Opencv快速入门(C++版),新手向

2023-05-16

Opencv快速入门(C++版)

  • 前言
  • 1、图像的读取与显示
    • 所使用的API接口:
    • 代码演示:
  • 2、图像色彩空间转换
    • 所使用的API接口:
    • 代码演示:
  • 3、图像对象的创建与赋值
    • 所使用的API接口:
    • 代码演示:
  • 4、像素的读写操作
    • 所使用的API接口:
    • 代码演示:
  • 5、像素的算术操作
    • 所使用的API接口:
    • 代码演示:
  • 6、滚动条调整图像亮度与对比度
    • 所使用的API接口:
    • 代码演示:
  • 7、键盘响应
    • 所使用的API接口:
    • 代码演示:
  • 8、Opencv自带颜色表操作(滤镜)
    • 所使用的API接口:
    • 代码演示:
  • 9、像素逻辑操作
    • 所使用的API接口:
    • 代码演示:
  • 10、通道分离与合并
    • 所使用的API接口:
    • 代码演示:
  • 11、颜色提取与转换
    • 所使用的API接口:
    • 代码演示:
  • 12、像素值统计
    • 所使用的API接口:
    • 代码演示:
  • 13、几何图形绘制
    • 所使用的API接口:
    • 代码演示:
  • 14、随机数与随机颜色
    • 所使用的API接口:
    • 代码演示:
  • 15、多边形填充与绘制
    • 所使用的API接口:
    • 代码演示:
  • 16、鼠标操作与响应
    • 所使用的API接口:
    • 代码演示:
  • 17、像素类型转换与归一化
    • 所使用的API接口:
    • 代码演示:
  • 18、图像放缩与插值
    • 所使用的API接口:
    • 代码演示:
  • 19、图像翻转
    • 所使用的API接口:
    • 代码演示:
  • 20、图像旋转
    • 所使用的API接口:
    • 代码演示:
  • 21、视频文件读取、操作与保存
    • 所使用的API接口:
    • 代码演示:
  • 22、图像直方图
    • 所使用的API接口:
    • 代码演示:
  • 23、二维直方图
    • 所使用的API接口:
    • 代码演示:
  • 24、直方图均衡化
    • 所使用的API接口:
    • 代码演示:
  • 25、均值滤波
    • 所使用的API接口:
    • 代码演示:
  • 26、高斯滤波
    • 所使用的API接口:
    • 代码演示:
  • 27、双边线性滤波
    • 所使用的API接口:
    • 代码演示:

前言

本文的所有示例都是基于C++语言,使用的是Opencv4.5版本。 主要内容包括:1、图像的读取与显示;2、图像色彩空间转换;3、图像对象的创建与赋值;4、像素的读写操作;5、像素的算术操作;6、滚动条调整图像亮度与对比度;7、键盘响应;8、Opencv自带颜色表操作;9、像素逻辑操作;10、通道分离与合并;11、颜色提取与转换;12、像素值统计;13、几何图形绘制;14、随机数与随机颜色;15、多边形填充与绘制;16、鼠标操作与响应;17、像素类型转换与归一化;18、图像放缩与插值;19、图像翻转;20、图像旋转;21、视频文件读取、操作与保存;22、图像直方图;23、二维直方图;24、直方图均衡化;25、均值滤波;26、高斯滤波;27、双边线性滤波;

项目结构:
1.项目入口:
在这里插入图片描述
2.创建一个头文件,定义一个QuickDemo类,类中定义各种需要使用到的public方法:
在这里插入图片描述
3.重写QuickDemo类中的方法:
在这里插入图片描述

1、图像的读取与显示

所使用的API接口:

  • imread(path),其中path路径中不要出现中文,否则会报错。
  • imshow()
  • nameWindonw()

代码演示:

#include<pch.h>
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
	Mat src = imread("D:/opencv/test.jpg");
	if (src.empty()) {
		printf("....\n");
		return -1;
	}
	//namedWindow("输入窗口", WINDOW_FREERATIO);
	imshow("输入窗口", src);
	waitKey(0);
	destroyAllWindows();
	return 0;
}

2、图像色彩空间转换

所使用的API接口:

  • cvtColor()

代码演示:

首先在pch.h的头文件中创建QuickDemo类,再定义一个类方法colorSpace_Demo():

