OpenCV知识总结

不同位深的图像之间用函数 cvConvertScale 转换；

http://www.opencv.org.cn/forum/viewtopic.php?t=2286

http://www.opencv.org.cn/forum/viewtopic.php?t=2263

opencv中的 混合高斯模型算法根据《An Improved Adaptive Background Mixture Model for Realtime Tracking with Shadow Detection》文档中的算法编写，这个文档的算法中还有阴影检测的算法，但是opencv中有icvUpdateGaussianBGModel算 法，不知是否有阴影检测的算法，文章可以在中国图像图形学网站上找到；

http://www.opencv.org.cn/forum/viewtopic.php?t=1688

以下代码主要是对一幅灰度图像rice.jpg进行一些处理，消除rice.jpg图像中的亮度不一致的背景，并使用阀值分割将修改后的图像转换为二值图像，使用轮廓检测返回图像中目标对象的个数以及统计属性。 

#include <stdio.h>
#include <cv.h> 
#include <highgui.h> 
#include <math.h> 

#pragma comment(lib, "cv.lib")
#pragma comment(lib, "cxcore.lib")
#pragma comment(lib, "highgui.lib")

int main(int argc, char* argv[]) 
{ 
	IplImage *src = 0; //定义源图像指针 
	IplImage *tmp = 0; //定义临时图像指针 
	IplImage *src_back = 0; //定义源图像背景指针 
	IplImage *dst_gray = 0; //定义源文件去掉背景后的目标灰度图像指针 
	IplImage *dst_bw = 0;   //定义源文件去掉背景后的目标二值图像指针 
	IplImage *dst_contours = 0; //定义轮廓图像指针 
	IplConvKernel *element = 0; //定义形态学结构指针 

	int Number_Object =0; //定义目标对象数量 
	int contour_area_tmp = 0; //定义目标对象面积临时寄存器 
	int contour_area_sum = 0; //定义目标所有对象面积的和 
	int contour_area_ave = 0; //定义目标对象面积平均值 
	int contour_area_max = 0; //定义目标对象面积最大值 

	CvMemStorage *stor = 0; 
	CvSeq * cont = 0; 
	CvContourScanner contour_scanner; 
	CvSeq * a_contour= 0; 

	//1.读取和显示图像 
	// the first command line parameter must be image file name
	if ( argc == 2 && (src = cvLoadImage(argv[1], -1))!=0 ) 
	{ 
		; 
	} 
	else 
	{ 
		src = cvLoadImage("test.png", 0); 
	} 
	cvNamedWindow( "src", CV_WINDOW_AUTOSIZE ); 
	cvShowImage( "src", src ); 
	//cvSmooth(src, src, CV_MEDIAN, 3, 0, 0, 0); //中值滤波，消除小的噪声； 

	//2.估计图像背景 
	tmp = cvCreateImage( cvGetSize(src), src->depth, src->nChannels); 
	src_back = cvCreateImage( cvGetSize(src), src->depth, src->nChannels); 
	//创建结构元素 
	element = cvCreateStructuringElementEx( 4, 4, 1, 1, CV_SHAPE_ELLIPSE, 0); 
	//用该结构对源图象进行数学形态学的开操作后，估计背景亮度 
	cvErode( src, tmp, element, 10); 
	cvDilate( tmp, src_back, element, 10); 
	cvNamedWindow( "src_back", CV_WINDOW_AUTOSIZE ); 
	cvShowImage( "src_back", src_back ); 

	//3.从源图象中减区背景图像 
	dst_gray = cvCreateImage( cvGetSize(src), src->depth, src->nChannels); 
	cvSub( src, src_back, dst_gray, 0); 
	cvNamedWindow( "dst_gray", CV_WINDOW_AUTOSIZE ); 
	cvShowImage( "dst_gray", dst_gray ); 

	//4.使用阀值操作将图像转换为二值图像 
	dst_bw = cvCreateImage( cvGetSize(src), src->depth, src->nChannels); 
	cvThreshold( dst_gray, dst_bw ,50, 255, CV_THRESH_BINARY ); //取阀值为50把图像转为二值图像 

	//cvAdaptiveThreshold( dst_gray, dst_bw, 255, CV_ADAPTIVE_THRESH_MEAN_C, CV_THRESH_BINARY, 3, 5 ); 
	cvNamedWindow( "dst_bw", CV_WINDOW_AUTOSIZE ); 
	cvShowImage( "dst_bw", dst_bw ); 

	//5.检查图像中的目标对象数量 
	stor = cvCreateMemStorage(0); 
	cont = cvCreateSeq(CV_SEQ_ELTYPE_POINT, sizeof(CvSeq), sizeof(CvPoint), stor); 
	Number_Object = cvFindContours( dst_bw, stor, &cont, sizeof(CvContour), 
		CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0) ); //找到所有轮廓 

	printf("Number_Object: %d/n", Number_Object); 

