Opencv学习笔记一.docx
《Opencv学习笔记一.docx》由会员分享，可在线阅读，更多相关《Opencv学习笔记一.docx（24页珍藏版）》请在冰豆网上搜索。
Opencv学习笔记一
Opencv学习笔记
（一）
一VS2015-openCV3.1.0-win10配置说明
注意本文是针对vs2015的，因为vs2015为vc14在以前的opencv中没有vc14，因此带来了很多的不便，本文对VS2015-openCV3.1.0配置进行说明。
1安装vs，opencv
vs2015安装与opencv3.1.0安装过程不予讲述。
2OpenCV3.1.0环境变量配置
右键属性->高级系统设置->环境变量->系统变量->找到Path->在变量值中添加相应路径,我的路径是
H:
\Opencv3.1.0\opencv\build\x64\vc14\bin
3VS中配置
<一>:
首先建立一个Win32控制台项目，然后选择空项目
<二>：
先在源文件下建立一个.cpp源文件命名为main.cpp
<三>：
然后点击视图，在视图下找到其他窗口，在其他窗口下找到属性管理器，点击打开，.然后便会有一个属性管理器的窗口了，接下来点开工程文件test，下边会有一个Debug|x64的文件夹，点开，下有名为Microsoft.Cpp.x64.user的文件，右键属性
<四>然后选择通用属性下的VC++目录，右边会有包含目录和库目录，点击包含目录，添加以下三条路径，其实这些都是刚才OpenCV相关解压文件所在的目录
H:
\Opencv3.1.0\opencv\build\include
H:
\Opencv3.1.0\opencv\build\include\opencv
H:
\Opencv3.1.0\opencv\build\include\opencv2
这三条路径要依据自己解压OpenCV3.1的路径进行修改
<五>:
再点击库目录添加下面一条路径
C:
\Opencv3.1.0\opencv\build\x64\vc14\lib
还是刚才的属性页面点击链接器，选择输入，会在右侧看到附加依赖项，添加下面文件opencv_world310d.lib
4测试
#include
#include
usingnamespacecv;
usingnamespacestd;
intmain（）
{
cout<<"helloopencv"<IplImage*plmg=cvLoadImage（"lena.jpg",1）;//声明IplImage指针
cvNamedWindow（"Image",1）;//创建窗口
cvShowImage（"Image",plmg）;//显示图像
cvWaitKey（0）;//等待按键如果没有这句，显示图片的那句就会一闪而过立刻销毁了
cvDestroyWindow（"Image"）;
cvReleaseImage（&plmg）;
return0;
}
注意：
1.这里用的是debugx64版本，要将vs中x86改成x64
2.图片放在项目的Debug下。
这里给出最新的opencv读图的方法
//!
[includes]
#include
#include
#include
#include
#include
//!
[includes]
//!
[namespace]
usingnamespacecv;
//!
[namespace]
usingnamespacestd;
intmain（intargc,char**argv）
{
//!
[load]
StringimageName（"cute.jpg"）;//bydefault
if（argc>1）
{
imageName=argv[1];
}
//!
[load]
//!
[mat]
Matimage;
//!
[mat]
//!
[imread]
image=imread（imageName,IMREAD_COLOR）;//Readthefile
//!
[imread]
if（image.empty（））//Checkforinvalidinput
{
cout<<"Couldnotopenorfindtheimage"<:
endl;
return-1;
}
//!
[window]
namedWindow（"Displaywindow",WINDOW_AUTOSIZE）;//Createawindowfordisplay.
//!
[window]
//!
[imshow]
imshow（"Displaywindow",image）;//Showourimageinsideit.
//!
[imshow]
//!
[wait]
waitKey（0）;//Waitforakeystrokeinthewindow
//!
[wait]
return0;
}
二Mat，图像的新容器
基础知识
自从版本2.0，OpenCV采用了新的数据结构，用Mat类结构取代了之前用extendedC写的cvMat和lplImage，更加好用啦，最大的好处就是更加方便的进行内存管理，对写更大的程序是很好的消息。
#include
#include
usingnamespacecv;
usingnamespacestd;
intmain（intargc,char*argv[]）
{
Matimage;//声明类
image=imread（"lena.jpg",IMREAD_COLOR）;
if（!
