OpenCV3编程入门（一）

最新推荐文章于 2022-06-19 11:02:55 发布
最新推荐文章于 2022-06-19 11:02:55 发布
阅读量899 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/BAIMUQIAO/article/details/119736382
版权
本文介绍了OpenCV3中Canny、Sobel和Scharr边缘检测方法的实现，以及如何使用这些算子进行图像处理。通过示例代码展示了如何进行图像的灰度转换、降噪、边缘检测和滤波，帮助读者理解OpenCV在图像处理领域的基本操作。
摘要由CSDN通过智能技术生成

Ctrl+K Ctrl+C 批量添加代码注释

Ctrl+K Ctrl+U 批量删除代码注释

#include <opencv2/opencv.hpp>
#include<vector>
#include<time.h>//XML和YAML文件的写入
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include "opencv2/core/core.hpp"
//#pragma warning(disable : 4996);
using namespace std;
using namespace cv;
#define WINDOW_NAME "【程序窗口】"//为窗口标题定义的宏

/*-----------------边缘检测--begin------------------------*/

原图，原图的灰度版，目标图
//Mat g_srcImage, g_srcGrayImage, g_dstImage;
//
Canny边缘检测相关变量
//Mat g_cannyDetectedEdges;
//int g_cannyLowThreshold = 1;//TrackBar位置参数
//
Sobel边缘检测相关变量
//Mat g_sobelGradient_X, g_sobelGradient_Y;
//Mat g_sobelAbsGradient_X, g_sobelAbsGradient_Y;
//int g_sobelKernelSize = 1;
//
Scharr滤波器相关变量
//Mat g_scharrGradient_X, g_scharrGradient_Y;
//Mat g_scharrAbsGradient_X, g_scharrAbsGradient_Y;
//
//static void on_Canny(int, void*);//Canny边缘检测窗口滚动条的回调函数
//static void on_Sobel(int, void*);//Sobel边缘检测窗口滚动条的回调函数
//void Scharr();//封装了Scharr边缘检测相关代码的函数
//
//int main(int argc,char** argv)
//{
//    system("color 2F");
//
//    g_srcImage = imread("2.jpg");
//    if (!g_srcImage.data)
//    {
//        printf("读取srcImage错误~！\n");
//        return false;
//    }
//
//    namedWindow("【原始图】");
//    imshow("【原始图", g_srcImage);
//
//    //创建与src同类型和大小的矩阵(dst)
//    g_dstImage.create(g_srcImage.size(), g_srcImage.type());
//
//    //将原图像转换为灰度图像
//    cvtColor(g_srcImage, g_srcGrayImage, COLOR_BGR2GRAY);
//
//    //创建显示窗口
//    namedWindow("【效果图】Canny边缘检测", WINDOW_AUTOSIZE);
//    namedWindow("【效果图】Sobel边缘检测", WINDOW_AUTOSIZE);
//
//    //创建trackbar
//    createTrackbar("参数值：", "【效果图】Canny边缘检测", &g_cannyLowThreshold, 120, on_Canny);
//    createTrackbar("参数值：", "【效果图】Sobel边缘检测", &g_sobelKernelSize, 3, on_Sobel);
//
//    //调用回调函数
//    on_Canny(0, 0);
//    on_Sobel(0, 0);
//
//    //调用封装了Scharr边缘检测代码的函数
//    Scharr();
//
//    //轮询获取按键信息，若按下Q，程序退出
//    while((char(waitKey(1))!='q')){ }
//    return 0;

