数字图像处理——opencv入门

超、凢脫俗 2022-04-13 04:09 394阅读 0赞

OpenCV介绍

这是一篇关于opencv的学习指南。

首先，opencv可以运行于linux平台、windows平台、Android平台及iOS平台。

在这里，我选择windows平台进行opencv环境的配置。

注意，要使用opencv库，您有两个选择。

一是通过使用预构建的库进行安装，或者通过源文件中创建自己的库进行安装。

我们选择了法一，需要在最新的Microsoft VIsual Studio集成开发环境（IDE）中编写代码

完成了opencv的配置，

我们开始学习opnecv的基本操作：

(1)加载头文件、命名空间

opencv有自己的名称空间：cv.   为了避免在前面添加CV:: 关键字，可以使用以下代码行导入整个文件中的名称信息。

using namespace cv；

(2)创建一个mat对象用于存储图像信息

Mat image；

1、加载图像

通过调用imread函数加载图像，函数原型如下：

image = imread(argv[1], CV_LOAD_IMAGE_COLOR);

//第一个参数表示图像加载路径（路径使用两个反斜杠），第二个参数表示指定我们想要的图像格式

第二个参数可选值，分别为以下几种：

CV\_LOAD\_IMAGE\_UNCHANGED(<0)按原样加载图像  
     CV\_LOAD\_IMAGE\_GRAYSCALE(0)图像增强加载  
     CV\_LOAD\_IMAGE\_COLOR(>0)以RGB格式加载图像

（注：opencv支持windows位图bmp，可移植图像格式(pbm、pgm、ppm)和Sun光栅(sr、ras)。也可以加载图像格式JPEG(JPEG,jpg,jpe),JPEG 2000,TIFF文件(TIFF,tif)和便携式网络图形(png)）

2、创建OpenCV窗口

使用namedWindow函数创建OpenCV窗口。一旦创建它们，OpenCV就会自动管理它们。为此，您需要指定它的名称，以及它应该如何从大小的角度处理它所包含的图像的更改

namedWindow( "Display window", CV_WINDOW_AUTOSIZE );// Create a window for display.

*CV\_WINDOW\_AUTOSIZE 不允许设置窗口大小，窗口被图片填满 *

*CV\_WINDOW\_NORMAL  允许设置窗口大小，包括CV\_WINDOW\_KEEPRATIO（锁定长宽比）和CV\_WINDOW\_FREERATIO（不锁定）*

3、显示图像

imshow( "Display window", image );

4、图像保持在屏幕

waitKey(0);   //0意味着forever

5、图像颜色空间的转换cvtColor

cvtColor( image, gray_image, CV_BGR2GRAY );//第一个参数表示原图像，第二个参数表示目标图象，第三个参数用于指定参数类型

6、图像保存至硬盘（imwrite）

imwrite( "../images/Gray_Image.jpg", gray_image );

core模块，核心功能

必须学会图像在像素层是如何被处理的

1、Mat——基本图像容器

Mat是一个类，有两个数据部分组成，矩阵头（包含矩阵尺寸，存储方法，存储地址等）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，矩阵本身的尺寸一般比矩阵头的尺寸大很多。

为了避免大量的内存消耗，opencv引入了计数机制，其思路是让每个Mat对象有自己的信息头，同时共享一个矩阵，这通过让矩阵指针指向统一地址实现的。而拷贝构造函数则值好呗信息统一和矩阵指针。

创建一个感兴趣区域（RIO），你只需创建包含便捷信息的信息头

Mat E = A(Range:all(), Range(1,3))

需要拷贝矩阵本身(不只是信息头和矩阵指针)，这时可以使用函数 [clone()][clone] 或者 [copyTo()][copyTo] 。

如何存储像素值，需要指定颜色空间和数据类型，alpha表示透明颜色（有时候作为第四个元素引入）

（1）显式地创建一个Mat对象

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

//第一二个参数分别表示行数和列数，第三个表示指定存储元素的数据类型以及每个矩阵点的通道数，第四个Scalar是short类型的vector，制定这个可以初始化矩阵。