image.data）{//Checkforinvalidinput
cout<<"Couldnotopenorfindtheimage"<:
endl;
return-1;
}
Matgray_image;
cvtColor（image,gray_image,CV_BGR2GRAY）;//将彩色图像变为灰度图像
imwrite（"Gray_Image.jpg",gray_image）;//writepicture
namedWindow（"Colorimage",CV_WINDOW_AUTOSIZE）;
namedWindow（"Grayimage",CV_WINDOW_AUTOSIZE）;
imshow（"Colorimage",image）;//原图
imshow（"Grayimage",gray_image）;//灰色
waitKey（0）;
return0;
}
Mat解析
1.Mat是一个类，有构造函数，赋值函数等
1MatA,C;//createsjusttheheaderparts
2A=imread（argv[1],CV_LOAD_IMAGE_COLOR）;//herewe’llknowthemethodused（allocatematrix）
3MatB（A）;//Usethecopyconstructor
4C=A;//Assignmentoperator
2.如果要拷贝自己的矩阵：
1MatF=A.clone（）;
2MatG;
3A.copyTo（G）;
3.构造函数解析
MatM（2,2,CV_8UC3,Scalar（0,0,255））;
cout<<"M="<构造2*2的矩阵。
CV_[Thenumberofbitsperitem][SignedorUnsigned][TypePrefix]C[Thechannelnumber]
CV_8UC3meansweuseunsignedchartypesthatare8bitlongandeachpixelhasthreeofthesetoformthethreechannels.
4.与原始的转换
IplImage*img=cvLoadImage（"greatwave.png",1）;
Matmtx（img）;//convertIplImage*->Mat
MatI;
IplImage*pI=&I.operatorIplImage（）;
CvMat*mI=&I.operatorCvMat（）;
5.改变矩阵creat（）函数
不能用来初始化一个矩阵，它不是构造函数，它用来改变一个已有的矩阵的格式。
Create（）function:
M.create（4,4,CV_8UC
（2））;
cout<<"M="<6.Matlab类型初始化操作
MatE=Mat:
:
eye（4,4,CV_64F）;
cout<<"E="<MatO=Mat:
:
ones（2,2,CV_32F）;
cout<<"O="<MatZ=Mat:
:
zeros（3,3,CV_8UC1）;
cout<<"Z="<三图像处理的基本操作
Opencv图像处理基本操作
1基本数据类型
图像有若干个通道，灰度图像只有一个通道，而彩色具有红，绿，蓝组成，但是OpenCv以逆序的方式来存储三个分量，还可以使用第四个透明度（alpha），可以使用img.channels（）获取图像通道个数。
使用若干个位存储一副图像的每个像素，这被称为图像的深度，灰度图像为8位，即0-255个灰度级，可以用img.depth（）获得图像的深度，其返回值为：
CV_8U-8-bitunsignedintegers（0..255）
CV_8S-8-bitsignedintegers（-128..127）
CV_16U-16-bitunsignedintegers（0..65535）
CV_16S-16-bitsignedintegers（-32768..32767）
CV_32S-32-bitsignedintegers（-2147483648..2147483647）
CV_32F-32-bitfloating-pointnumbers（-FLT_MAX..FLT_MAX,INF,NAN）
CV_64F-64-bitfloating-pointnumbers（-DBL_MAX..DBL_MAX,INF,NAN）
对于灰度图像和彩色图像，最常见的是CV_8U.
Matimg=imread（"lena.png",IMREAD_GRAYSCALE）;
Matfp;
img.convertTo（fp,CV_32F）;//改变图像的深度
1
2
3
2像素级访问
1.第一种方法：
模板函数at<>
ucharpixel=img.at（0,0）;//获得灰度图像0，0点像素
Vec3bpixel=img.at（0,0）;//获得3波段图像的第一个波段（0，0）像素。
1
2
第一种方法，效率不高，必须定位到他所在的位置
2.第二种方法：
函数ptr
他返回图像特定行的指针。
因此可以得到每一行的数据，时间复杂度降低，
如下代码获取一副彩色图像的每个像素值。
//时间复杂度大大降低！
！
！
ucharR,G,B;
for（inti=0;iVec3bpixRow=img.ptr（i）;
for（intj=0;jB=pixRow[j][0];
G=pixRow[j][1];
R=pixRow[j][2];
}
测量程序用时可用函数：
doubleto=（double）getTickCount（）;
elapsed=（（double）getTickCount（）-to）/getTickFrenquency（）
图像位运算
可以用掩码对一个图像进行处理，位元算有：
voidbitwise_and（InputArraysrc1,InputArraysrc2,OutputArraydst,InputArraymask=noArray（））
其中src1是原始的图像，src2是掩码，dst为输出
一个例子：
#include
#include
usingnamespacecv;
usingnamespacestd;
intmain（）{
Matimg=imread（"cute.jpg",1）;
if（img.empty（））
cout<<"cannotloadimage"<imshow（"Origin",img）;
Matmask（img.rows,img.cols,CV_8UC3,Scalar（0,0,0））;
circle（mask,Point（img.rows/2,img.cols/2-35）,220,Scalar（255,255,255）,-1）;//画一个圆
imshow（"Mask",mask）;
//执行位操作
Matr;
bitwise_and（img,mask,r）;
imshow（"Bit_and",r）;
waitKey（0）;
return0;
}
如下所示的图像处理过程：
分别为原始图像，掩模，计算后的图像
1.Adding（blending）twoimagesusingOpenCV
将两张图像以线性组合的方式合并成一张图像，注意的是，两张图像的大小应该相同。
g（x）=（1-a
）*f0（x）+
a*f1（x）g（x）为生成的矩阵，f0（x）,f1（x）为要合并的两个矩阵。
a为尺度。
用到的函数原型：
C++:
voidaddWeighted（InputArraysrc1,doublealpha,InputArraysrc2,doublebeta,doublegamma,OutputArraydst,intdtype=-1）
#include
#include
#include
#include
#include
usingnamespacecv;
usingnamespacestd;
intmain（intargc,char**argv）
{
doublealpha=0.5;doublebeta;doubleinput;
Matsrc1,src2,dst;
///Asktheuserenteralpha
std:
:
cout<<"SimpleLinearBlender"<:
endl;
std:
:
cout<<"-----------------------"<:
endl;
std:
:
cout<<"*Enteralpha[0-1]:
";
std:
:
cin>>input;
///Weusethealphaprovidedbytheuserifitisbetween0and1
if（input>=0.0&&input<=1.0）
alpha=input;
///Readimage（samesize,sametype）
src1=imread（"LinuxLogo.jpg"）;
src2=imread（"WindowsLogo.jpg"）;
if（!