	//6.计算图像中对象的统计属性 
	dst_contours = cvCreateImage( cvGetSize(src), src->depth, src->nChannels); 
	cvThreshold( dst_contours, dst_contours ,0, 255, CV_THRESH_BINARY ); //在画轮廓前先把图像变成白色 

	for(;cont;cont = cont->h_next) 
	{ 
		cvDrawContours( dst_contours, cont, CV_RGB(255, 0, 0), CV_RGB(255, 0, 0), 0, 1, 8, cvPoint(0, 0) ); //绘制当前轮廓 
		contour_area_tmp = fabs(cvContourArea( cont, CV_WHOLE_SEQ )); //获取当前轮廓面积 
		if( contour_area_tmp > contour_area_max ) 
		{ 
			contour_area_max = contour_area_tmp; //找到面积最大的轮廓 
		} 
		contour_area_sum += contour_area_tmp;	 //求所有轮廓的面积和 
	} 
	contour_area_ave = contour_area_sum/ Number_Object; //求出所有轮廓的平均值 

	printf("contour_area_ave: %d/n", contour_area_ave ); 
	printf("contour_area_max: %d/n", contour_area_max ); 
	cvNamedWindow( "dst_contours", CV_WINDOW_AUTOSIZE ); 
	cvShowImage( "dst_contours", dst_contours ); 

	cvWaitKey(-1); //等待退出 

	cvReleaseImage(&src); 
	cvReleaseImage(&tmp); 
	cvReleaseImage(&src_back); 
	cvReleaseImage(&dst_gray); 
	cvReleaseImage(&dst_bw); 
	cvReleaseImage(&dst_contours); 
	cvReleaseMemStorage(&stor); 
	cvDestroyWindow( "src" ); 
	cvDestroyWindow( "src_back" ); 
	cvDestroyWindow( "dst_gray" ); 
	cvDestroyWindow( "dst_bw" ); 
	cvDestroyWindow( "dst_contours" ); 
	//void cvDestroyAllWindows(void); 

	return 0; 
}

http://www.opencv.org.cn/forum/viewtopic.php?t=1316

Malic -- Malib with csuFaceIdEval (and OpenCV)【人脸识别的程序】

http://malic.sourceforge.net/

不错的计算机视觉网站 http://www.visionopen.com/

IplImage类型图像像素数据的格式与对应的变量类型 http://www.opencv.org.cn/forum/viewtopic.php?t=547

深之JohnChen的专栏 OTSU方法计算图像二值化的自适应阈值；

http://blog.csdn.net/byxdaz/archive/2006/02/06/593039.aspx

对于高光补偿，建议看微软directx 10 新技术(或者是微软新技术展览里)里的高光恢复图像的相关内容；

实现DIB到IplImage的转换，使用 void cvSetData( CvArr* arr, void* data, int step );

http://www.opencv.org.cn/forum/viewtopic.php?t=721

计算出相机内参数，直接调用cvUndistort2进行图像校正；

http://www.opencv.org.cn/forum/viewtopic.php?t=754

使用IPP库提升OpenCV性能的教程：

1.OpenCV确实是在运行时自动加载这些优化库, 不需要运行cvUseOptimized()函数, 前提是库的相关路径注册了环境变量(之前我没注册, 所以没有加载成功). 
可运行如下程序进行检验: 

const char* opencv_libraries = 0; 

const char* addon_modules = 0; 

cvGetModuleInfo( 0, &opencv_libraries,&addon_modules ); 

printf( "OpenCV: %s/r/nAdd-on Modules: %s/r/n.", opencv_libraries, addon_modules); 

如果自动加载成功会输出: 

OpenCV: cxcore: 1.0.0, cv: 1.0.0 

Add-on Modules: ippcv-5.1.dll, ippi-5.1.dll, ipps-5.1.dll, ippvm-5.1.dll, ippcc-5.1.dll, mkl_p4.dll 

此时再运行cvUseOptimized(1), 通过查看返回值, 可以知道有多少个函数被优化。 

2.不同函数优化的程度不一。 
用几个函数测试了一下加载优化库后的优化程度: 
系统: P4(2.6G) 512MB XP VC6 
测试图像: 768×576 8UC1 
循环100次 
测试函数 cvSmooth(CV_GAUSSIAN,31*31) 2493ms(with IPP) 5498ms(without IPP) 
测试函数 cvSobel(7*7) 1674ms(with IPP) 1672ms(without IPP) 
测试函数 cvCanny(3*3) 2901ms(with IPP) 3385ms(without IPP) 
可以看出不同函数优化的程度不一样, cvSmooth优化程度很高, 性能提升50%多, cvSobel基本没有变化, 网上有的老外还说用了IPP之后速度下降了 . 
所以究竟用不用IPP(199美元呢), 还得各位测试一下自己的程序, 好在现在还有Evaluation版的IPP可以用。要是OpenCV下个版本能提供一份儿各个函数优化表就好了.

http://www.opencv.org.cn/forum/viewtopic.php?t=782

关于HSV色彩空间的讨论；

http://www.opencv.org.cn/forum/viewtopic.php?t=640

DIB指针转换为IplImage指针；

IplImage* SnapImage = cvCreateImageHeader( cvSize IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, IMAGE_CHANNEL ); 

SnapImage->origin = 1; 

IplImage* 

char* data= new char [IMAGE_HEIGHT*IMAGE_WIDTH*IMAGE_CHANNEL]; 

SnapImage->imageData = data; 

memcpy(SnapImage->imageData,pImageBuffer,IMAGE_HEIGHT*IMAGE_WIDTH*IMAGE_CHANNEL); 

delete []data;

http://www.opencv.org.cn/forum/viewtopic.php?t=2110