该点的灰度值。

例图.png

比如我用Matlab打开了一张256x256大小的图片，一张黑白图片，而在计算机中，它的实际数据结构是这样子的

图像的局部矩阵结构.png

我特意截取了灰白色和黑色边界的数据，通过数据我们可以看到，图片的大小为256x256，而其边界坐标是纵坐标y(竖直方向)为127-128，灰白色的数值大小为230，黑色为0。每个坐标位置我们称之为一个像素，而对应坐标数值的大小称之为灰度值。这样看起来应该是比较直观的，图像就是二维的数据集合，我们的图像处理就是对这些数值进行转换。说比较难说清楚，让我们做个小变动，我把边界上的一部分为230的值置为0之后会发生什么事情呢？就像下面一样。

边界像素值改动.png

经过这步改动之后我们的图片也随之发生了改变，很明显，置为0值的位置，像素点变成了黑色。

例图2.png

2、数字图像处理、计算机视觉、OpenCV之间的关系

  数字图像处理，一般指输入时图像，输出也是图像的处理，包括图像特征的提取，直至各个目标的识别。主要是通过计算机对图像进行滤波和增强、复原、压缩、形态学处理、分割、表示描述以及目标识别的处理方法及技术手段。
  计算机视觉的目标是使用计算机来模拟人的视觉，理解图像输入并根据输入进行分析来采取行动，其本身属于人工智能(AI)的一个分支，最终目的是对人进行模仿，已经涉及到理解已识别的目标及具备一定的认知功能。
  OpenCV (Open Source Computer Vision Library)，直译过来就是计算机开源视觉库，它实现了图像处理和计算机视觉领域的很多通用算法，库本身是采用 C++ 编写的，但是同时也对 Python, Java, C# 等语言提供接口支持。也就是说在Android中也是可以使用的。

3、OpenCV使用的领域

• 人机互动
• 物体识别
• 图像分割
• 人脸识别
• 动作识别
• 运动跟踪
• 机器人
• 运动分析
• 机器视觉
• 结构分析
• 汽车安全驾驶
  应用领域是非常广泛的，甚至一些AR/VR也需要用到OpenCV进行计算机视觉处理。

4、具体使用示例

OpenCV现在已经出到OpenCV3了，先跑个Demo看下效果过过瘾，目前的运行环境是VisualStudio2017+OpenCV3，当然也可以在Android环境下使用，但是OpenCV3本身是C++实现，在Android上使用不仅需要真机测试，还需要JNI调用，学习阶段使用起来不太方便。
先来个平滑滤波，具体原理也暂时先不解释，效果上来讲就是对图片进行模糊处理。先贴上代码，核心代码就是blur()，由它进行均值滤波操作。

#include "opencv2/highgui/highgui.hpp" 
#include "opencv2/imgproc/imgproc.hpp" 
using namespace cv; 

int main( )
{ 
    //【1】载入原始图
    Mat srcImage = imread("orange.jpg"); 

    //【2】显示原始图
    imshow( "均值滤波【原图】", srcImage ); 

    //【3】进行均值滤波操作
    Mat dstImage; 
    blur( srcImage, dstImage, Size(15, 15)); 

    //【4】显示效果图
    imshow( "均值滤波【效果图】" ,dstImage ); 

    waitKey( 0 );     
} 

均值滤波原图.png

均值滤波效果图.png

代码实现起来很简单，这就是OpenCV的强大之处了，图片的加载，显示，以及图片的操作，这些实现的方法都极其简洁。
对于均值滤波背后的算法刚开始讲解起来会比较麻烦一点，因为会涉及到一些卷积、'核'以及线性滤波、非线性滤波，空间滤波以及频域滤波一些概念，这些得慢慢来，后续会尽量讲到的。