opencv课程学习

柔光的暖阳◎ 2022-04-10 02:21 217阅读 0赞

1.掩膜定义、filter2D函数实现对比度增强

Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
     filter2D(src, dst, src.depth(), kernel);

2.像素范围处理：这个函数的功能是确保RGB值得范围在0~255之间

saturate_cast<uchar>（-100），返回 0。
    saturate_cast<uchar>（288），返回255
    saturate_cast<uchar>（100），返回100

3.CV\_Assert（）：若括号中的表达式值为false，则返回一个错误信息

CV_Assert(myImage.depth() == CV_8U);

4.读写像素

读一个GRAY像素点的像素值（CV_8UC1）
    Scalar intensity = img.at<uchar>(y, x); 
    或者 Scalar intensity = img.at<uchar>(Point(x, y));
    
    读一个RGB像素点的像素值
    Vec3f intensity = img.at<Vec3f>(y, x); 
    float blue = intensity.val[0]; 
    float green = intensity.val[1]; 
    float red = intensity.val[2];

5.修改像素值：lVec3b对应三通道的顺序是blue、green、red的uchar类型数据。

//灰度图像
    img.at<uchar>(y, x) = 128;
    
    //RGB三通道图像
    img.at<Vec3b>(y,x)[0]=128; // blue
    img.at<Vec3b>(y,x)[1]=128; // green
    img.at<Vec3b>(y,x)[2]=128; // red
    
    //空白图像赋值
    img = Scalar(0);

6.图像类型转化：convertTo

//把CV_8UC1转换到CV32F1实现如下：
    src.convertTo(dst, CV_32F);

7.图像线性混合操作：addweighted

此外，还可以进行加减乘除等运算，参考[https://blog.csdn.net/liyuanbhu/article/details/48916349][https_blog.csdn.net_liyuanbhu_article_details_48916349]

基本矩阵操作和示例：[https://blog.csdn.net/iracer/article/details/51296631][https_blog.csdn.net_iracer_article_details_51296631]

addWeighted(src1, (1 - alpha), src2, alpha, 0.0, dest);

8.minMaxLoc：找灰度图像中最小值最大值及它们的位置

double minValue, maxValue;
    Point minLoc, maxLoc;
    minMaxLoc(src, &minValue, &maxValue, &minLoc, &maxLoc);

9.运用腐蚀膨胀提取水平与垂直线

//水平结构元素
        Mat hline = getStructuringElement(MORPH_RECT, Size(src.cols / 16, 1), Point(-1, -1));
        // 垂直结构元素
        Mat vline = getStructuringElement(MORPH_RECT, Size(1, src.rows / 16), Point(-1, -1));
        //矩形结构
        Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
    
        morphologyEx(binImg, dst, CV_MOP_OPEN, hline); //第三个参数:开/闭/顶帽/黑帽
        bitwise_not(dst, dst);  //像素取反操作
        blur(dst, dst, Size(3, 3), Point(-1, -1)); //模糊操作
     
        imshow("~gray_src",~gray_src);//~gray_src:与gray_src的颜色取反

10.图像上采样和降采样

// 上采样
        pyrUp(src, dst, Size(src.cols*2, src.rows * 2));
        imshow(OUTPUT_WIN, dst);
    
        // 降采样
        Mat s_down;
        pyrDown(src, s_down, Size(src.cols / 2, src.rows / 2));
        imshow("sample down", s_down);
    
        // DOG 高斯金字塔
        Mat gray_src, g1, g2, dogImg;
        cvtColor(src, gray_src, CV_BGR2GRAY);
        GaussianBlur(gray_src, g1, Size(5, 5), 0, 0); //进行两次高斯滤波
        GaussianBlur(g1, g2, Size(5, 5), 0, 0);
        subtract(g1, g2, dogImg, Mat());
    
        // 归一化显示
        normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);
        imshow("DOG Image", dogImg);

11.滤波scharr

Scharr(gray_src, xgrad, CV_16S, 1, 0); //边缘提取算子
    Scharr(gray_src, ygrad, CV_16S, 0, 1);
    
    convertScaleAbs(xgrad, ygrad); //计算图像xgrad的像素绝对值，输出到图像ygrad

12.Laplance 算子运用步骤

高斯模糊 – 去噪声GaussianBlur()
    转换为灰度图像cvtColor()
    拉普拉斯 – 二阶导数计算Laplacian()
    取绝对值convertScaleAbs()
    显示结果

13.canny算子五步骤

高斯模糊 - GaussianBlur
    灰度转换 - cvtColor
    计算梯度 – Sobel/Scharr
    非最大信号抑制
    高低阈值输出二值图像

14.图像直方图均衡化

equalizeHist(src, dst);

15.double转化为string类型：[https://blog.csdn.net/u012411003/article/details/21959719][https_blog.csdn.net_u012411003_article_details_21959719]

[https_blog.csdn.net_liyuanbhu_article_details_48916349]: https://blog.csdn.net/liyuanbhu/article/details/48916349
[https_blog.csdn.net_iracer_article_details_51296631]: https://blog.csdn.net/iracer/article/details/51296631
[https_blog.csdn.net_u012411003_article_details_21959719]: https://blog.csdn.net/u012411003/article/details/21959719