快速上手图像处理

图像显示、erode腐蚀、blur模糊、Canny边缘检测

---

前言

本文基于OpenCV介绍一些简单的图像处理，帮助新人快速上手OpenCV。由于Chen学知有限，错误的地方欢迎大家纠正。同时有什么疑惑也可在下方留言，看到会在第一时间作出回复。

---

本文涉及：图像显示、腐蚀、模糊、Canny边缘检测等一些简单的图像处理。

一、图像显示

图像显示的实现过程较为简单，只需要通过imread函数载入图片的储存数据结构Mat类中，再调用imshow函数显示即可。 在显示图像的过程中，我们可能会遇到因载入原始图片尺寸太大，占据整个屏幕，而造成图像显示不全等的问题。我们可以通过创建namedWindow(),将第二个参数修改成0，来手动调节窗口大小。

//图像显示
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
	Mat src = imread("test.png");
	if (!src.data)
	{
		printf("未载入图片！请指定正确的文件路径。");
		return -1;
	}
    namedWindow("【原图】", 0);
	imshow("【原图】", src);
	waitKey(0);
	return 0;
}

二、图像腐蚀

腐蚀作为OpenCV最基本的形态学运算之一，即用图像中暗色部分“腐蚀”掉图像中的高亮部分，主要基于getStructuringElement和erode两个函数来实现的。
getStructuringElement函数返回指定的形状和尺寸的结构元素（内核矩阵）。

Mat getStructuringElement(int shape, Size esize, Point anchor = Point(-1, -1));

其中shape为内核的形状，有三种形状可供选择，分别为矩形：MORPH_RECT、交叉形：MORPH_CROSS、椭圆形：MORPH_ELLIPSE。
esize为内核的尺寸。
anchor为锚点的位置，对于锚点的位置，有默认值Point（-1,-1），表示锚点位于中心点。
而erode()函数可以对输入图像用特定结构元素进行腐蚀操作，该结构元素确定腐蚀操作过程中的邻域的形状，各点像素值将被替换为对应邻域上的最小值。

void erode( InputArray src, OutputArray dst, InputArray kernel,
                         Point anchor = Point(-1,-1), int iterations = 1,
                         int borderType = BORDER_CONSTANT,
                         const Scalar& borderValue = morphologyDefaultBorderValue() );

其中src为原始图像，通道数不限，depth必须为CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。
dst为输出图像，size与type与原始图像相同。
kernel用于腐蚀操作的结构元素，如果取值为Mat()，则默认使用一个3 x 3 的矩形结构元素，也可以使用getStructuringElement来创建结构元素。
anchor是结构元素的锚点位置，默认值为value(-1,-1)表示锚点位于结构元素中心。iterations表腐蚀操作被递归执行的次数，borderType为推断边缘类型，Scalar& borderValue是边缘值，后面这4个参数都有对应的默认值，没有特殊需求时都可省略不写，使用默认值。

//腐蚀操作
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
	Mat src = imread("test.png");
	if (!src.data)
	{
		printf("未载入图片！请指定正确的文件路径。");
		return -1;
	}
	//namedWindow("【腐蚀操作 原图】", 0);
	imshow("【腐蚀操作 原图】", src);
	Mat element = getStructuringElement(MORPH_RECT,Size(5,5));
	Mat dst;
	erode(src, dst, element);
	//namedWindow("【腐蚀操作 效果图】", 0);
	imshow("【腐蚀操作 效果图】", dst);
	waitKey(0);
	return 0;
}

三、图像模糊

对图像进行均值滤波操作则可简单地实现对一幅图像的模糊操作。其中主要是基于均值滤波的blur函数。

void blur( InputArray src, OutputArray dst,
                        Size ksize, Point anchor = Point(-1,-1),
                        int borderType = BORDER_DEFAULT );

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。可以用Clone或creat，以源图片为模板，来初始化得到所需目标图。
第三个参数，Size类型的ksize，内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小。
第四个参数，Point类型的anchor，表示锚点（即被平滑的那个点），默认值Point(-1,-1)。如果这个点坐标是负值的话，则表示取核的中心为锚点，所以默认值Point(-1,-1)则表示这个锚点在核的中心。
第五个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。默认值为BORDER_DEFAULT，我们一般不去管它。

//图像模糊
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
	Mat src = imread("Kirky.jpg");
	if (!src.data)
	{
		printf("未载入图片！请指定正确的文件路径。");
		return -1;
	}
	//namedWindow("【模糊操作 原图】", 0);
	imshow("【模糊操作 原图】", src);
	Mat dst;
	blur(src, dst, Size(5, 5));
	imshow("【模糊操作 效果图】", dst);
	waitKey(0);
	return 0;
}

四、边缘检测

Canny边缘检测算子是一种多级检测算法，由John F. Canny于1986年提出，一直是作为一种标准的边缘检测算法，此后也出现了各种基于Canny算法的改进算法。时至今日，Canny算法及其各种变种仍是非常优秀的边缘检测算法。
实现的步骤也较为简单，首先载入图像，将图像转为灰度图，再调用blur函数对图像进行降噪， 然后用Canny函数进行边缘检测，最后显示即可。
这里我们老惯例对Canny函数的使用方法简单地介绍一下。

void Canny( InputArray image, OutputArray edges,
                         double threshold1, double threshold2,
                         int apertureSize = 3, bool L2gradient = false );

与先前一样，image为源图像，edges为目标图像，这里输出的是边缘图像。
threshold1、threshold2分别为两个阈值，阈值较小的那个值作为边缘连接，较大值用于控制边缘的初始段。这里推荐高低阈值的比为2:1或3:1。
apertureSize表示应用Sobel算子孔径的大小，其中默认值为3。
L2gradient是一个计算图像梯度幅值的标识，默认值为false。

//canny边缘检测
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main()
{
	Mat src = imread("Kirky.jpg");
	if (!src.data)
	{
		printf("未正确载入图片！请指定正确的文件路径。");
		return -1;
	}
	imshow("【canny边缘检测 原图】", src);

	Mat image, grayImage, edges;
	image.create(src.size(), src.type());
	//1、将原图转成灰度图
	cvtColor(src, grayImage, COLOR_BGR2GRAY);
	//2、使用(3*3)内核降噪
	blur(grayImage, image, Size(3, 3));
	//3、运行Canny算子
	Canny(image, edges, 3, 9, 3);

	imshow("【canny边缘检测 效果图】", edges);
	waitKey(0);
	return 0;
}

---

总结

上述就是一些简单的图像处理操作，作为简单的入门基础。之后随着学习地不断深入，我们将接触各种各样的图像处理操作。希望在以后的讲解过程中，尽量不写得那么枯燥，哈哈哈。今天就到这里吧！我们下期再见。