opencv基础
c++配置opencv
- 项目右击>>属性>>配置属性>>VC++目录
包含目录里添加X:\xxx…\opencv\build\include（###不是X:\xxx…\opencv\build\include\opencv2）
库目录里添加X:\xxx…\opencv\build\x64\vc15\lib - C/C++>>常规
附加包含目录里添加X:\xxx…\opencv\build\include（###不是X:\xxx…\opencv\build\include\opencv2） - 链接器>>常规
附加库目录里添加X:\xxx…\opencv\build\x64\vc15\lib - 链接器>>输入
附加依赖项里添加opencv_world344d.lib - 把界面上调试器左边的x86改为x64
第一课
#include "pch.h"
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("C:/Users/DELL/Pictures/Saved Pictures/2.png");
if (img.empty()) {
cout << " could not load image...";
return -1;
}
namedWindow("picture", WINDOW_AUTOSIZE); // 命名窗口名称和显示模式
imshow("picture", img);
Mat dst;
dst = Mat::zeros(img.size(), img.type()); //初始化成全0的mat
Mat kernel = (Mat_(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0); //输入图像掩模
double t = getTickCount();
filter2D(img, dst, img.depth(), kernel);
double timeconsume = (getTickCount() - t) / getTickFrequency();
cout << timeconsume;
/*
int cols = (img.cols-1)*img.channels();
int rows = img.rows;
int offset = img.channels();
cout << offset;
for (int row = 1; row < (rows - 1); row++) {
const uchar* current = img.ptr(row);
const uchar* previous = img.ptr(row-1);
const uchar* next = img.ptr(row+1);
uchar* output = dst.ptr(row);
for (int col = offset; col < cols; col++) {
output[col] = saturate_cast(5 * current[col] - (previous[col] + current[col - offset] + current[col + offset] + next[col]));
}
}
*/
imshow("output", dst);
Matx33d matrix(1, 2, 3, 4, 5, 6, 7, 8, 9);
Matx31d vector(1, 2, 3);
Mat imageROI;
imageROI = img(Rect(0, 0, 50, 50));
waitKey(0);// 延时时间
destroyAllWindows(); //关闭所有窗口
return 0;
}
saturate_cast为饱和函数，大于255为255，小于0为0
Mat kernel = (Mat_(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0); //输入图像掩模
掩模效果等于注释的代码段
ROI区域选取：
Mat mat;
Rect rect(0, 0, 50, 50);
mat = img(rect);
imshow("34", mat);
利用指针指向Mat的某一行，img.ptr为图像的指针
const uchar* current = img.ptr(row)
代码运行时间：
double t = getTickCount();
//运行代码块
double timeconsume = (getTickCount() - t) / getTickFrequency();
cout << timeconsume;
第二课 Mat对象
创建Mat对象的两种方式：
①
3,3为Mat大小
CV_8UC3为8位的uchar类型，通道数为3
Scalar(0, 0, 255)表示三个通道中的数分别为多少
Mat M(3, 3, CV_8UC3, Scalar(0, 0, 255)); //8uc3 8位 uchar 3通道
②
先定义一个Mat m
规定m的尺寸和类型和Mat img相同
给m赋值
Mat m;
m.create(img.size(), img.type());
m = Scalar(0, 0, 244);
第三课
图像像素操作的两种方法
①单通道的灰度图像
利用Mat.at(i,j)的方法访问坐标为i，j的像素点，类型为uchar
Mat gray;
cvtColor(img, gray, COLOR_BGR2GRAY);
int rows = img.rows;
int cols = img.cols;
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
gray.at(i, j) = 255 - gray.at(i, j); //单通道类型uchar
}
}
imshow("gray", gray);
②三通道彩色图像
利用Mat.at(i,j)[0]访问坐标为i,j，通道为0的像素，8U类型的RGB彩色图像类型vec3b
Mat dst;
dst.create(img.size(), img.type());
int height = img.rows;
int width = img.cols;
int channel = img.channels();
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
if (channel==1){