//*CV\_8UC3* 表示使用8位的 unsigned char 型，每个像素由三个元素组成三通道。预先定义的通道数可以多达四个

create函数，不能设置矩阵初始值，知识改变尺寸时重新为矩阵数据开辟内存。

2、图像遍历

![2018112711171635.png][]

![2018112711173616.png][]

注意，子列的通道顺序是反过来的，是BGR不是RGB，内存大可以实现连续存储，连续存储有助于提高图像遍历速度，可以使用isontinuous（）来判断矩阵是否是连续存储的。

（1）通过Effiicient way遍历

int channels = I.channels();
        int nRows = I.rows * channels; 
        int nCols = I.cols;
    
        if (I.isContinuous())
        {
            nCols *= nRows;
            nRows = 1;         
        }
    
        int i,j;
        uchar* p; 
        for( i = 0; i < nRows; ++i)
        {
            p = I.ptr<uchar>(i);
            for ( j = 0; j < nCols; ++j)
            {
                p[j] = table[p[j]];             
            }
        }

（2）通过On-the-fly地址计算

Mat_<Vec3b> _I = I;
                
             for( int i = 0; i < I.rows; ++i)
                for( int j = 0; j < I.cols; ++j )
                   {
                       _I(i,j)[0] = table[_I(i,j)[0]];
                       _I(i,j)[1] = table[_I(i,j)[1]];
                       _I(i,j)[2] = table[_I(i,j)[2]];
                }
             I = _I;

3、图像的掩码操作

![20181127113107555.png][]

对图像实现这个操作的代码

for(int j = 1 ; j < myImage.rows-1; ++j)
    {
        const uchar* previous = myImage.ptr<uchar>(j - 1);
        const uchar* current  = myImage.ptr<uchar>(j    );
        const uchar* next     = myImage.ptr<uchar>(j + 1);
    
        uchar* output = Result.ptr<uchar>(j);
    
        for(int i= nChannels;i < nChannels*(myImage.cols-1); ++i)
        {
            *output++ = saturate_cast<uchar>(5*current[i]
                         -current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);
        }
    }

4、图像线性混合操作（一种典型的二元像素操作）

![20181127113451428.png][],通过更改a,实现两幅图像的画面叠加

注意：因为我们对 *src1* 和 *src2* 求 *和* ，它们必须要有相同的尺寸（宽度和高度）和类型。

addWeighted( src1, alpha, src2, beta, 0.0, dst);//使用这个函数就能够实现叠加

5、改变图像的对比度和亮度

在这一类的图像处理变换中，仅仅根据输入像素值计算相应的输出像素值

![20181127114349455.png][]

/// 执行运算 new_image(i,j) = alpha*image(i,j) + beta
        for( int y = 0; y < image.rows; y++ )
        {
            for( int x = 0; x < image.cols; x++ )
            {
                for( int c = 0; c < 3; c++ )
                {
                    new_image.at<Vec3b>(y,x)[c] = saturate_cast<uchar>( alpha*( image.at<Vec3b>(y,x)[c] ) + beta );
                }
            }
        }

6、基本绘图

大量使用Point和Scalar这两个结构

Point pt =  Point(10, 8);//pt.x,pt.y

[clone]: http://opencv.itseez.com/modules/core/doc/basic_structures.html#mat-clone
[copyTo]: http://opencv.itseez.com/modules/core/doc/basic_structures.html#mat-copyto
[2018112711171635.png]: /images/20220413/1be7728858c143f8bd1141d290faf2b8.png
[2018112711173616.png]: /images/20220413/e0484caa3b76462688dd1938e6da9852.png
[20181127113107555.png]: /images/20220413/f2a29ef0ddff4eaab8d4367db81d690b.png
[20181127113451428.png]: /images/20220413/3395fa13472a4860966645a0abd51607.png
[20181127114349455.png]: /images/20220413/89c70fc0be7a4227b2202e1e7d79e61e.png