計(jì)算機(jī)視覺(jué)中如何調(diào)用OpenCV庫(kù)

學(xué)習(xí)計(jì)算機(jī)視覺(jué)最重要的能力應(yīng)該就是編程了，為了幫助小伙伴盡快入門(mén)計(jì)算機(jī)視覺(jué)，小白準(zhǔn)備了【走進(jìn)OpenCV】系列，主要幫助小伙伴了解如何調(diào)用OpenCV庫(kù)，涉及到的知識(shí)點(diǎn)會(huì)做簡(jiǎn)單講解。

圖像初始化操作

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; int main（int argc， char** argv） { //這些方式都是自己擁有獨(dú)立的內(nèi)存空間 Mat img1（2， 2， CV_8UC3， Scalar（0， 0， 255））; cout 《《 img1 《《 endl; int sz［3］ = { 2，2，2 }; Mat img2（3， sz， CV_8UC1， Scalar（0， 0， 0））; //cout 《《 img2 《《 endl; Mat img5; img5.create（4， 4， CV_8UC3）;

cout 《《 img5 《《 endl; Mat img6 = Mat：：zeros（4， 4， CV_8UC3）; cout 《《 img6 《《 endl; Mat img7 = img6.clone（）; cout 《《 img7 《《 endl; Mat img8; img6.copyTo（img8）; cout 《《 img8 《《 endl; //下面都是淺拷貝，指針指向同一個(gè)實(shí)例 Mat img9 = img8; Mat img10（img8）; waitKey（0）; return 0; }

圖像二值化操作

兩種方法，全局固定閾值二值化和局部自適應(yīng)閾值二值化全局固定閾值很容易理解，就是對(duì)整幅圖像都是用一個(gè)統(tǒng)一的閾值來(lái)進(jìn)行二值化；局部自適應(yīng)閾值則是根據(jù)像素的鄰域塊的像素值分布來(lái)確定該像素位置上的二值化閾值。

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; int main（int argc， char** argv） { Mat image = imread（“l(fā)ol1.jpg”， CV_LOAD_IMAGE_GRAYSCALE）; //注意了，必須是載入灰度圖 if （image.empty（）） { cout 《《 “read image failure” 《《 endl; return -1; } // 全局二值化 int th = 100; Mat global; threshold（image， global， th， 255， CV_THRESH_BINARY_INV）; // 局部二值化 int blockSize = 25; int constValue = 10; Mat local; adaptiveThreshold（image， local， 255， CV_ADAPTIVE_THRESH_MEAN_C， CV_THRESH_BINARY_INV， blockSize， constValue）; imshow（“全局二值化”， global）; imshow（“局部二值化”， local）; waitKey（0）; return 0; }

腐蝕操作

#include 《iostream》 #include 《opencv2opencv.hpp》 using namespace cv; using namespace std; int main（） { Mat SrcPic = imread（“l(fā)ena.jpg”）; imshow（“Src Pic”， SrcPic）; Mat element = getStructuringElement（MORPH_RECT， Size（15， 15））; //getStructuringElement函數(shù)返回的是指定形狀和尺寸的結(jié)構(gòu)元素 Mat DstPic; erode（SrcPic， DstPic， element）; //腐蝕操作 imshow（“腐蝕效果圖”， DstPic）; waitKey（）; return 0; }

運(yùn)行效果

均值濾波實(shí)現(xiàn)圖像模糊

#include 《iostream》 #include 《opencv2opencv.hpp》 using namespace cv; using namespace std; int main（） { Mat SrcPic = imread（“l(fā)ena.jpg”）; imshow（“Src Pic”， SrcPic）; Mat DstPic; blur（SrcPic， DstPic， Size（7， 7））; imshow（“均值模糊效果圖”， DstPic）; waitKey（）; return 0; }

canny邊緣檢測(cè)

