OpenCv参考手册-Cv图像处理.pdf

OpenCv参考手册-Cv图像处理.pdf

《OpenCv参考手册-Cv图像处理.pdf》由会员分享，可在线阅读，更多相关《OpenCv参考手册-Cv图像处理.pdf（72页珍藏版）》请在冰豆网上搜索。

CvCv图像处理图像处理WikipediaWikipedia，自由的百科全书，自由的百科全书注意:

本章描述图像处理和分析的一些函数。

大多数函数都是针对两维象素数组的，这里，我们称这些数组为“图像”，但是它们不一定非得是IplImage结构，也可以是CvMat或者CvMatND结构。

目录目录1梯度、边缘和角点o1.1Sobelo1.2Laplaceo1.3Cannyo1.4PreCornerDetecto1.5CornerEigenValsAndVecso1.6CornerMinEigenValo1.7CornerHarriso1.8FindCornerSubPixo1.9GoodFeaturesToTrack2采样、插值和几何变换o2.1InitLineIteratoro2.2SampleLineo2.3GetRectSubPixo2.4GetQuadrangleSubPixo2.5Resizeo2.6WarpAffineo2.7GetAffineTransformo2.82DRotationMatrixo2.9WarpPerspectiveo2.10WarpPerspectiveQMatrixo2.11GetPerspectiveTransformo2.12Remapo2.13LogPolar3形态学操作o3.1CreateStructuringElementExo3.2ReleaseStructuringElemento3.3Erodeo3.4Dilateo3.5MorphologyEx4滤波器与色彩空间变换o4.1Smootho4.2Filter2Do4.3CopyMakeBordero4.4Integralo4.5CvtColoro4.6Thresholdo4.7AdaptiveThreshold5金字塔及其应用o5.1PyrDowno5.2PyrUp6连接部件o6.1CvConnectedCompo6.2FloodFillo6.3FindContourso6.4StartFindContourso6.5FindNextContouro6.6SubstituteContouro6.7EndFindContourso6.8PyrSegmentationo6.9PyrMeanShiftFilteringo6.10Watershed7图像与轮廓矩o7.1Momentso7.2GetSpatialMomento7.3GetCentralMomento7.4GetNormalizedCentralMomento7.5GetHuMoments8特殊图像变换o8.1HoughLineso8.2HoughCircleso8.3DistTransformo8.4Inpaint9直方图o9.1CvHistogramo9.2CreateHisto9.3SetHistBinRangeso9.4ReleaseHisto9.5ClearHisto9.6MakeHistHeaderForArrayo9.7QueryHistValue_1Do9.8GetHistValue_1Do9.9GetMinMaxHistValueo9.10NormalizeHisto9.11ThreshHisto9.12CompareHisto9.13CopyHisto9.14CalcHisto9.15CalcBackProjecto9.16CalcBackProjectPatcho9.17CalcProbDensityo9.18EqualizeHist10匹配o10.1MatchTemplateo10.2MatchShapeso10.3CalcEMD2编辑梯度、边缘和角点梯度、边缘和角点编辑SobelSobel使用扩展Sobel算子计算一阶、二阶、三阶或混合图像差分voidcvSobel（constCvArr*src,CvArr*dst,intxorder,intyorder,intaperture_size=3）;src输入图像.dst输出图像.xorderx方向上的差分阶数yordery方向上的差分阶数aperture_size扩展Sobel核的大小，必须是1,3,5或7。

除了尺寸为1，其它情况下，aperture_sizeaperture_size可分离内核将用来计算差分。

对aperture_size=1的情况，使用3x1或1x3内核（不进行高斯平滑操作）。

这里有一个特殊变量CV_SCHARR（=-1），对应3x3Scharr滤波器，可以给出比3x3Sobel滤波更精确的结果。

Scharr滤波器系数是：

对x-方向或矩阵转置后对y-方向。

函数cvSobel通过对图像用相应的内核进行卷积操作来计算图像差分：

由于Sobel算子结合了Gaussian平滑和微分，所以，其结果或多或少对噪声有一定的鲁棒性。

通常情况，函数调用采用如下参数（xorder=1,yorder=0,aperture_size=3）或（xorder=0,yorder=1,aperture_size=3）来计算一阶x-或y-方向的图像差分。