img.at(row, col) = 255 - img.at(row, col);
}
else if (channel == 3) {
int b = img.at(row, col)[0]; //8U类型的RGB彩色图像类型vec3b
int g = img.at(row, col)[1];//顺序为bgr
int r = img.at(row, col)[2];
dst.at(row, col)[0] = 255 - b;
dst.at(row, col)[1] = 255 - g;
dst.at(row, col)[2] = 255 - r;
}
}
}
等于api ： bitwise_not(img, dst);
总代码：
#include "pch.h"
#include
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("C:/Users/DELL/Pictures/Saved Pictures/2.png");
if (img.empty()) {
cout << " could not load image...";
return -1;
}
namedWindow("picture", WINDOW_AUTOSIZE); // 命名窗口名称和显示模式
imshow("picture", img);
Mat mat;
Rect rect(0, 0, 50, 50);
mat = img(rect);
imshow("34", mat);
Mat gray;
cvtColor(img, gray, COLOR_BGR2GRAY);
int rows = img.rows;
int cols = img.cols;
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
gray.at(i, j) = 255 - gray.at(i, j);
}
}
imshow("gray", gray);
Mat dst;
dst.create(img.size(), img.type());
int height = img.rows;
int width = img.cols;
int channel = img.channels();
/*
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
if (channel==1){
img.at(row, col) = 255 - img.at(row, col);
}
else if (channel == 3) {
int b = img.at(row, col)[0];
int g = img.at(row, col)[1];
int r = img.at(row, col)[2];
dst.at(row, col)[0] = 255 - b;
dst.at(row, col)[1] = 255 - g;
dst.at(row, col)[2] = 0;
gray.at(row, col) = min(r, min(g, b));
}
}
}
*/
bitwise_not(img, dst);
imshow("111", gray);
Matx33d matrix(1, 2, 3, 4, 5, 6, 7, 8, 9);
Matx31d vector(1, 2, 3);
Mat imageROI;
imageROI = img(Rect(0, 0, 50, 50));
waitKey(0);// 延时时间
destroyAllWindows(); //关闭所有窗口
return 0;
}
第四课调整亮度和对比度
像素变换——点操作
领域操作——区域
调整亮度和对比度属于像素变换
#include "pch.h"
#include
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("C:/Users/DELL/Pictures/Saved Pictures/2.png");
if (img.empty()) {
cout << " could not load image...";
return -1;
}
string input = "input image";
namedWindow(input, WINDOW_AUTOSIZE); // 命名窗口名称和显示模式
imshow(input, img);
cvtColor(img, img, CV_BGR2GRAY);
Mat mat,gray;
mat=Mat::zeros(img.size(), img.type());
int rows = img.rows;
int cols = img.cols;
float alpha = 1.5;
float beta = 8;
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
if (img.channels() == 3) {
float b = img.at(i, j)[0];
float g = img.at(i, j)[1];
float r = img.at(i, j)[2];
mat.at(i, j)[0] = saturate_cast(b*alpha + beta);
mat.at(i, j)[1] = saturate_cast(g*alpha + beta);
mat.at(i, j)[2] = saturate_cast(r*alpha + beta);
}
else if (img.channels() == 1) {
float v=img.at(i, j);
mat.at(i, j) = saturate_cast(v*alpha + beta);
}
}
}
imshow("output", mat);
waitKey(0);// 延时时间
destroyAllWindows(); //关闭所有窗口
return 0;
}
第五课 绘制形状与文字
- 使用cv::Point与cv::Scalar
- 绘制线、矩形、圆、椭圆等
- 随机生成与绘制文本
- line(img, p1, p2, color, 1, LINE_8); //背景图片，点1，点2，颜色，线宽
- rectangle(img, rect, color, 2, LINE_8);//背景图片，正方形四个尺寸，颜色，线宽