#include<opencv2/opencv.hpp>
using namespace cv;

class QuickDemo {
public:
	void colorSpace_Demo(Mat &image);
};

然后在quickdemo.cpp文件中重写colorSpace_Demo()方法:

void QuickDemo::colorSpace_Demo(Mat &image) {
	Mat hsv,gray;
	cvtColor(image, hsv, COLOR_BGR2HSV);
	cvtColor(image, gray, COLOR_BGR2GRAY);
	imshow("1", hsv);
	imshow("2", gray);
	imwrite("hsv.jpg", hsv);
	imwrite("gray.jpg", gray);
} 

然后程序入口处调用即可:

#include<pch.h>
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;


int main(int argc, char** argv) {
	Mat src = imread("D:/opencv/test.jpg");
	if (src.empty()) {
		printf("....\n");
		return -1;
	}
	//namedWindow("输入窗口", WINDOW_FREERATIO);
	imshow("输入窗口", src);

	QuickDemo qd;
	qd.colorSpace_Demo(src);

	waitKey(0);
	destroyAllWindows();
	return 0;
}

3、图像对象的创建与赋值

所使用的API接口:

  • Scalar()

代码演示:

使用方法与上例2的演示一样

void QuickDemo::mat_creation_Demo() {
	//Mat m1, m2;
	//m1 = image.clone();
	//image.copyTo(m2);

	// new 空白图像
	Mat m3 = Mat::ones(Size(32, 32), CV_8UC3);//八位无符号单通道
	m3 = Scalar(22,22,99);//给不同的通道赋值
	std::cout << m3.cols<<"  " << m3.rows<<"  "<<m3.channels() << std::endl;
	std::cout << m3 <<std::endl;
	

	Mat m4;
	m3.copyTo(m4);
	m4 = Scalar(0, 255, 255);

	imshow("dfa", m3);
}

4、像素的读写操作

所使用的API接口:

  • int pv = image.at(row, col); //获取像素值

代码演示:

void QuickDemo::pixel_visit_Demo(Mat &image) {
	int w = image.cols;
	int h = image.rows;
	int dims = image.channels();

	/*
	for (int row = 0; row < h; row++) {
		for (int col = 0; col < w; col++) {
			if (dims == 1) {// 单通道
				int pv = image.at<uchar>(row, col);
				image.at<uchar>(row, col) = 255 - pv;
			}
			if (dims == 3) {// 三通道
				Vec3b bgr = image.at<Vec3b>(row, col);
				image.at<Vec3b>(row, col) = 255 - bgr[0];
				image.at<Vec3b>(row, col) = 255 - bgr[1];
				image.at<Vec3b>(row, col) = 255 - bgr[2];
			}
		}
	}
	*/

	// 通过指针方式读取每个像素
	for (int row = 0; row < h; row++) {
		uchar* current_row = image.ptr<uchar>(row);
		for (int col = 0; col < w; col++) {
			if (dims == 1) {// 单通道
				int pv = *current_row;
				*current_row++ = 255 - pv;
			}
			if (dims == 3) {// 三通道
				Vec3b bgr = image.at<Vec3b>(row, col);
				*current_row++ = 255 - *current_row;
				*current_row++ = 255 - *current_row;
				*current_row++ = 255 - *current_row;
			}
		}
	}
	imshow("像素演示", image);
	waitKey(0);
}

5、像素的算术操作

所使用的API接口:

  • add(image, m, dst);
  • subtract(image, m, dst);
  • multiply(image, m, dst);
  • divide(image, m, dst);

代码演示:

void QuickDemo::operators_demo(Mat &image) {
	Mat dst = Mat::zeros(image.size(),image.type());
	Mat m = Mat::zeros(image.size(), image.type());
	m = Scalar(20, 2, 2);
	//dst = image - Scalar(50, 50, 50);		//加减可以
	
	/*
	int w = image.cols;
	int h = image.rows;
	for (int row = 0; row < h; row++) {
		for (int col = 0; col < w; col++) {
			Vec3b p1 = image.at<Vec3b>(row, col);
			Vec3b p2 = m.at<Vec3b>(row, col);
			dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(p1[0] + p2[0]);
			dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(p1[1] + p2[1]);
			dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(p1[2] + p2[2]);
		}
	}
	*/
	//add(image, m, dst);
	//subtract(image, m, dst);
	///multiply(image, m, dst);
	divide(image, m, dst);

	imshow("dst", dst);
}

6、滚动条调整图像亮度与对比度

所使用的API接口:

  • addWeighted()
  • createTrackbar()

代码演示:

static void on_lightness(int lightness, void* userdata) {
	Mat image = *((Mat*)userdata);
	Mat dst = Mat::zeros(image.size(), image.type());
	Mat m = Mat::zeros(image.size(), image.type());
	addWeighted(image, 1.0, m, 0, lightness, dst);
	imshow("亮度与对比度调整", dst);
}

static void on_contrast(int lightness, void* userdata) {
	Mat image = *((Mat*)userdata);
	Mat dst = Mat::zeros(image.size(), image.type());
	Mat m = Mat::zeros(image.size(), image.type());
	double contrast = lightness / 100.0;
	addWeighted(image, contrast, m, 0.0,0 , dst);
	imshow("亮度与对比度调整", dst);
}

void QuickDemo::tracking_bar_demo(Mat &image) {
	namedWindow("亮度与对比度调整", WINDOW_AUTOSIZE);
	int lightness = 50;
	int max_value = 100;
	int contrast_value = 100;
	createTrackbar("value_bar:", "亮度与对比度调整", &lightness, max_value, on_lightness,(void*)(&image));
	createTrackbar("contrast_bar:", "亮度与对比度调整", &contrast_value, 200, on_contrast, (void*)(&image));
	on_lightness(50, &image);
}

7、键盘响应

所使用的API接口:

代码演示:

void QuickDemo::key_demo(Mat &image) {
	Mat dst = Mat::zeros(image.size(),image.type());
	while (true) {
		int c = waitKey(100);
		if (c == 27) {//key:esc
			break;
		}
		if (c == 49) {//key=1
			std::cout << "key #1" << std::endl;
			cvtColor(image, dst, COLOR_BGR2GRAY);
		}
		if (c == 50) {//key=2
			std::cout << "key #2" << std::endl;
			cvtColor(image, dst, COLOR_BGR2HSV);
		}
		if (c == 51) {//key=3
			std::cout << "key #3" << std::endl;
			dst = Scalar(40, 20, 30);
			add(image, dst, dst);
		}
		imshow("键盘响应", dst);
	}
}

8、Opencv自带颜色表操作(滤镜)

所使用的API接口:

  • applyColorMap()

代码演示:

void QuickDemo::color_style_demo(Mat &image) {
	Mat dst;
	int colormap[] = {
  COLORMAP_AUTUMN,
  COLORMAP_BONE,
  COLORMAP_JET,
  COLORMAP_WINTER,
  COLORMAP_RAINBOW,
  COLORMAP_OCEAN,
  COLORMAP_SUMMER,
  COLORMAP_SPRING,
  COLORMAP_COOL,
  COLORMAP_HSV,
  COLORMAP_PINK,
  COLORMAP_HOT,
  COLORMAP_PARULA,
  COLORMAP_MAGMA,
  COLORMAP_INFERNO,
  COLORMAP_PLASMA,
  COLORMAP_VIRIDIS,
  COLORMAP_CIVIDIS,
  COLORMAP_TWILIGHT,
  COLORMAP_TWILIGHT_SHIFTED,
  COLORMAP_TURBO,
  COLORMAP_DEEPGREEN
	};
	int index = 0;
	while (true) {
		int c = waitKey(500);
		if (c == 27) {//key:esc
			break;
		}
		applyColorMap(image, dst, colormap[index % 21]);
		index++;
		imshow("颜色风格", dst);
	}
}

9、像素逻辑操作

所使用的API接口:

  • bitwise_and(m1, m2, dst);
  • bitwise_or(m1, m2, dst);
  • bitwise_not(image, dst); // 另一种取反方式:Mat dst = ~image;
  • bitwise_xor(m1, m2, dst);

