投稿
  1. 首页
  2. 随笔

OpenCV学习笔记

手机号查询归属地 • 2022-12-17 • 随笔 • 阅读 9

OpenCV学习笔记,第1张

OpenCV学习笔记

OpenCV学习笔记
  • OpenCV3使用
    • 下载安装
    • 教程
    • 简单例程：显示图片
    • Mat
    • 图像二值化
    • 取出R、G、B的数值
    • 调用相机并显示
    • 画圆、线、矩形
    • 调用相机并绘制直方图
    • 图像形态学
    • 选择HSV范围显示图像
    • 图像二值化
    • 区域自适应二值化
    • 滑动条二值化选择阈值

OpenCV3使用 下载安装

https://blog.csdn.net/Creama_/article/details/107238475

教程

https://www.icourse163.org/learn/HDU-1461554161?tid=1465877483#/learn/content?type=detail&id=1245862104&cid=1271097642

简单例程：显示图片 
#include 
#include 

using namespace std;
using namespace cv;

int main()
{
    //OpenCV版本号
    cout << "OpenCV_Version: " << CV_VERSION << endl;
 	//读取图片
    Mat img = imread("C:\Users759\Desktop\OpenCV\QQ20211230135939.png");
    
    imshow("picture", img);
    
    waitKey(0);
    return 0;
}
Mat 
  int main()
{ 
	//OpenCV版本号
    cout << "OpenCV_Version: " << CV_VERSION << endl;

    //读取图片
    Mat img = imread("C:\Users759\Desktop\OpenCV\QQ20211230135939.png");

    imshow("picture", img);
      }
图像二值化 
  int main()
{     
	//读取图片
    Mat srcMat = imread("C:\Users\97759\Desktop\OpenCV\QQ20211230135939.png");
    imshow("picture", srcMat);

    Mat srcMat1 = imread("C:\Users\97759\Desktop\OpenCV\QQ20211230135939.png",0);
    imshow("picture1", srcMat1);

    int height = srcMat.rows; //行数
    int width = srcMat.cols; //每行元素的总元素数量
    for (int j = 0; j < height; j++)
    {
        for (int i = 0; i < width; i++)
        {
            //-----------------开始处理每个像素-----------------
            uchar average = (srcMat.at(j, i)[0] + srcMat.at(j, i)[1] + srcMat.at(j, i)[2]) / 3;
            srcMat.at(j, i)[0] = average;
            srcMat.at(j, i)[1] = average;
            srcMat.at(j, i)[2] = average;
            //-------------结束像素处理------------------------
        } //单行处理结束
    }
}
取出R、G、B的数值 
int main()
{
	Mat sec_color = imread("C:\Users\97759\Desktop\sec.png");
	vector channels;
	split(sec_color, channels);
	Mat R = channels.at(0);
	Mat G = channels.at(1);
	Mat B = channels.at(2);
	imshow("R", R);
	imshow("G", G);
	imshow("B", B);
	waitKey(0);
}
调用相机并显示 
int main()
{
	VideoCapture cap;
	cap.open(0);

	cout << "FPS:" << cap.get(CAP_PROP_FPS) << endl;
	
	while (true)
	{
		Mat frame;
		if (cap.read(frame))
		{
			imshow("frame", frame);
		}
		waitKey(30);
		
	}
	waitKey(0);
}
画圆、线、矩形 
int main()
{
	int nHistWidth = 800;
	int nHistHeight = 600;
	Mat matHistImage(nHistHeight, nHistWidth, CV_8UC3, Scalar(255, 255, 255));

	Point pt0,pt1,pt2;
	pt0.x = 0;
	pt0.y = 0;

	pt1.x = 50;
	pt1.y = 50;

	pt2.x = 100;
	pt2.y = 100;

	Rect rect;
	rect.x = 0;
	rect.y = 0;
	rect.width=100;
	rect.height=100;

	//画圆
	circle(matHistImage, pt1, 50, CV_RGB(255, 0, 0));
	//画线
	line(matHistImage, pt0, pt2, CV_RGB(0, 255, 0));
	//画矩形
	rectangle(matHistImage, rect, CV_RGB(0, 0, 255));

	imshow("histogram", matHistImage);

	waitKey(0);
}
调用相机并绘制直方图 
int main()
{	
	VideoCapture cap;
	cap.open(0);

	double scale = 0.5;

	while (1)
	{
		double scale = 0.5;

		while (1)
		{
			cv::Mat SrcImg;
			cap >> SrcImg;
			Size ResImgSiz = Size(SrcImg.cols * scale, SrcImg.rows * scale);
			Mat matSrc = Mat(ResImgSiz, SrcImg.type());
			//resize(srcMat,matSrc,ResImgsiz，INTER_LINEAR);INTER_LINEAR 函数插值方法
			resize(SrcImg, matSrc, ResImgSiz, INTER_LINEAR);
			Mat matRGB[3];
			split(matSrc, matRGB);
			int Channels[] = { 0 };
			int nHistSize[] = { 256 };
			float range[] = { 0, 255 };
			const float* fHistRanges[] = { range };
			Mat histR, histG, histB;
			// 计算直方图
			calcHist(&matRGB[0], 1, Channels, Mat(), histB, 1, nHistSize, fHistRanges, true, false);
			calcHist(&matRGB[1], 1, Channels, Mat(), histG, 1, nHistSize, fHistRanges, true, false);
			calcHist(&matRGB[2], 1, Channels, Mat(), histR, 1, nHistSize, fHistRanges, true, false);