- ellipse(img, Point(img.cols / 2, img.rows / 2), Size(img.cols / 4, img.rows / 8), 0, 0, 360, color, 2, LINE_8);//背景图像，中心点，长短轴,旋转角度,起止范围（0~360°），颜色，线宽
- circle(img, center, 150, color, 2, LINE_8);//背景图像，圆心，半径，颜色，粗细
- RNG rng(12345);//随机数生成函数【rng.gaussian（最小值，最大值）生成高斯随机数，rng.uniform（最小值，最大值）正态分布随机数】
#include "pch.h"
#include
#include
#include
#include
using namespace cv;
using namespace std;
Mat img;
void myline();
void myrect();
void myellipse();
void mycircle();
void mypolygon();
void RandomLine();
int main()
{
img = imread("C:/Users/DELL/Pictures/Saved Pictures/2.png");
if (img.empty()) {
cout << " could not load image...";
return -1;
}
string input = "input image";
myline();
myrect();
myellipse();
mycircle();
mypolygon();//填充多边形
RandomLine();
putText(img, "Hello", Point(300, 300), CV_FONT_HERSHEY_COMPLEX, 2.0, Scalar(12, 255, 22), 1, 8);//文字内容，位置，字体，2.0为字体放大倍数
namedWindow(input, WINDOW_AUTOSIZE); // 命名窗口名称和显示模式
imshow(input, img);
waitKey(0);// 延时时间
destroyAllWindows(); //关闭所有窗口
return 0;
}
void myline() {
Point p1 = Point(20, 30);
Point p2;
p2.x = 200;
p2.y = 300;
Scalar color = Scalar(0, 0, 255);
line(img, p1, p2, color, 1, LINE_8); //背景图片，点1，点2，颜色，线宽
}
void myrect() {
Rect rect = Rect(200, 100, 300, 300);
Scalar color = Scalar(255, 0, 0);
rectangle(img, rect, color, 2, LINE_8);//背景图片，正方形四个尺寸，颜色，线宽
}
void myellipse() {
Scalar color = Scalar(0, 255,0);
ellipse(img, Point(img.cols / 2, img.rows / 2), Size(img.cols / 4, img.rows / 8), 0, 0, 360, color, 2, LINE_8);//背景图像，中心点，长短轴,旋转角度,起止范围（0~360°），颜色，线宽
}
void mycircle() {
Scalar color = Scalar(0, 255, 255);
Point center = Point(img.cols / 2, img.rows/2);
circle(img, center, 150, color, 2, LINE_8);//背景图像，圆心，半径，颜色，粗细
}
void mypolygon() {
Point pts[1][5];
pts[0][0] = Point(100, 100);
pts[0][1] = Point(100, 200);
pts[0][2] = Point(200, 200);
pts[0][3] = Point(200, 100);
pts[0][4] = Point(100, 100);
const Point*ppts[] = { pts[0] };
int n[] = { 5 };
Scalar color = Scalar(255, 34, 56);
fillPoly(img,ppts,n,1,color,8);
}
void RandomLine(){
RNG rng(12345);//随机数生成函数
Point pt1;
Point pt2;
Mat bg = Mat::zeros(img.size(), img.type());
//namedWindow("random line", CV_WINDOW_AUTOSIZE);
for (int i = 0; i < 1000; i++) {
pt1.x = rng.uniform(0, img.cols);
pt2.x = rng.uniform(0, img.cols);
pt1.y = rng.uniform(0, img.rows);
pt2.y = rng.uniform(0, img.rows);
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
if (waitKey(50) > 0) { //运行大于ms自动停止
break;
}
line(bg, pt1, pt2, color, 1, 8);
imshow("random line", bg);
}
}
第六课 模糊图像
1、线性滤波
#include "pch.h"
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("C:/Users/DELL/Pictures/Saved Pictures/2.png");
Mat dst,dst_gaussian;
if (img.empty()) {
cout << " could not load image...";
return -1;
}
string input = "input image";
namedWindow(input, WINDOW_AUTOSIZE); // 命名窗口名称和显示模式
imshow(input, img);
blur(img, dst, Size(5, 1), Point(-1, -1));