第一种情况对应：

核。

第二种对应：

或者核的选则依赖于图像原点的定义（origin来自IplImage结构的定义）。

由于该函数不进行图像尺度变换，所以和输入图像（数组）相比，输出图像（数组）的元素通常具有更大的绝对数值（译者注：

即像素的位深）。

为防止溢出，当输入图像是8位的，要求输出图像是16位的。

当然可以用函数cvConvertScale或cvConvertScaleAbs转换为8位的。

除了8-位图像，函数也接受32-位浮点数图像。

所有输入和输出图像都必须是单通道的，并且具有相同的图像尺寸或者ROI尺寸。

编辑LaplaceLaplace计算图像的Laplacian变换voidcvLaplace（constCvArr*src,CvArr*dst,intaperture_size=3）;src输入图像.dst输出图像.aperture_size核大小（与cvSobel中定义一样）.函数cvLaplace计算输入图像的Laplacian变换，方法是先用sobel算子计算二阶x-和y-差分，再求和:

对aperture_size=1则给出最快计算结果，相当于对图像采用如下内核做卷积：

类似于cvSobel函数，该函数也不作图像的尺度变换，所支持的输入、输出图像类型的组合和cvSobel一致。

编辑CannyCanny采用Canny算法做边缘检测voidcvCanny（constCvArr*image,CvArr*edges,doublethreshold1,doublethreshold2,intaperture_size=3）;image单通道输入图像.edges单通道存储边缘的输出图像threshold1第一个阈值threshold2第二个阈值aperture_sizeSobel算子内核大小（见cvSobel）.函数cvCanny采用CANNY算法发现输入图像的边缘而且在输出图像中标识这些边缘。

threshold1和threshold2当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割。

注意事项：

cvCanny只接受单通道图像作为输入。

外部链接：

经典的canny自调整阈值算法的一个opencv的实现见在OpenCV中自适应确定canny算法的分割门限编辑PreCornerDetectPreCornerDetect计算用于角点检测的特征图，voidcvPreCornerDetect（constCvArr*image,CvArr*corners,intaperture_size=3）;image输入图像.corners保存候选角点的特征图aperture_sizeSobel算子的核大小（见cvSobel）.函数cvPreCornerDetect计算函数其中表示一阶图像差分，表示二阶图像差分。

角点被认为是函数的局部最大值：

/假设图像格式为浮点数IplImage*corners=cvCloneImage（image）;IplImage*dilated_corners=cvCloneImage（image）;IplImage*corner_mask=cvCreateImage（cvGetSize（image）,8,1）;cvPreCornerDetect（image,corners,3）;cvDilate（corners,dilated_corners,0,1）;cvSubS（corners,dilated_corners,corners）;cvCmpS（corners,0,corner_mask,CV_CMP_GE）;cvReleaseImage（&corners）;cvReleaseImage（&dilated_corners）;编辑CornerEigenValsAndVecsCornerEigenValsAndVecs计算图像块的特征值和特征向量，用于角点检测voidcvCornerEigenValsAndVecs（constCvArr*image,CvArr*eigenvv,intblock_size,intaperture_size=3）;image输入图像.eigenvv保存结果的数组。

必须比输入图像宽6倍。

block_size邻域大小（见讨论）.aperture_sizeSobel算子的核尺寸（见cvSobel）.对每个象素，函数cvCornerEigenValsAndVecs考虑block_sizeblock_size大小的邻域S（p），然后在邻域上计算图像差分的相关矩阵：

然后它计算矩阵的特征值和特征向量，并且按如下方式（1,2,x1,y1,x2,y2）存储这些值到输出图像中，其中1,2-M的特征值，没有排序（x1,y1）-特征向量，对1（x2,y2）-特征向量，对2编辑CornerMinEigenValCornerMinEigenVal计算梯度矩阵的最小特征值，用于角点检测voidcvCornerMinEigenVal（constCvArr*image,CvArr*eigenval,intblock_size,intaperture_size=3）;image输入图像.eigenval保存最小特征值的图像.与输入图像大小一致block_size邻域大小（见讨论cvCornerEigenValsAndVecs）.aperture_sizeSobel算子的核尺寸（见cvSobel）.当输入图像是浮点数格式时，该参数表示用来计算差分固定的浮点滤波器的个数.函数cvCornerMinEigenVal与cvCornerEigenValsAndVecs类似，但是它仅仅计算和存储每个象素点差分相关矩阵的最小特征值，即前一个函数的min（1,2）编辑CornerHarrisCornerHarris哈里斯（Harris）角点检测voidcvCornerHar