OpenCV3编程入门(一)

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

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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