opencv的学习笔记3

2018-06-18 00:09:09来源:未知 阅读 ()

新老客户大回馈,云服务器低至5折

  CMake是一个比make更高级的编译配置工具,它可以根据不同平台、不同的编译器,生成相应的Makefile或者vcproj项目。通过编写CMakeLists.txt,可以控制生成的Makefile,从而控制编译过程。CMake自动生成的Makefile不仅可以通过make命令构建项目生成目标文件,还支持安装(make install)、测试安装的程序是否能正确执行(make test,或者ctest)、生成当前平台的安装包(make package)、生成源码包(make package_source)、产生Dashboard显示数据并上传等高级功能,只要在CMakeLists.txt中简单配置,就可以完成很多复杂的功能,包括写测试用例。

  如果有嵌套目录,子目录下可以有自己的CMakeLists.txt。
  总之,CMake是一个非常强大的编译自动配置工具,支持各种平台,KDE也是用它编译的
  例如,cmake可以根据CMakeLists.txt这个配置文件,通过不同的编译器选择,来生成不同的解决方案,VisualStudio的编译器对应的就生成Visual Studio版的sln解决方案。

1.线性滤波:

  这里的线性滤波主要有:方框滤波,均值滤波,高斯滤波。

方框滤波:

void   boxFilter(InputArray src,     OutputArray dst,     int ddepth,     Size ksize,     Point anchor=Point(-1,-1),    bool  normalize=true, 

int borderType=BORDER_DEFAULT );  

  • 第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。该函数对通道是独立处理的,且可以处理任意通道数的图片,但需要注意,待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
  • 第二个参数,OutputArray类型的dst,即目标图像,需要和源图片有一样的尺寸和类型。
  • 第三个参数,int类型的ddepth,输出图像的深度,-1代表使用原图深度,即src.depth()。
  • 第四个参数,Size类型(对Size类型稍后有讲解)的ksize,内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中,w 为像素宽度, h为像素高度)。Size(3,3)就表示3x3的核大小,Size(5,5)就表示5x5的核大小
  • 第五个参数,Point类型的anchor,表示锚点(即被平滑的那个点),注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话,就表示取核的中心为锚点,所以默认值Point(-1,-1)表示这个锚点在核的中心。
  • 第六个参数,bool类型的normalize,默认值为true,一个标识符,表示内核是否被其区域归一化(normalized)了。
  • 第七个参数,int类型的borderType,用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT,我们一般不去管它。

---------------------------------------------------------------------------------------

均值滤波:

void blur(InputArray src,   OutputArraydst,   Size ksize,   Point anchor=Point(-1,-1),   int borderType=BORDER_DEFAULT ) ; 

  • 第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。该函数对通道是独立处理的,且可以处理任意通道数的图片,但需要注意,待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
  • 第二个参数,OutputArray类型的dst,即目标图像,需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone,以源图片为模板,来初始化得到如假包换的目标图。
  • 第三个参数,Size类型(对Size类型稍后有讲解)的ksize,内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中,w 为像素宽度, h为像素高度)。Size(3,3)就表示3x3的核大小,Size(5,5)就表示5x5的核大小
  • 第四个参数,Point类型的anchor,表示锚点(即被平滑的那个点),注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话,就表示取核的中心为锚点,所以默认值Point(-1,-1)表示这个锚点在核的中心。
  • 第五个参数,int类型的borderType,用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT,我们一般不去管它。

----------------------------------------------------------------------------

高斯滤波:

void GaussianBlur(InputArray src,   OutputArray  dst,    Size ksize,    double sigmaX,    double sigmaY=0,   intborderType=BORDER_DEFAULT )  

  • 第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。它可以是单独的任意通道数的图片,但需要注意,图片深度应该为CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
  • 第二个参数,OutputArray类型的dst,即目标图像,需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone,以源图片为模板,来初始化得到如假包换的目标图。
  • 第三个参数,Size类型的ksize高斯内核的大小。其中ksize.width和ksize.height可以不同,但他们都必须为正数和奇数。或者,它们可以是零的,它们都是由sigma计算而来。
  • 第四个参数,double类型的sigmaX,表示高斯核函数在X方向的的标准偏差。
  • 第五个参数,double类型的sigmaY,表示高斯核函数在Y方向的的标准偏差。若sigmaY为零,就将它设为sigmaX,如果sigmaX和sigmaY都是0,那么就由ksize.width和ksize.height计算出来。
  • 为了结果的正确性着想,最好是把第三个参数Size,第四个参数sigmaX和第五个参数sigmaY全部指定到。
  • 第六个参数,int类型的borderType,用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT,我们一般不去管它。

2.非线性滤波:

非线性滤波主要有:中值滤波,双边滤波。

中值滤波:

 void medianBlur(InputArray src,   OutputArray dst,     int ksize);  

  • 第一个参数,InputArray类型的src,函数的输入参数,填1、3或者4通道的Mat类型的图像;当ksize为3或者5的时候,图像深度需为CV_8U,CV_16U,或CV_32F其中之一,而对于较大孔径尺寸的图片,它只能是CV_8U。
  • 第二个参数,OutputArray类型的dst,即目标图像,函数的输出参数,需要和源图片有一样的尺寸和类型。我们可以用Mat::Clone,以源图片为模板,来初始化得到如假包换的目标图。
  • 第三个参数,int类型的ksize,孔径的线性尺寸(aperture linear size),注意这个参数必须是大于1的奇数,比如:3,5,7,9 ...

--------------------------------------------------------------------------

双边滤波:

void bilateralFilter(InputArray src,   OutputArraydst,   int d,   double sigmaColor,   double sigmaSpace,   int borderType=BORDER_DEFAULT);  

  • 第一个参数,InputArray类型的src,输入图像,即源图像,需要为8位或者浮点型单通道、三通道的图像。
  • 第二个参数,OutputArray类型的dst,即目标图像,需要和源图片有一样的尺寸和类型。
  • 第三个参数,int类型的d,表示在过滤过程中每个像素邻域的直径。如果这个值我们设其为非正数,那么OpenCV会从第五个参数sigmaSpace来计算出它来。
  • 第四个参数,double类型的sigmaColor,颜色空间滤波器的sigma值。这个参数的值越大,就表明该像素邻域内有更宽广的颜色会被混合到一起,产生较大的半相等颜色区域。
  • 第五个参数,double类型的sigmaSpace坐标空间中滤波器的sigma值,坐标空间的标注方差。他的数值越大,意味着越远的像素会相互影响,从而使更大的区域足够相似的颜色获取相同的颜色。当d>0,d指定了邻域大小且与sigmaSpace无关。否则,d正比于sigmaSpace。
  • 第六个参数,int类型的borderType,用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。

 

3.数学形态学的基本定义:

数学形态学(Mathematical morphology) 是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本的运算包括:二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。

 

4.膨胀:

 void dilate(InputArray src,   OutputArray dst,  InputArray kernel,   Point anchor=Point(-1,-1),      int iterations=1,  int borderType=BORDER_CONSTANT,    const Scalar& borderValue=morphologyDefaultBorderValue()   );  

  • 第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。图像通道的数量可以是任意的,但图像深度应为CV_8U,CV_16U,CV_16S,CV_32F或 CV_64F其中之一。
  • 第二个参数,OutputArray类型的dst,即目标图像,需要和源图片有一样的尺寸和类型。
  • 第三个参数,InputArray类型的kernel,膨胀操作的核。若为NULL时,表示的是使用参考点位于中心3x3的核。
  • 我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素
 int g_nStructElementSize = 3; //结构元素(内核矩阵)的尺寸  
   
//获取自定义核  
Mat element = getStructuringElement(MORPH_RECT,  
    Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1),  
    Point( g_nStructElementSize, g_nStructElementSize ));  

其中,getStructuringElement函数的第一个参数表示内核的形状,我们可以选择如下三种形状之一:

  • 矩形: MORPH_RECT
  • 交叉形: MORPH_CROSS
  • 椭圆形:MORPH_ELLIPSE

而getStructuringElement函数的第二和第三个参数分别是内核的尺寸以及锚点的位置。对于锚点的位置,有默认值Point(-1,-1),表示锚点位于中心。且需要注意,交叉形的element形状唯一依赖于锚点的位置。而在其他情况下,锚点只是影响了形态学运算结果的偏移。

应用实例:

        //载入原图   
        Mat image = imread("1.jpg");  
//获取自定义核  
        Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  
        Mat out;  
        //进行膨胀操作  
        dilate(image, out, element);  

5.腐蚀:

void erode(InputArray src,    OutputArray dst,    InputArray kernel,     Point anchor=Point(-1,-1),     int iterations=1,      int borderType=BORDER_CONSTANT,      const Scalar& borderValue=morphologyDefaultBorderValue()   );  

使用方式和膨胀一样,同样需要配合getStructuringElement来使用。

 6.轨迹条:

int createTrackbar(conststring&  trackbarname,   conststring& winname,    int* value,    int count,    TrackbarCallback onChange=0,   void* userdata=0); 