//}
//描述：Canny边缘检测窗口滚动条的回调函数

//void on_Canny(int, void*)
//{
//    //先使用3*3内核来降噪
//    blur(g_srcGrayImage, g_cannyDetectedEdges, Size(3, 3));
//
//    //运行我们的Canny算子
//    Canny(g_cannyDetectedEdges, g_cannyDetectedEdges, g_cannyLowThreshold, g_cannyLowThreshold * 3, 3);
//
//    //先将g_dstImage内所有的元素设置为0
//    g_dstImage = Scalar::all(0);
//
//    //使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中
//    g_srcImage.copyTo(g_dstImage, g_cannyDetectedEdges);
//
//    //显示效果图
//    imshow("【效果图】Canny边缘检测", g_dstImage);
//}
//
描述：Sobel边缘检测窗口滚动条的回调函数
//void on_Sobel(int, void*)
//{
//    //求X方向梯度
//    Sobel(g_srcImage, g_sobelGradient_X, CV_16S, 1, 0, (2 * g_sobelKernelSize + 1), 1, 1, BORDER_DEFAULT);
//    convertScaleAbs(g_sobelGradient_X, g_sobelAbsGradient_X);//计算绝对值，并将结果转换成8位
//
//    //求Y方向梯度
//    Sobel(g_srcImage, g_sobelGradient_Y, CV_16S, 0, 1, (2 * g_sobelKernelSize + 1), 1, 1, BORDER_DEFAULT);
//    convertScaleAbs(g_sobelGradient_Y, g_sobelAbsGradient_Y);//计算绝对值，并将结果转换成8位
//
//    //合并梯度
//    addWeighted(g_sobelAbsGradient_X, 0.5, g_sobelAbsGradient_Y, 0.5, 0, g_dstImage);
//}
//
描述：封装了Scharr边缘检测相关代码的函数
//void Scharr()
//{
//    //求X方向梯度
//    Scharr(g_srcImage, g_scharrGradient_X, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT);
//    convertScaleAbs(g_scharrGradient_X, g_scharrAbsGradient_X);//计算绝对值，并将结果转换成8位
//    //求Y方向梯度
//    Scharr(g_srcImage, g_scharrGradient_Y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT);
//    convertScaleAbs(g_scharrGradient_Y, g_scharrAbsGradient_Y);//计算绝对值，并将结果转换成8位
//
//    //合并梯度
//    addWeighted(g_scharrAbsGradient_X, 0.5, g_scharrAbsGradient_Y, 0.5, 0, g_dstImage);
//
//    //显示效果图
//    imshow("【效果图】Scharr滤波器", g_dstImage);
//}
/*-----------------边缘检测--end------------------------*/

/*-----------------Scharr滤波器--begin-------------------*/

//int main()
//{
//    Mat grad_x, grad_y;
//    Mat abs_grad_x, abs_grad_y, dst;
//
//    Mat src = imread("2.jpg");
//    imshow("【原始图】Scharr滤波器", src);
//
//    //求X方向梯度
//    Scharr(src, grad_x, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT);
//    convertScaleAbs(grad_x, abs_grad_x);
//    imshow("【效果图】X方向Scharr", abs_grad_x);
//
//    //求Y方向梯度
//    Scharr(src, grad_y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT);
//    convertScaleAbs(grad_y, abs_grad_y);
//    imshow("【效果图】Y方向Scharr", abs_grad_y);
//
//    //合并梯度
//    addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
//
//    //显示效果图
//    imshow("【效果图】合并梯度后Scharr", dst);
//
//    waitKey(0);
//    return 0;
//}

/*-----------------Scharr滤波器--end-------------------*/

/*------------------Laplacian算子的使用--begin------------*/

//int main()
//{
//    //变量的定义
//    Mat src, src_gray, dst, abs_dst;
//
//    //载入原始图
//    src = imread("2.jpg");
//
//    //显示原始图
//    imshow("【原始图】图像Laplace变换", src);
//
//    //使用高斯滤波消除噪声
//    GaussianBlur(src, src, Size(3, 3), 0, 0, BORDER_DEFAULT);
//
//    //转换为灰度图
//    cvtColor(src, src_gray, COLOR_RGB2GRAY);
//
//    //使用Laplace函数
//    Laplacian(src_gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT);
//
//    //计算绝对值，并将结果转换成8位
//    convertScaleAbs(dst, abs_dst);
//
//    //显示效果图
//    imshow("【效果图】图像Laplace变换", abs_dst);
//    waitKey(0);
//    return 0;
//}

/*------------------Laplacian算子的使用--end------------*/
/*------------------Sobel算子的使用--begin-------------------*/

