Opencv 3.3.0 常用函数

如何调图像的亮度和对比度？

//如何增加图片的对比度或亮度？
void contrastOrBrightAdjust(InputArray &src,OutputArray &dst,int contrastValue,int brightValue)
{
  cv::Mat _dst = cv::Mat::zeros( src.size(), src.type() );
  for(int y = 0; y < src.rows; y++ )
  {
    for(int x = 0; x < src.cols; x++ )
    {
      for(int c = 0; c < 3; c++ )
      {
        _dst.at<cv::Vec3b>(y,x)[c]= cv::saturate_cast<uchar>( (contrastValue*0.01)*(src.at<cv::Vec3b>(y,x)[c] ) + brightValue);
      }
    }
  }
  dst = _dst;
  return;
}row

如何在 cv::imshow() 函数上创建滑块 cv::createTrackbar()？

//void callBack(int, void*);
//getTrackbarPos()//获取当前滑块位置
cv::Mat src = cv::Mat::zeros(cv::Size(888,888),3);
cv::nameWindow("Win7",cv::WINDOW_NORMAL);
CV::createTrackbar("Trackbar","Win7",0,100,NULL);
cv::imshow("Win7",src);

如何读取图像和保存图像?

cv::Mat src = imread("C:/Desktop.jpg");
imWrite("C:/Desktops.jpg",src(Rect(0,0,88,88)));

轮廓检测 cv::Canny()

cv::Mat src = imread("C:/Desktop.jpg");
cvtColor(src,src,CV_BGR2GRAY);
Canny(src,src,120,180);
threshold(src,src,0,255,CV_THRESH_OTSU);
cv::nameWindow("Win7",cv::WINDOW_NORMAL);
cv::imshow("Win7",src);
//findContours()//获取轮廓个数
//DrawContours()//画轮廓
//arcLength()//弧长
//approxPolyDP()//轮廓近似
//minAreaRect()//计算最小面积的外接矩形
//contourArea()//计算轮廓内连通区域的面积
//pointPolygenTest()//判断一个点是否在一个多边形内
//mathShapes()//比较两个形状的相似性
//dilate()//膨胀
//resize()//图像的放大和缩小
//GaussianBlur()//高斯滤波
//medianBlur()//中值滤波
//blur()//均值滤波
//bilateralFilter()//双边滤波
//boxFilter()//方框滤波
//split()//分离通道

霍夫直线检测

HoughLins();
HoughLinsP();

//俗话说：好记性不如烂笔头
//用到opencv 中的函数时往往会一时记不起这个函数的具体参数怎么设置，故在此将常用函数做一汇总；

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);

//《未完待续》

关于“轮廓检测”和“边缘检测”这两个自己也弄的不是特别清楚，可能确实比较相似吧。下面简单说一下自己的看法。
区别：
边缘检测主要是通过一些手段检测数字图像中明暗变化剧烈（即梯度变化比较大）像素点，偏向于图像中像素点的变化。
如canny边缘检测，结果通常保存在和源图片一样尺寸和类型的边缘图中。
轮廓检测指检测图像中的对象边界，更偏向于关注上层语义对象。
如OpenCV中的findContours()函数， 它会得到每一个轮廓并以点向量方式存储，除此也得到一个图像的拓扑信息，即一个轮廓的后一个轮廓、前一个轮廓、父轮廓和内嵌轮廓的索引编号。
联系：
我们在做图像的轮廓检测时通常可以先检测边缘，再将检测到的边缘进行进一步处理，得到图像的轮廓。