代码演示:

void QuickDemo::bitwise_demo(Mat &image) {
	Mat m1 = Mat::zeros(Size(256, 256), CV_8UC3);
	Mat m2 = Mat::zeros(Size(256, 256), CV_8UC3);
	rectangle(m1, Rect(100, 100, 80, 80), Scalar(255, 255, 0),-1,LINE_8,0);
	rectangle(m2, Rect(150, 150, 80, 80), Scalar(0,255, 255), -1,LINE_8,0);
	imshow("m1", m1);
	imshow("m2", m2);
	Mat dst;
	//bitwise_and(m1, m2, dst);
	//bitwise_or(m1, m2, dst);
	//bitwise_not(image, dst); // 另一种取反方式:Mat dst = ~image;
	//bitwise_xor(m1, m2, dst);
	imshow("位操作", dst);
}

10、通道分离与合并

所使用的API接口:

  • split()
  • merge()

代码演示:

void QuickDemo::split_merge_demo(Mat &image) {
	std::vector<Mat>mv;
	split(image, mv);
	imshow("b", mv[0]);
	imshow("g", mv[0]);
	imshow("r", mv[0]);
	
	Mat dst;
	mv[0] = 0;
	//mv[1] = 0;
	merge(mv, dst);
	imshow("dst", dst);

	int from_to[] = { 0,2,1,1,2,0 };
	mixChannels(&image,1, &dst,1, from_to,3);
	imshow("通道混合", dst);
}

11、颜色提取与转换

所使用的API接口:

  • inRange()

代码演示:

void QuickDemo::inrange_demo(Mat &image) {
	Mat hsv;
	cvtColor(image, hsv, COLOR_BGR2HSV);
	Mat mask;
	inRange(hsv, Scalar(35,43,46),Scalar(77,255,255),mask);
	
	Mat redback = Mat::zeros(image.size(), image.type());
	redback = Scalar(40, 40, 200);
	bitwise_not(mask, mask);
	image.copyTo(redback, mask);
	imshow("roi", redback);
}

12、像素值统计

所使用的API接口:

  • minMaxLoc()
  • meanStdDev()

代码演示:

void QuickDemo::pixel_statistic_demo(Mat &image) {
	double minv, maxv;
	Point minloc, maxloc;
	//cvtColor(image, image,COLOR_BGR2GRAY);
	std::vector<Mat>mv;
	split(image, mv);
	for (int i = 0; i < image.channels(); i++) {
		minMaxLoc(mv[i], &minv, &maxv, &minloc, &maxloc, Mat());
		std::cout << "min value:" << minv << "  max value:" << maxv << std::endl;
	}
	Mat mean, stddev;
	meanStdDev(image, mean, stddev);
	std::cout << "mead:" << mean << "  stddev:" << stddev << std::endl;
}

13、几何图形绘制

所使用的API接口:

  • rectangle()
  • circle()
  • line()
  • ellipse()

代码演示:

void QuickDemo::drawing_demo(Mat &image) {
	Rect rect;
	rect.x = 100;
	rect.y = 100;
	rect.width = 50;
	rect.height = 50;
	Mat bg = Mat::zeros(image.size(), image.type());
	Mat dst;
	rectangle(image,rect,Scalar(0, 0, 255), -1, 8, 0);
	circle(image, Point(50, 50), 45, Scalar(255, 0, 0), -1, 8, 0);
	line(image, Point(50, 50), Point(100, 100), Scalar(0, 255, 0), 2, 8, 0);
	RotatedRect rrt;
	rrt.center = Point(100, 100);
	rrt.size = Size(100, 50);
	rrt.angle = 0.0;
	ellipse(image, rrt, Scalar(255, 255, 0), 2, 8);
	addWeighted(image, 0.7, bg, 0.3, 0, dst);
	imshow("绘制演示", dst);
}

14、随机数与随机颜色

所使用的API接口:

  • RNG rng()

代码演示:

void QuickDemo::random_drawing() {
	Mat bg = Mat::zeros(Size(600, 600), CV_8UC3);
	int w = bg.cols;
	int h = bg.rows;
	RNG rng(12345);
	while (true) {
		int c = waitKey(50);
		if (c == 27) {
			break;
		}
		int x1 = rng.uniform(0, w);
		int y1 = rng.uniform(0, h);
		int x2 = rng.uniform(0, w);
		int y2 = rng.uniform(0, h);
		int b = rng.uniform(0, 255);
		int g = rng.uniform(0, 255);
		int r = rng.uniform(0, 255);
		bg = Scalar(0, 0, 0);
		line(bg, Point(x1, y1), Point(x2, y2), Scalar(b, g, r), 2, 8, 0);
		imshow("随机绘制", bg);
	}
}

