opencv 学习笔记

Opencv 笔记

路径问题：

路径输入：Opencv载Qt中不能出现汉字，路径也不能出现汉字在vs中可以出现。

（”D:/QTopencv/.1jpg”）=（”D:\\QTopencv\\.1jpg”）

形态学函数操作;

Mat element = getStructuringElement( erosion_type, Size( 2*erosion_size + 1, 2*erosion_size+1 ), Point( erosion_size, erosion_size ) );

Erode( I，I1，element)

I：原始图像，I1腐蚀后图像;

Erosion_type（腐蚀类型，MORPH—形态学）

矩形：MORPH_RECT

交叉形：MORPH_CROSS

椭圆：MORPH_ELLIPSE

空间颜色转换：

cvtclolor(原始图像，转换后图像，转换类型)；

blurl滤波

blur(InputArray src,OutputArray dst,Size ksize,Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT )
src：输入图像

dst:输出图像

ksize: 模糊核的大小

常用函数；

Mat srcImage =
imread("C:/Users/Administrator/Desktop/车牌识别/车牌图像库/1.jpg");//读入图像函数

imshow("原图",srcImage);//显示图像函数

imwrite("图3.jpg",imageRIO);//保存图像函数

Mat imageRIO =
srcImage(Rect(50,50,100,000));//感兴趣区域函数

cvtColor(srcImage,dstImage,CV_BGR2GRAY);//图像灰度化

//边缘检测 Sobel
Laplacian Canny 其中Canny算子只能处理（8位）灰度图，其余两种8位32位都可以

Mat grad_x,grad_y;

Sobel(imgGray,grad_x,CV_8U,1,0,3,1,1);//X方向上的Sobel算子检测，其中3，1，0都是默认值

Sobel(imgGray,grad_y,CV_8U,0,1,3,1,0);//Y方向上的Sobel算子检测，其中3，1，0都是默认值

addWeighted(grad_x,0.5,grad_y,0.5,0,dstImage);//合并梯度

Laplacian(imgGray,dstImage,CV_8U);

Canny(imgGray,dstImage,50,200,3);//50和200表示第一个滞后性阈值和第二个滞后性阈值，较小者用于边缘连接，较大者控制强边缘的初始段，达阈值opnecv推荐为小阈值的3倍；

//3表示应用的Sobel算子的孔径大小
有默认值为3；

// 寻找轮廓 只处理8位
即灰度图像

vector<vector<Point>> contours;

findContours(imgGray,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE);

drawContours(dstImage,contours,-1,Scalar(0),3);

imshow("轮廓图",dstImage);

//阈值化操作

threshold(srcImage,dstImage,100,255,3);

imshow("固定阈值化图像",dstImage);

adaptiveThreshold(imgGray,dstImage,255,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY,3,1);

imshow("自适应阈值化图像",dstImage);

// resize函数实现

resize(srcImage,dstImage,Size(),0.5,0.5);//缩小为一半

resize(srcImage,dstImage,Size(),2,2);//放大2倍

resize(srcImage,dstImage,Size(srcImage.cols*3,srcImage.rows*3));//放大3倍

// 金字塔函数实现

pyrUp(srcImage,dstImage,Size(srcImage.cols*2,srcImage.rows*2));//
放大2倍

pyrDown(srcImage,dstImage,Size(srcImage.cols/2,srcImage.rows/2));//
缩小2倍

//漫水填充算法

Rect ccomp;

floodFill(srcImage,Point(50,300),Scalar(155,255,55),&ccomp,Scalar(20,20,20),Scalar(20,20,20));

//膨胀腐蚀

Mat element =
getStructuringElement(MORPH_RECT,Size(15,15));

erode(srcImage,dstImage,element);//腐蚀函数

dilate(srcImage,dstImage,element);//膨胀函数

morphologyEx(g_bgrImage,g_bgrImage,
MORPH_CLOSE, element);//闭运算

morphologyEx(g_bgrImage,g_bgrImage,
MORPH_OPEN, element);//开运算

//滤波

boxFilter(srcImage,dstImage,-1,Size(3,3));

imshow("方框滤波图",dstImage);

blur(srcImage,dstImage,Size(3,3));

imshow("均值滤波图",dstImage);

GaussianBlur(srcImage,dstImage,Size(5,7),1,1);

imshow("高斯滤波图",dstImage);

medianBlur(image,out,7);//中值滤波，7为孔径的线性尺寸

bilateralFilter(src,dst,d,sigmaColor,sigmaSpace);//双边滤波，d表示过滤过程中每个像素邻域的直径，sigmaColor颜色空间滤波器的sigma值，sigmaSpace表示坐标空间中滤波器的sigma值

bilateralFilter(image,out,25,25*2,25/2);

背景问题

颜色属性由两个十六进制数字指定 -- 第一个为背景，第二个则为前景。每个数字可以为以下任何值之一:
    0 = 黑色       8 = 灰色
    1 = 蓝色       9 = 淡蓝色
    2 = 绿色       A = 淡绿色
    3 = 湖蓝色     B = 淡浅绿色
    4 = 红色       C = 淡红色
    5 = 紫色       D = 淡紫色
    6 = 黄色       E = 淡黄色
    7 = 白色       F = 亮白色
system("color 02");比如这个就是黑底绿字

创建矩阵

Mat scrImmage, dstImage;//原始图像，

1、dstImage. create(srcImage .rows,  srcImage .cols, srcImage. type());

2、dstImage = Mat::zeros(srcImage.size(), srcImage.type());

3、dstImage=srcImage.clone();

效果的大小，类型与原图像相同；

创建滑动条

creatTrackbar(const string&
trackbarname, const string &winname, int *value ,int count,TrackbarCallback
onChange=0,void* userdata=0)

1、第一个参数轨迹条名字，

2、第二个参数窗口名字

3、int性的指针，一个指向整型的指针，表示滑块位置。在创建时滑块的初始位置就是该变量的值。

4、第四个参数int*类型的count，表示滑块可以达到的最大位置，滑块最小位置始终为0；