imshow("blur", dst);
GaussianBlur(img, dst_gaussian, Size(5, 5), 11, 11);
imshow("gaussian blur", dst_gaussian);
waitKey(0);// 延时时间
destroyAllWindows(); //关闭所有窗口
return 0;
}
2、非线性模糊
- 中值滤波
- 双边滤波
API：
d=15——计算半径，半径之内的像素都被计算
150——决定多少差值之内的像素会被计算
3——如果d的值大于0则无效，否则根据该值计算d的值
中值模糊中的ksize必须大于1且为奇数
第七课 腐蚀与膨胀
1、膨胀：图像A和结构元素B，B在A上面移动，以B中心为锚点，计算B覆盖下A的最大像素值来代替锚点的像素，B的结构可以为任意形状。
dilate(src,dst,kernel)
2、腐蚀（消除小的噪声）：图像A和结构元素B，B在A上面移动，以B中心为锚点，计算B覆盖下A的最小像素值来代替锚点的像素，B的结构可以为任意形状
erode(src,dst,kernel)
kernel=getStructuringElement(int shape,Size ksize,Point anchor) //形状、大小、锚点
3、滑动条——动态调整结构元素大小
#include "pch.h"
#include
#include
#include
using namespace cv;
using namespace std;
int element_size = 3;
int max_size = 21;
void CallBack_demo(int, void*);
Mat img, dst;
string input = "input image";
string output = "output image";
int main()
{
img = imread("C:/Users/DELL/Pictures/Saved Pictures/2.png");
if (img.empty()) {
cout << " could not load image...";
return -1;
}
namedWindow(input, WINDOW_AUTOSIZE); // 命名窗口名称和显示模式
imshow(input, img);
namedWindow(output, CV_WINDOW_AUTOSIZE);
createTrackbar("Element_size", output, &element_size, max_size, CallBack_demo);
CallBack_demo(0, 0);
waitKey(0);// 延时时间
destroyAllWindows(); //关闭所有窗口
return 0;
}
void CallBack_demo(int, void*) {
int s = element_size * 2 + 1;
Mat structureElement = getStructuringElement(MORPH_RECT, Size(s, s), Point(-1, -1));
dilate(img, dst, structureElement, Point(-1, -1), 1);
imshow(output, dst);
第八课 形态学操作
- 开操作（先腐蚀后膨胀）——去掉小的对象
- 闭操作（先膨胀后腐蚀）——可以填补小的洞
- 形态学梯度（膨胀减去腐蚀）
- 顶帽（原图像与开操作之间的插值）
- 黑帽（原图像与闭操作之间的插值）可以找出有缺陷的地方
1、开操作
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
morphologyEx(img, dst, CV_MOP_OPEN, kernel);
imshow(output, dst);
2、闭操作
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
morphologyEx(img, dst, CV_MOP_CLOSE, kernel);//形态学函数，CLOSE为闭操作
imshow(output, dst);
3、形态学梯度
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
morphologyEx(img, dst, CV_MOP_GRADIENT, kernel);
imshow(output, dst);
4、顶帽
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
morphologyEx(img, dst, CV_MOP_TOPHAT, kernel);
imshow(output, dst);
5、黑帽
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
morphologyEx(img, dst, CV_MOP_BLACKHAT, kernel);
imshow(output, dst);
第九课 形态学操作-提取水平与垂直线
步骤
- 输入图像
- 转化为灰度图像
- 转化为二值图像
自适应方法①把块中像素值取平均，再减去常数c，得到阈值
自适应方法②把块中元素取高斯加权和（权值和距离有关），减去常数C，得到阈值 - 定义结构元素
- 开操作提取水平与垂直线
通过对某一方向上先进行腐蚀再进行膨胀（开运算），可以得到该方向上的直线，除掉了其他东西 。
int main()
{
Mat img, dst,gray,binimg;
img = imread("C:/Users/DELL/Pictures/Saved Pictures/4.png");
if (img.empty()) {
cout << " could not load image...";
return -1;
}
namedWindow(input, WINDOW_AUTOSIZE); // 命名窗口名称和显示模式
imshow(input, img);
cvtColor(img, gray, CV_BGR2GRAY);
adaptiveThreshold(~gray, binimg, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 15, -2);