  • 第一个参数,const string&类型的trackbarname,表示轨迹条的名字,用来代表我们创建的轨迹条。
  • 第二个参数,const string&类型的winname,填窗口的名字,表示这个轨迹条会依附到哪个窗口上,即对应namedWindow()创建窗口时填的某一个窗口名。
  • 第三个参数,int* 类型的value,一个指向整型的指针,表示滑块的位置。并且在创建时,滑块的初始位置就是该变量当前的值。
  • 第四个参数,int类型的count,表示滑块可以达到的最大位置的值。PS:滑块最小的位置的值始终为0。
  • 第五个参数,TrackbarCallback类型的onChange,首先注意他有默认值0。这是一个指向回调函数的指针,每次滑块位置改变时,这个函数都会进行回调。并且这个函数的原型必须为void XXXX(int,void*);其中第一个参数是轨迹条的位置,第二个参数是用户数据(看下面的第六个参数)。如果回调是NULL指针,表示没有回调函数的调用,仅第三个参数value有变化。
  • 第六个参数,void*类型的userdata,他也有默认值0。这个参数是用户传给回调函数的数据,用来处理轨迹条事件。如果使用的第三个参数value实参是全局变量的话,完全可以不去管这个userdata参数。

7.获取当前轨迹条的位置:

int getTrackbarPos(conststring& trackbarname, conststring& winname); 

  • 第一个参数,const string&类型的trackbarname,表示轨迹条的名字。
  • 第二个参数,const string&类型的winname,表示轨迹条的父窗口的名称。
//创建轨迹条  
   createTrackbar("对比度:", "【效果图窗口】",&g_nContrastValue,  300,ContrastAndBright );
// g_nContrastValue为全局的整型变量,ContrastAndBright为回调函数的函数名(即指向函数地址的指针)  
 1 //-----------------------------------【头文件包含部分】---------------------------------------  
 2 //  描述:包含程序所依赖的头文件  
 3 //----------------------------------------------------------------------------------------------   
 4 #include "opencv2/imgproc/imgproc.hpp"  
 5 #include "opencv2/highgui/highgui.hpp"  
 6 #include <iostream>  
 7   
 8 //-----------------------------------【命名空间声明部分】---------------------------------------  
 9 //  描述:包含程序所使用的命名空间  
10 //-----------------------------------------------------------------------------------------------     
11 using namespace cv;  
12 using namespace std;  
13   
14 //-----------------------------------【全局函数声明部分】--------------------------------------  
15 //  描述:全局函数声明  
16 //-----------------------------------------------------------------------------------------------  
17 Mat img;  
18 int threshval = 160;            //轨迹条滑块对应的值,给初值160  
19   
20 //-----------------------------【on_trackbar( )函数】------------------------------------  
21 //  描述:轨迹条的回调函数  
22 //-----------------------------------------------------------------------------------------------  
23 static void on_trackbar(int, void*)  
24 {  
25     Mat bw = threshval < 128 ? (img < threshval) : (img > threshval);  
26   
27     //定义点和向量  
28     vector<vector<Point> > contours;  
29     vector<Vec4i> hierarchy;  
30   
31     //查找轮廓  
32     findContours( bw, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );  
33     //初始化dst  
34     Mat dst = Mat::zeros(img.size(), CV_8UC3);  
35     //开始处理  
36     if( !contours.empty() && !hierarchy.empty() )  
37     {  
38         //遍历所有顶层轮廓,随机生成颜色值绘制给各连接组成部分  
39         int idx = 0;  
40         for( ; idx >= 0; idx = hierarchy[idx][0] )  
41         {  
42             Scalar color( (rand()&255), (rand()&255), (rand()&255) );  
43             //绘制填充轮廓  
44             drawContours( dst, contours, idx, color, CV_FILLED, 8, hierarchy );  
45         }  
46     }  
47     //显示窗口  
48     imshow( "Connected Components", dst );  
49 }  
50   
51   
52 //-----------------------------------【main( )函数】--------------------------------------------  
53 //  描述:控制台应用程序的入口函数,我们的程序从这里开始  
54 //-----------------------------------------------------------------------------------------------  
55 int main(  )  
56 {  
57     system("color 5F");    
58     //载入图片  
59     img = imread("1.jpg", 0);  
60     if( !img.data ) { printf("Oh,no,读取img图片文件错误~! \n"); return -1; }  
61   
62     //显示原图  
63     namedWindow( "Image", 1 );  
64     imshow( "Image", img );  
65   
66     //创建处理窗口  
67     namedWindow( "Connected Components", 1 );  
68     //创建轨迹条  
69     createTrackbar( "Threshold", "Connected Components", &threshval, 255, on_trackbar );  
70     on_trackbar(threshval, 0);//轨迹条回调函数  
71   
72     waitKey(0);  
73     return 0;  
74 } 

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:基于docker 如何部署surging分布式微服务引擎

下一篇:memcpy与memmove