//int main()
//{
//    //创建grad_x和grad_y矩阵
//    Mat grad_x, grad_y;
//    Mat abs_grad_x, abs_grad_y, dst;
//
//    //载入原始图
//    Mat src = imread("2.jpg");
//
//    //显示原始图abs_grad
//    imshow("【原始图】sobel边缘检测", src);
//
//    //求X方向梯度
//    Sobel(src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);
//    convertScaleAbs(grad_x, abs_grad_x);
//    imshow("【效果图】X方向Sobel", abs_grad_x);
//
//    //求Y方向梯度
//    Sobel(src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);
//    convertScaleAbs(grad_y, abs_grad_y);
//    imshow("【效果图】Y方向Sobel", abs_grad_y);
//
//    //合并梯度（近似）
//    addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
//    imshow("【效果图】整体方向Sobel", dst);
//
//    waitKey(0);
//    return 0;
//}

/*------------------Sobel算子的使用--end-------------------*/

/*------------------Canny边缘检测--begin---------------------*/

//int main()
//{
//    Mat src = imread("2.jpg");
//    Mat src1 = src.clone();
//
//    imshow("【原始图】Canny边缘检测", src);
//
//    Mat dst, edge, gray;
//    //创建与src同类型核大小的矩阵（dst）
//    dst.create(src1.size(), src1.type());
//
//    //将原图像转换为灰度图像
//    cvtColor(src1, gray, COLOR_BGR2GRAY);
//
//    //先用使用3*3内核来降噪
//    blur(gray, edge, Size(3,3));
//
//    //运行Canny算子
//    Canny(edge, edge,  3, 9, 3);
//
//    //将g_dstImage内的所有元素设置为0
//    dst = Scalar::all(0);
//
//    //使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中
//    src1.copyTo(dst, edge);
//
//    //显示效果图
//    imshow("【效果图】Canny边缘检测2", dst);
//    waitKey(0);
//    return 0;
//}

/*------------------Canny边缘检测--end---------------------*/

/*-----------------基本阈值操作---begin-----------------------*/

//int g_nThresholdValue = 100;
//int g_nThresholdType = 3;
//Mat g_srcImage, g_grayImage, g_dstImage;
//
//static void ShowHelpText();//输出帮助文字
//void on_Threshold(int, void*);//回调函数
//
//int main()
//{
//    //读入源图片
//    g_srcImage = imread("2.jpg");
//    if (!g_srcImage.data)
//    {
//        printf("读取图片错误，请确定目录下是否有imread函数指定的图片存在~！\n");
//        return false;
//    }
//
//    //存留一份原图的灰度值
//    cvtColor(g_srcImage, g_grayImage, COLOR_RGB2GRAY);
//
//    //创建窗口并显示原始图
//    namedWindow(WINDOW_NAME, WINDOW_AUTOSIZE);
//
//    //创建滑动条来控制阈值
//    createTrackbar("模式", WINDOW_NAME, &g_nThresholdType, 4, on_Threshold);
//    createTrackbar("参数值", WINDOW_NAME, &g_nThresholdValue, 255, on_Threshold);
//
//    //初始化自定义的阈值回调函数
//    on_Threshold(0, 0);
//
//    //轮询等待用户按键，如果ESC键按下则退出程序
//    while (1)
//    {
//        int key;
//        key = waitKey(20);
//        if ((char)key == 27)
//        {
//            break;
//        }
//    }
//}
//    void on_Threshold(int, void * )
//    {
//        //调用阈值函数
//        threshold(g_grayImage, g_dstImage, g_nThresholdValue, 255, g_nThresholdType);
//        //更新效果图
//        imshow(WINDOW_NAME, g_dstImage);
//    }