15、多边形填充与绘制

所使用的API接口:

  • fillPoly()
  • polylines()
  • drawContours()

代码演示:

void QuickDemo::polyline_drawing_demo() {
	Mat bg = Mat::zeros(Size(512, 512), CV_8UC3);
	Point p1(100, 100);
	Point p2(350, 100);
	Point p3(400, 280);
	Point p4(320, 480);
	Point p5(80, 400);
	std::vector<Point> pts;
	pts.push_back(p1);
	pts.push_back(p2);
	pts.push_back(p3);
	pts.push_back(p4);
	pts.push_back(p5);
	//fillPoly(bg, pts, Scalar(255, 0, 0), 8, 0);
	//polylines(bg, pts, true, Scalar(0, 0, 255), 2, LINE_AA, 0);
	std::vector<std::vector<Point>> cnts;
	cnts.push_back(pts);
	drawContours(bg, cnts, -1,Scalar(0,255,0),2);
	imshow("多边形绘制", bg);
}

16、鼠标操作与响应

所使用的API接口:

  • setMouseCallback()

代码演示:

Point sp(-1, -1);
Point ep(-1, -1);
Mat temp;
static void on_drawing(int event,int x,int y,int flags,void *userdata) {
	Mat image = *((Mat*)userdata);
	if (event == EVENT_LBUTTONDOWN) {
		sp.x = x;
		sp.y = y;
		std::cout << "start point:" << sp <<std::endl;
	}
	else if (event == EVENT_LBUTTONUP) {
		ep.x = x;
		ep.y = y;
		int dx = ep.x - sp.x;
		int dy = ep.y - sp.y;
		if(dx >= 0 && dy > 0) {
			Rect box(sp.x, sp.y, dx, dy);
			temp.copyTo(image);
			imshow("截取ROI", image(box));
			rectangle(image, box, Scalar(0, 255, 0), 2, 8);
			imshow("鼠标绘制", image);
			sp.x = -1;
			sp.y = -1;
		}	
	}
	else if (event == EVENT_MOUSEMOVE) {
		if (sp.x > 0 && sp.y > 0) {
			ep.x = x;
			ep.y = y;
			int dx = ep.x - sp.x;
			int dy = ep.y - sp.y;
			if (dx >= 0 && dy > 0) {
				Rect box(sp.x, sp.y, dx, dy);
				temp.copyTo(image);
				rectangle(image, box, Scalar(0, 255, 0), 2, 8);
				imshow("鼠标绘制", image);
			}
		}
	}
}

void QuickDemo::mouse_drawing_demo(Mat &image) {
	namedWindow("鼠标绘制", WINDOW_AUTOSIZE);
	setMouseCallback("鼠标绘制", on_drawing,(void*)(&image));
	imshow("鼠标绘制", image);
	temp = image.clone();
}

17、像素类型转换与归一化

所使用的API接口:

  • image.convertTo()
  • normalize()

代码演示:

void QuickDemo::norm_demo(Mat &image) {
	Mat dst;
	std::cout << image.type() << std::endl;
	image.convertTo(image, CV_32F);
	std::cout << image.type() << std::endl;
	normalize(image, dst, 1.0, 0, NORM_MINMAX);
	std::cout << dst.type() << std::endl;
	imshow("图像数据归一化", dst);
}

18、图像放缩与插值

所使用的API接口:

  • resize()

代码演示:

void QuickDemo::resize_demo(Mat &image) {
	Mat zoomin, zoomout;
	int h = image.cols;
	int w = image.rows;
	resize(image, zoomin, Size(w / 1.5, h / 1.5), 0, 0, INTER_LINEAR);
	resize(image, zoomout, Size(w * 1.2, h * 1.2), 0, 0, INTER_LINEAR);
	imshow("缩小", zoomin);
	imshow("放大", zoomout);
}

19、图像翻转

所使用的API接口:

  • flip()

代码演示:

void QuickDemo::flip_demo(Mat &image) {
	Mat dst;
	flip(image, dst, 1);// 0以x为轴镜像,1以y轴镜像,-1以x=y为轴镜像
	imshow("图像翻转", dst);
}