			// 创建直方图画布
			int nHistWidth = 800;
			int nHistHeight = 600;
			int nBinWidth = cvRound((double)nHistWidth / nHistSize[0]);
			Mat matHistImage(nHistHeight, nHistWidth, CV_8UC3, Scalar(255, 255, 255));
			// 直方图归一化
			normalize(histB, histB, 0.0, matHistImage.rows, NORM_MINMAX, -1, Mat());
			normalize(histG, histG, 0.0, matHistImage.rows, NORM_MINMAX, -1, Mat());
			normalize(histR, histR, 0.0, matHistImage.rows, NORM_MINMAX, -1, Mat());
			// 在直方图中画出直方图
			for (int i = 1; i < nHistSize[0]; i++)
			{
				line(matHistImage,
					Point(nBinWidth * (i - 1), nHistHeight - cvRound(histB.at(i - 1))),
					Point(nBinWidth * (i), nHistHeight - cvRound(histB.at(i))),
					Scalar(255, 0, 0),
					2,
					8,
					0);
				line(matHistImage,
					Point(nBinWidth * (i - 1), nHistHeight - cvRound(histG.at(i - 1))),
					Point(nBinWidth * (i), nHistHeight - cvRound(histG.at(i))),
					Scalar(0, 255, 0),
					2,
					8,
					0);
				line(matHistImage,
					Point(nBinWidth * (i - 1), nHistHeight - cvRound(histR.at(i - 1))),
					Point(nBinWidth * (i), nHistHeight - cvRound(histR.at(i))),
					Scalar(0, 0, 255),
					2,
					8,
					0);
			}

			// 显示直方图
			imshow("frame", matSrc);
			imshow("histogram", matHistImage);
			waitKey(30);
		}
	}
}
图像形态学

  1. 腐蚀运算
    结构元素（算子）的矩形区域内有0，就把中心锚点置0。
    增强暗度
    去除噪声、减少粘连。

  2. 膨胀运算
    结构元素（算子）的矩形区域内有1，就把矩形区域置1。
    增强亮度
    二值化后像素集合可能会被分割，膨胀算法可以恢复连通性。

缺点：会导致目标物体形状发生变化。

  1. 开运算
    先腐蚀，后膨胀。
    既不使目标物体形状变小，又能去除噪声。
  2. 闭运算
    先膨胀，后腐蚀。
    既不使目标物体形状变大，又能恢复连通性。

灰度处理特有的运算：

  1. 顶帽处理
    原图-开运算。
    背景变暗、前景去掉。原图-结果=得到前景。
    消除背景光照不均匀的现象，改善二值化的效果。
    背景是暗，前景是亮，即保留比周围良的元素。

  2. 底帽处理
    闭运算-原图。
    即保留比周围暗的元素。

选择HSV范围显示图像 
int main()
{
	VideoCapture cap(0);

	double i_maxH = 1;
	double i_minH = 100;

	double i_maxS = 43;
	double i_minS = 255;

	double i_maxV = 0;
	double i_minV = 255;

	while (true)
	{
		Mat frame;
		Mat hsvMat;
		Mat detectMat;

		cap >> frame;

		cvtColor(frame, hsvMat, COLOR_RGB2HSV);
		frame.copyTo(hsvMat);
		inRange(hsvMat, Scalar(i_maxH, i_maxS, i_maxV), Scalar(i_minH, i_minS, i_minV), detectMat);
		imshow("frame", frame);
		imshow("detectMat", detectMat);
		waitKey(30);
	}

	waitKey(0);
}
图像二值化 
int main()
{
	VideoCapture cap;
	cap.open(0);
    
	while (true)
	{
		Mat frame;
		Mat result;
		cap >> frame;
		cvtColor(frame, result, COLOR_BGR2GRAY);//先转换为灰度图
		threshold(result, result, 100, 255, THRESH_OTSU);//再进行二值化,大津法
		imshow("frame", frame);
		imshow("resulet", result);

		waitKey(30);
	}
    
	waitKey(0);
}
区域自适应二值化 
int main()
{
	VideoCapture cap;
	cap.open(0);

	while (true)
	{
		Mat frame;
		Mat result;
		cap >> frame;
		cvtColor(frame, result, COLOR_BGR2GRAY);
		adaptiveThreshold(result, result, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY_INV, 15, 10);
		imshow("frame", frame);
		imshow("resulet", result);

		waitKey(30);
	}

	waitKey(0);
}
滑动条二值化选择阈值 
string windows_name = "binaryMat";

void threshold_Mat(int th,void* data)
{
	Mat src = *(Mat*)data;
	Mat dst;
	
	threshold(src, dst, th, 255, 0);
	imshow("windows_name", dst);
}


int main()
{
	VideoCapture cap;
	cap.open(0);

	Mat frame;
	Mat result;
	int initTh = 128;
	int maxTh = 255;

	while (true)
	{
		cap >> frame;
		cvtColor(frame, result, COLOR_BGR2GRAY);
		imshow("frame", frame);
		//imshow("windows_name", result);

		createTrackbar("Bar", "frame", &initTh, maxTh, threshold_Mat, &result);

		waitKey(30);
	}



	waitKey(0);
}

欢迎分享，转载请注明来源：内存溢出

原文地址: http://www.outofmemory.cn/zaji/5692791.html

赞 (0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
手机号查询归属地 手机号查询归属地 一级用户组
0 0
上一篇 2022-12-17
下一篇 2022-12-17

发表评论

登录后才能评论

评论列表（0条）

保存