/*-----------------基本阈值操作---end-----------------------*/


/*-----------------图像金字塔与图片尺寸缩放---begin-------------*/

//Mat g_srcImage, g_dstImage, g_tmpImage;
//int main()
//{
//    //载入原图
//    g_srcImage = imread("2.jpg");//工程目录下需要有一张名为2.jpg的测试图像，且其尺寸需被2的N次方整除，N为可以缩放的次数
//    if (!g_srcImage.data)
//    {
//        printf("读取srcImage错误~！\n");
//        return false;
//    }
//    //创建显示窗口
//    namedWindow(WINDOW_NAME, WINDOW_AUTOSIZE);
//    imshow(WINDOW_NAME, g_srcImage);
//
//    //参数赋值
//    g_tmpImage = g_srcImage;
//    g_dstImage = g_tmpImage;
//
//    int key = 0;
//
//    //轮询获取按键信息
//    while (1)
//    {
//        key = waitKey(9);//读取键值到key变量中
//        //根据key变量的值，进行不同的操作
//        switch (key)
//        {
//        case 27://按键ESC
//            return 0;
//            break;
//
//        case 'q':
//            return 0;
//            break;
//
//        case 'a':
//            pyrUp(g_tmpImage, g_dstImage, Size(g_tmpImage.cols * 2, g_tmpImage.rows * 2));
//            printf(">检测到按键【A】被按下，开始进行基于【pyrUp】函数的图片放大：图片尺寸*2\n");
//            break;
//        case 'w':
//            resize(g_tmpImage, g_dstImage, Size(g_tmpImage.cols * 2, g_tmpImage.rows * 2));
//            printf(">检测到按键【W】被按下，开始进行基于【resize】函数的图片放大：图片尺寸*2\n");
//            break;
//        case '1':
//            resize(g_tmpImage, g_dstImage, Size(g_tmpImage.cols * 2, g_tmpImage.rows * 2));
//            printf(">检测到按键【1】被按下，开始进行基于【resize】函数的图片放大：图片尺寸*2\n");
//            break;
//        case '3':
//            pyrUp(g_tmpImage, g_dstImage, Size(g_tmpImage.cols * 2, g_tmpImage.rows * 2));
//            printf(">检测到按键【3】被按下，开始进行基于【pyrUp】函数的图片放大：图片尺寸*2\n");
//            break;
//        case 'd':
//            pyrDown(g_tmpImage, g_dstImage, Size(g_tmpImage.cols / 2, g_tmpImage.rows / 2));
//            printf(">检测到按键【D】被按下，开始进行基于【pyrDown】函数的图片缩小：图片尺寸/2\n");
//            break;
//        case 's':
//            resize(g_tmpImage, g_dstImage, Size(g_tmpImage.cols / 2, g_tmpImage.rows / 2));
//            printf(">检测到按键【S】被按下，开始进行基于【resize】函数的图片缩小：图片尺寸/2\n");
//            break;
//        case '2':
//            resize(g_tmpImage, g_dstImage, Size(g_tmpImage.cols / 2, g_tmpImage.rows / 2),(0,0),(0,0),2);
//            printf(">检测到按键【2】被按下，开始进行基于【resize】函数的图片缩小：图片尺寸/2\n");
//            break;
//        case '4':
//            pyrDown(g_tmpImage, g_dstImage, Size(g_tmpImage.cols / 2, g_tmpImage.rows / 2));
//            printf(">检测到按键【4】被按下，开始进行基于【pyrDown】函数的图片缩小：图片尺寸/2\n");
//            break;
//        }
//        imshow(WINDOW_NAME, g_dstImage);
//        //将g_dstImage赋给g_tmpImage，方便下一次循环
//        g_tmpImage=g_dstImage;
//
//    }
//    return 0;
//}