20、图像旋转

所使用的API接口:

  • getRotationMatrix2D()
  • warpAffine()

代码演示:

void QuickDemo::rotate_demo (Mat &image) {
	Mat M, dst;
	int w = image.cols;
	int h = image.rows;
	M = getRotationMatrix2D(Point2f(w / 2, h / 2), 45, 1.0);
	double cos = abs(M.at<double>(0, 0));
	double sin = abs(M.at<double>(0, 1));
	int nw = w * cos + h * sin;
	int nh = w * sin + h * cos;
	M.at<double>(0, 2) += (nw / 2 - w / 2);
	M.at<double>(1, 2) += (nh / 2 - h / 2);
	warpAffine(image, dst, M,Size(nw,nh),INTER_LINEAR,0,Scalar(0,255,0));
	imshow("旋转", dst);
}

21、视频文件读取、操作与保存

所使用的API接口:

  • VideoCapture capture()

代码演示:

void QuickDemo::video_demo(Mat &image) {
	VideoCapture capture("D:/opencv/test.mp4");
	Mat frame;
	int frame_width = capture.get(CAP_PROP_FRAME_WIDTH);
	int frame_height = capture.get(CAP_PROP_FRAME_HEIGHT);
	int frame_nums = capture.get(CAP_PROP_FRAME_COUNT);
	double frame_fps = capture.get(CAP_PROP_FPS);
	std::cout << "帧宽:" << frame_width << std::endl;
	std::cout << "帧高:" << frame_height << std::endl;
	std::cout << "帧数:" << frame_nums << std::endl;
	std::cout << "帧率:" << frame_fps << std::endl;
	VideoWriter writer("D:/opencv/test_flip.mp4",capture.get(CAP_PROP_FOURCC),frame_fps,Size(frame_width,frame_height),true);
	while (true) {
		capture.read(frame);
		flip(frame, frame, 1);
		writer.write(frame);
		if (frame.empty()) {
			break;
		}
		imshow("frame", frame);
		int c = waitKey(10);
		if (c == 27) {
			break;
		}
	}
	capture.release();
	writer.release();
}

22、图像直方图

所使用的API接口:

  • calcHist()

代码演示:

void QuickDemo::showHistogram_demo(Mat &image) {
	// 三通道分离
	std::vector<Mat> bgr_plane;
	split(image, bgr_plane);
	// 定义参数变量
	const int channels[1] = { 0 };
	const int bins[1] = { 256 };
	float hranges[2] = { 0,255 };
	const float *ranges[1] = { hranges };
	Mat b_hist;
	Mat g_hist;
	Mat r_hist;
	// 计算直方图
	calcHist(&bgr_plane[0], 1, 0, Mat(), b_hist, 1, bins, ranges);
	calcHist(&bgr_plane[1], 1, 0, Mat(), g_hist, 1, bins, ranges);
	calcHist(&bgr_plane[2], 1, 0, Mat(), r_hist, 1, bins, ranges);
	// 显示直方图
	int hist_w = 512;
	int hist_h = 400;
	int bin_w = cvRound((double)hist_w/bins[0]);
	Mat histImage = Mat::zeros(Size(hist_w, hist_h), CV_8UC3);
	// 归一化直方图数据
	normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
	normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
	normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
	// 绘制直方图曲线
	for (int i = 1; i < bins[0]; i++) {
		line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(b_hist.at<float>(i - 1))),
			Point(bin_w*i, hist_h - cvRound(b_hist.at<float>(i))), Scalar(255, 0, 0), 2, 8, 0);
		line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(g_hist.at<float>(i - 1))),
			Point(bin_w*i, hist_h - cvRound(g_hist.at<float>(i))), Scalar( 0,255, 0), 2, 8, 0);
		line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(r_hist.at<float>(i - 1))),
			Point(bin_w*i, hist_h - cvRound(r_hist.at<float>(i))), Scalar(0, 0,255), 2, 8, 0);
	}
	imshow("直方图", histImage);
}

23、二维直方图

所使用的API接口:

代码演示:

void QuickDemo::histogram_2d_demo(Mat &image) {
	// 2D直方图
	Mat hsv, hs_hist;
	cvtColor(image, hsv, COLOR_RGB2HSV);
	int hbins = 30, sbins = 32;
	int hist_bins[] = { hbins,sbins };
	float hrange[] = { 0,180 };
	float srange[] = { 0,360 };
	const float *hs_ranges[] = { hrange,srange };
	int hs_channels[] = { 0,1 };
	calcHist(&hsv, 1, hs_channels, Mat(), hs_hist, 2, hist_bins, hs_ranges, true, false);
	double maxValue = 0.0;
	minMaxLoc(hs_hist, 0, &maxValue, 0, 0);
	int scale = 10;
	Mat hist_2d = Mat::zeros(Size(sbins*scale, sbins*scale), CV_8UC3);
	for (int h = 0; h < hbins; h++) {
		for (int s = 0; s < sbins; s++) {
			float binVal = hs_hist.at<float>(h, s);
			int intensity = cvRound(binVal * 255 / maxValue);
			rectangle(hist_2d, Point(h*scale, s*scale), Point((h + 1)*scale - 1, (s + 1)*scale - 1),
				Scalar::all(intensity));
		}
	}
	applyColorMap(hist_2d, hist_2d, COLORMAP_JET);
	imshow("2D灰度直方图", hist_2d);
}

24、直方图均衡化

所使用的API接口:

  • equalizeHist()

代码演示:

void QuickDemo::histogram_eq_demo(Mat &image) {
	Mat gray,dst;
	cvtColor(image, gray, COLOR_RGB2GRAY);
	equalizeHist(gray, dst);
	imshow("直方图均衡化", dst);
}

25、均值滤波

所使用的API接口:

  • blur()

代码演示:

void QuickDemo::blur_demo(Mat &image) {
	Mat dst;
	blur(image, dst, Size(3, 3), Point(-1, -1));
	imshow("滤波图像", dst);
}

26、高斯滤波

所使用的API接口:

  • GaussianBlur()

代码演示:

void QuickDemo::gaussian_blur_demo(Mat &image) {
	Mat dst;
	GaussianBlur(image, dst, Size(5, 5),5);
	imshow("高斯模糊", dst);
}

27、双边线性滤波

所使用的API接口:

  • bilateralFilter()

代码演示:

void QuickDemo::bifilter_demo(Mat &image) {
	Mat dst;
	bilateralFilter(image, dst, 0, 100, 10);
	imshow("双边滤波", dst);
}
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

Opencv快速入门(C++版),新手向 的相关文章

随机推荐

  • 最优估计与卡尔曼滤波基本原理

    一 最优估计 1 估计理论 xff1a 估计理论是概率论与数理统计的一个分支 xff0c 是根据受扰动的观测数据来提取系统某些参数或状态的一种数学方法 定义估计量的误差为 xff1a 对于随机变量 xff0c 常用均方误差 Mean Squ
  • 非线性卡尔曼滤波及可观测性、观测度

    一 非线性系统的滤波方法 对于非线性系统 xff0c 一种常见的解决思路是先进行泰勒级数展开 xff0c 略去高阶项后近似为线性系统 xff0c 再做线性Kalman滤波估计 这种处理非线性系统的Kalman滤波方法称为扩展Kalman滤波
  • 初始对准及组合导航技术

    一 对准是确定坐标系的过程 1 初始对准 比如说 xff1a 初始对准就是确定的过程 xff0c 通过重力加速度和地球自转角速度 xff0c 其中 xff0c 天向通过重力加速度确定 xff0c 水平面的东北向通过地球自转角速度的分量确定
  • U转串口时,鼠标乱动,解决办法

    window操作系统下 xff0c 当我们通过USB口连接串口后 xff0c 经常发生鼠标乱跳 乱动的现象 xff0c 就好像有人在操作我们的电脑 xff0c 尤其是在长时间保存数据 无人值守的时候 xff0c 一般发生这种问题 xff0c
  • 内参矩阵、外参矩阵、旋转矩阵、平移矩阵、单应矩阵、本征矩阵、基础矩阵

    自己在单目结构光系统 双单目结构光系统及双目相机系统学习的过程中接触到如标题所列的各种矩阵 xff0c 总感觉理解不到位 xff0c 现在特总结下 xff0c 方便日后查阅及修正自己的理解 自己已经总结了单目相机各坐标系的变换 xff0c
  • python报"IndentationError: unexpected indent"的解决方法.