src1.data）{printf（"Errorloadingsrc1\n"）;return-1;}
if（!
src2.data）{printf（"Errorloadingsrc2\n"）;return-1;}
///CreateWindows
namedWindow（"LinearBlend",1）;
beta=（1.0-alpha）;
addWeighted（src1,alpha,src2,beta,0.0,dst）;
imshow（"LinearBlend",dst）;
waitKey（0）;
return0;
}
当a=0时,此时只有window的logo
2.Changingthecontrastandbrightnessofanimage
改变图像的对比度和亮度
基础的公式为：
g（i;j）=
a*f（i,j）+
b
whereiandjindicatesthatthepixelislocatedinthei-throwandj-thcolumn.
获得一个图片的像素我们用image.at（y,x）[c]这里的y为行，x为列，c代表R,GorB（0,1or2）
intmain（intargc,char**argv）
{
doublealpha;/**intbeta;/**///Readimagegivenbyuser
Matimage=imread（"cute.jpg"）;
Matnew_image=Mat:
:
zeros（image.size（）,image.type（））;//copytheoriginpicturesize,andtype
///Initializevalues
std:
:
cout<<"BasicLinearTransforms"<:
endl;
std:
:
cout<<"-------------------------"<:
endl;
std:
:
cout<<"*Enterthealphavalue[1.0-3.0]:
";std:
:
cin>>alpha;
std:
:
cout<<"*Enterthebetavalue[0-100]:
";std:
:
cin>>beta;
///Dotheoperationnew_image（i,j）=alpha*image（i,j）+beta
for（inty=0;yfor（intx=0;xfor（intc=0;c<3;c++）{
new_image.at（y,x）[c]=
saturate_cast（alpha*（image.at（y,x）[c]）+beta）;//saturate_casttomakesurethevaluesarevalid.
}
}
}
namedWindow（"OriginalImage",1）;
namedWindow（"NewImage",1）;
imshow（"OriginalImage",image）;
imshow（"NewImage",new_image）;
waitKey（）;
return0;
}
示例如下：
可以看到改变的图片的对比度和亮度。
这里可以用函数image.convertTo（new_image,-1,alpha,beta）;来代替for循环，它会更有效率。
BasicDrawing
1.定义一个点2D
Pointpt;
pt.x=10;
pt.y=8;
Pointpt=Point（10,8）;
2.画椭圆ellipse原型
voidellipse（InputOutputArrayimg,Pointcenter,Sizeaxes,
doubleangle,doublestartAngle,doubleendAngle,
constScalar&color,intthickness=1,
intlineType=LINE_8,intshift=0）;
后面三个为默认的参数，可以不写。
//自己写的函数，指定img，和角度
voidMyEllipse（Matimg,doubleangle）
{
intthickness=2;
intlineType=8;
ellipse（img,
Point（w/2,w/2）,
Size（w/4,w/16）,
angle,
0,
360,
Scalar（255,0,0）,//为颜色
thickness,
lineType）;
}
//**调用方法：
**
MyLine（rook_image,Point（0,15*w/16）,Point（w,15*w/16））;
3.画线段
函数原型
voidline（InputOutputArrayimg,Pointpt1,Pointpt2,constScalar&color,
intthickness=1,intlineType=LINE_8,intshift=0）;
RandomgeneratorandtextwithOpenCV
随机数产生类Ran
升级会员 