思路：將原始圖像轉(zhuǎn)化為灰度圖，用blur函數(shù)進(jìn)行圖像模糊以降噪，然后用canny函數(shù)進(jìn)行邊緣檢測(cè)。

#include 《iostream》 #include 《opencv2opencv.hpp》 using namespace cv; using namespace std; int main（） { Mat SrcPic = imread（“l(fā)ena.jpg”）; imshow（“Src Pic”， SrcPic）; Mat DstPic， edge， grayImage; //創(chuàng)建與src同類(lèi)型和同大小的矩陣 DstPic.create（SrcPic.size（）， SrcPic.type（））; //將原始圖轉(zhuǎn)化為灰度圖 cvtColor（SrcPic， grayImage， COLOR_BGR2GRAY）; //先使用3*3內(nèi)核來(lái)降噪 blur（grayImage， edge， Size（3， 3））; //運(yùn)行canny算子 Canny（edge， edge， 3， 9， 3）; imshow（“邊緣提取效果”， edge）; waitKey（）; return 0; }

轉(zhuǎn)為灰度圖

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; int main（） { Mat img = imread（“l(fā)ol1.jpg”）; Mat dstImg; cvtColor（img， dstImg，COLOR_BGR2GRAY）;//從宏名字就可以知道，是彩色圖轉(zhuǎn)換到灰度圖 imshow（“灰度圖”， dstImg）; waitKey（0）; }

灰度圖

訪問(wèn)圖片中像素

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; //訪問(wèn)每個(gè)像素，我喜歡使用指針的方式 int main（） { Mat img = imread（“l(fā)ol1.jpg”）; for （int i = 0; i 《 img.rows; i++） { uchar* data = img.ptr《uchar》（i）; //獲取第i行地址 for （int j = 0; j 《 img.cols; j++） { printf（“%d ”，data［j］）; } } waitKey（0）; }

直方圖均衡化

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; //直方圖均衡化 int main（） { Mat img = imread（“l(fā)ol3.jpg”）; imshow（“原始圖”， img）; Mat dst; cvtColor（img， img， CV_RGB2GRAY）; imshow（“灰度圖”， img）; equalizeHist（img， dst）; imshow（“直方圖均衡化”， dst）; waitKey（0）; }

顯然均衡化后的圖片對(duì)比度變高了，變得更加明亮！

常用的數(shù)據(jù)結(jié)構(gòu)

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; //常見(jiàn)數(shù)據(jù)結(jié)構(gòu)使用方法總結(jié) int main（） { //Mat的用法 Mat m1（2， 2， CV_8UC3， Scalar（0， 0， 255））; //其中的宏的解釋?zhuān)篊V_［位數(shù)］［帶符號(hào)與否］［類(lèi)型前綴］C［通道數(shù)］ cout 《《 m1 《《 endl; //或者，利用IplImage指針來(lái)初始化，將IplImage*轉(zhuǎn)化為Mat IplImage* image = cvLoadImage（“l(fā)ena.jpg”）; Mat mat = cvarrToMat（image）;

//Mat轉(zhuǎn)IplImage： IplImage img = IplImage（mat）; //或者 Mat m2; m2.create（4， 5， CV_8UC（2））; //點(diǎn)的表示：Point Point p; p.x = 1; //x坐標(biāo) p.y = 1; //y坐標(biāo) //或者 Point p2（1， 1）;

//顏色的表示：Scalar（b，g，r）;注意不是rgb，注意對(duì)應(yīng)關(guān)系 Scalar（1， 1， 1）; //尺寸的表示：Size Size（5， 5）;// 寬度和高度都是5 //矩形的表示：Rect，成員變量有x，y，width，height Rect r1（0， 0， 100， 60）; Rect r2（10， 10， 100， 60）; Rect r3 = r1 | r2; //兩個(gè)矩形求交集 Rect r4 = r1 & r2; //兩個(gè)矩形求并集 waitKey（0）; }

結(jié)束語(yǔ)

由于時(shí)間和文章篇幅有限，本次總結(jié)先到這里，下次小白會(huì)為小伙伴們帶來(lái)OpenCV的濾波操作，各位小伙伴敬請(qǐng)期待。

責(zé)任編輯：haq