    python是一种对缩进非常敏感的语言 xff0c 最常见的情况是tab和空格的混用会导致错误 xff0c 或者缩进不对 xff0c 而这是用肉眼无法分别的 61 61 61 61 61 61 61 61 61 61 61 61 61 61
  • 我公司招聘嵌入式开发工程师一名,欢迎朋友们做自荐或推荐

    招聘嵌入式开发工程师一名 JD如下 xff1a 1 基于嵌入式linux操作系统进行应用开发 2 基于嵌入式linux系统进行软件集成 3 参与项目需求分析 xff0c 进行系统框架和核心模块的设计 4 编写软件设计文档 测试文档及其他相关
  • 激光产品的安全国标

    GB 7247 1 2012 IEC60825 2014
  • Linux Ubuntu16 网络配置

    1 首先确认网络适配器是桥接模式 虚拟机 gt 设置 gt 网络适配器 gt 桥接 自定义的 VMnet0 2 配置桥接网卡 编辑 gt 虚拟网络编辑器 N gt 更改设置 xff0c 添加Vmnet0 如果可以点击添加网络 xff0c 点
  • AIGC和ChatGPT的区别

    AIGC和ChatGPT的区别主要在于 xff1a AIGC是一个广泛的概念 xff0c 包括多种类型的内容生成 xff1b ChatGPT是一个具体的产品 xff0c 只涉及文本生成 AIGC可以应用在多个领域和场景 xff1b Chat
  • 6S管理的24个常用工具、10大要点

    6S管理就是整理 xff08 SEIRI xff09 整顿 xff08 SEITON xff09 清扫 xff08 SEISO xff09 清洁 xff08 SEIKETSU xff09 素养 xff08 SHITSUKE xff09 安全
  • 二进制位运算

    http blog csdn net gzu imis article details 20078479 1 原码 反码 和 补码 二进制位元算包括按位与 按位或 按位异或 取反 左移以及右移这几种运算 xff0c 运算都使用补码 xff0
  • python中的pow()函数解释

    Python中pow xff0c 里面可以有两个或三个参数 xff0c 它们的意义是完全不同的 1 pow x y 这个是表示x的y次幂 gt gt gt pow 2 4 16 gt gt gt 2 pow x y z xff1a 这个是表
  • javascript中的显示和隐藏(display属性)

    lt DOCTYPE HTML gt lt html gt lt head gt lt meta http equiv 61 34 Content Type 34 content 61 34 text html charset 61 gb2
  • Python中的图像处理

    http www ituring com cn tupubarticle 2024 第 1 章 基本的图像操作和处理 本章讲解操作和处理图像的基础知识 xff0c 将通过大量示例介绍处理图像所需的 Python 工具包 xff0c 并介绍用
  • ubuntu中aptitude工具的意思

    aptitude xff1a xff08 Debian系统的包管理工具 xff09 aptitude与 apt get 一样 xff0c 是 Debian 及其衍生系统中功能极其强大的包管理工具 与 apt get 不同的是 xff0c a
  • 什么是微服务

    一 微服务介绍 1 什么是微服务 在介绍微服务时 xff0c 首先得先理解什么是微服务 xff0c 顾名思义 xff0c 微服务得从两个方面去理解 xff0c 什么是 34 微 34 什么是 34 服务 34 xff0c 微 狭义来讲就是体
  • 三、Docker:命令

    其他文章 xff1a 一 Docker xff1a 概述 二 Docker xff1a 安装 三 Docker xff1a 命令 四 Docker xff1a 可视化管理 五 Docker xff1a 镜像 xff08 image 六 Do
  • mysql group by 报错Expression #2 of SELECT list is not in GROUP BY clause and contains nonaggregated c

    当使用group by的语句中 xff0c select后面跟的列 xff0c 在group by后面没有时 xff0c 会报以下错误 xff1a Expression 2 of SELECT list is not in GROUP BY
  • Opencv快速入门(C++版),新手向

    Opencv快速入门 C 43 43 版 xff09 前言1 图像的读取与显示所使用的API接口 xff1a 代码演示 xff1a 2 图像色彩空间转换所使用的API接口 xff1a 代码演示 xff1a 3 图像对象的创建与赋值所使用的A