/*-----------------图像金字塔与图片尺寸缩放---end-------------*/

/*--------------------漫水填充-----begin-----------------------*/

//Mat g_srcImage, g_dstImage, g_grayImag

最低0.47元/天 解锁文章
Judy_Marder
关注
opencv3入门
jinseino的博客
01-09 404
** opencv下载安装环境配置 ** 我是为了做一个手势识别课题，所以初次接触了opencv图像识别技术，这第一步就是去官网[http]下载opencv目前最新版本是opencv-4.2.0-vc14_vc15。 下载opencv 在opencv官网下载最新版本opencv,选择的时候要选对应for windows版本下载， 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢...
opencv3 编程入门
01-25
计算机视觉 opencv3编程入门 毛星云 电子工业出版社 cv
OpenCV——博客整理篇
cherily0418的博客
11-12 560
小弱只能靠整理大神的博客们为生作为初学笔记~~ 浅墨_毛星云的一套OpenCV教程
OpenCV3编程入门
二二②四的小窝
04-04 506
opencv 版本2.8.41 imread函数Mat imread (const string&amp; filename, int flags = 1);1 filename:要载入的图片路径名2 fiags为载入标识，指定一个加载图像的颜色类型，默认值为1，表示载入三通道的彩色图像。这个参数可以在OpenCV中标识图像格式的枚举体中取值。若为0，灰度图像。若为2：当载入图像的深度为16位或者...
【浅墨著作】《OpenCV3编程入门》内容简介&勘误&配套源代码下载
热门推荐
【浅墨的游戏编程Blog】毛星云（浅墨）的专栏
03-18 12万+
经过近一年的沉淀和总结，《OpenCV3编程入门》一书终于和大家见面了。最近有为数不少的小伙伴们发邮件给浅墨建议最好在博客里面贴出这本书的目录，方便大家更好的了解这本书的内容。其实最近浅墨实在是有些忙，个人独立开发的3D ARPG跨平台游戏App刚刚登陆安卓平台，各大应用商店都需要上架，加之各种学业方面的事情，所以这篇文章直到现在才发出来。OK，先看看《OpenCV编程入门》这本书的封面吧。和出版
Opencv3编程入门
hjxu2016的博客
04-21 1408
传送门 毛星云（浅墨）的专栏
opencv3编程入门-毛星云
我的博客
06-19 4584
opencv入门
OpenCV3编程入门 毛星云编著 电子工业出版_opencv3编程入门_
09-29
作为一个基于开源发行的跨平台计算机视觉库，OpenCV 实现了图像处理和计算机视觉方面的很多通用算法。本书以当前最新版本的OpenCV 最常用最核心的组件模块为索引， 深入浅出地介绍了OpenCV2 和OpenCV3 中的强大功能...
OpenCV3版-OpenCV3编程入门例程源代码（95个）.zip
05-04
这个压缩包“OpenCV3版-OpenCV3编程入门例程源代码（95个）.zip”是针对初学者准备的，包含了95个使用OpenCV3编写的基础示例程序。这些实例覆盖了OpenCV3的多个核心功能，可以帮助学习者快速掌握OpenCV的基本用法，...
OpenCV3编程入门_毛星云编著_opencv视觉_opencv_
10-04
opencv3编程指导书，适用于学习opencv者
opencv3编程入门
weixin_45777782的博客
03-14 339
一、OpenCV概述 1、OpenCV全程Open Source Computer Vision Library，即开源计算机视觉库。它是一个跨平台的开源计算机视觉库，可以运行在windows、linux、Mac OS、Android、iOS等操作系统上。OpenCV用C/C++编写，轻量且高效，还支持使用C#、Ch、Ruby等编程语言，同时提供对Python、Ruby、MATLAB等语言的接口。...
目录-OpenCV3编程入门
qq_34356368的博客
08-23 363
二 初探core组件 4 OpenCV数据结构与基本绘图 4.1 基础图像容器Mat 4.1.1 数字图像存储概述 4.1.2 mat结构的使用 4.1.3 像素值的存储方法 4.1.4 显示创建mat对象的七种方法 4.1.5 OpenCV中的格式化输出方式 4.1.6 输出其他常用数据结构 4.1.7 示例程序：基础图像容器mat类的使用 4.2 常用数据结构和函数 4....
OpenCV3编程入门-学习笔记（xmind文件）
Magician0619的博客
02-22 527
大二上学期差不多花了一个月左右的时间吧，把毛星云版的编程入门看完了，前前后后所有的程序都跑了一遍，最后面还做了一个X-mind的笔记（有想要的可以私聊我，QQ：56672035），就先放上一个总览图吧~ ...
report ETL .ffff
09-17
report ETL .ffff
基于ssm的共享充电宝管理系统设计与实现.docx
09-17
基于ssm的共享充电宝管理系统设计与实现.docx
操作系统大作业_Linux_命令行_OSWork.zip
最新发布
09-17
操作系统大作业_Linux_命令行_OSWork
Java项目-基于SSM+Jsp的社区管理与服务系统的设计与实现（源码+数据库脚本+部署视频+代码讲解视频+全套软件）
09-17
【基于SSM+Jsp的社区管理与服务系统的设计与实现】高分通过项目，已获导师指导。 本项目是一套基于SSM+Jsp的社区管理与服务系统，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的Java学习者。也可作为课程设计、期末大作业 包含：项目源码、数据库脚本、开发说明文档、部署视频、代码讲解视频、全套软件等，该项目可以直接作为毕设使用。 项目都经过严格调试，确保可以运行！
吉他谱_Show Me How To Live - Audioslave.pdf
09-17
初级入门吉他谱 guitar tab
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值