Mat hline = getStructuringElement(MORPH_RECT, Size(img.cols / 16, 1), Point(-1, -1));//设置结构体
Mat vline = getStructuringElement(MORPH_RECT, Size(1, img.rows / 16), Point(-1, -1));
Mat kernel = getStructuringElement(MORPH_RECT, Size(3,3), Point(-1, -1));
Mat temp;
erode(binimg, temp, vline);
dilate(temp, dst, vline);
//morphologyEx(binimg, dst, CV_MOP_OPEN,hline);
bitwise_not(dst, dst);
blur(dst, dst, Size(3, 3), Point(-1, -1));
imshow(output, binimg);
imshow("hline", dst);
waitKey(0);// 延时时间
destroyAllWindows(); //关闭所有窗口
return 0;
}
第十课 金字塔上下采样
上采样为得到分辨率更高的图像，下采样为得到分辨率低的图像
图像处理中需要通过图像金字塔得到分辨率不同的图像，在不同的尺度空间寻找图像对应的特征，而且图像的金字塔变化可以保证图像的特征一直存在。
- 高斯金字塔：用来对图像进行逐层下采样（先对当前层进行高斯模糊，再删除当前层的偶数行与列）
- 拉普拉斯金字塔：用来重建一张图像，根据上层降采样图片
高斯不同：
把同一张图像在不同参数下做高斯模糊之后进行相减，得到输出的图像叫做高斯不同
常用于灰度图像增强、角点检测。
#include "pch.h"
#include
#include
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
int numb=0;
Mat img, dst,gray,dst1;
img = imread("C:/Users/DELL/Pictures/Saved Pictures/2.png");
if (img.empty()) {
cout << "could not load image";
return -1;
}
cvtColor(img, gray, CV_BGR2GRAY);
namedWindow("output", WINDOW_AUTOSIZE);
//上采样
pyrUp(gray, dst, Size(gray.cols * 2, gray.rows * 2));
//降采样
pyrDown(gray, dst1, Size(gray.cols/2, gray.rows / 2));
Mat blur1, blur2,out;
//高斯不同
GaussianBlur(gray, blur1, Size(5, 5), 0, 0);
GaussianBlur(blur1, blur2, Size(5, 5), 0, 0);
subtract(blur1, blur2, out, Mat());
//归一化显示，图像差异增强
normalize(out, out, 255, 0, NORM_MINMAX);
imshow("output", out);
waitKey(0);// 延时时间
destroyAllWindows(); //关闭所有窗口
return 0;
}
第十一课 阈值操作
- 二值化（大于阈值取一个值，小于阈值取0）
- 反二值化
- 截断（大于阈值取阈值，小于阈值保持）
- 阈值取零（大于阈值保持不变，小于阈值取0）
- 阈值反取零
#include "pch.h"
#include
#include
#include
#include
#include
using namespace cv;
using namespace std;
int threshold_value = 127;
int threshold_max = 255;
void Threshold_demo(int, void*);
Mat img, dst,gray,dst1;
int type_value = 2;
int type_max = 4;
int main()
{
int numb=0;
img = imread("C:/Users/DELL/Pictures/Saved Pictures/2.png");
if (img.empty()) {
cout << "could not load image";
return -1;
}
cvtColor(img, gray, CV_BGR2GRAY);
namedWindow("output", WINDOW_AUTOSIZE);
createTrackbar("Threshold Value", "output", &threshold_value, threshold_max, Threshold_demo);
createTrackbar("Type_value", "output", &type_value, type_max, Threshold_demo);
Threshold_demo(0, 0);
waitKey(0);// 延时时间
destroyAllWindows(); //关闭所有窗口
return 0;
}
void Threshold_demo(int, void*) {
threshold(gray, dst, threshold_value,threshold_max,type_value);//只能用灰度图像
imshow("output", dst);
}
第十二课 边缘处理
在图像进行卷积操作的时候，因为卷积核大小的存在，所以图像边缘的像素点不能被卷积操作。在卷积开始前增加边缘像素，填充的像素值为0或者RGB黑色，比如在3×3的四周各田中一个像素的边缘。
- BORDER_CONSTANT 填充边缘用指定像素值
- BORDER_REPLICATE 填充边缘用已知的边缘像素值
- BORDER_WRAP 用另一边的像素来填充
第十三课 直方图
1、直方图是指针对整个图像在灰度范围内的像素值（0-255）统计出现频率次数，反应了图像灰度的分布情况。
直方图均衡化可以提高图像对比度。
API：
equalizeHist(InputArray src, //输入图像，8位的灰度图像
OutputArray dst )
2、直方图计算
3、直方图比较
4、直方图反向投射