OpenCV（C++版本）基础相关（7）：直方图均衡化、图像卷积操作、高斯模糊、高斯双边模糊、实时人脸检测案例

最新推荐文章于 2024-08-24 00:28:01 发布
最新推荐文章于 2024-08-24 00:28:01 发布
阅读量4k 收藏 6
点赞数 1
分类专栏： OpenCV（C++版本）基础相关 文章标签： opencv 计算机视觉 c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 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/Hankerchen/article/details/124367333
版权

文章目录


知识来源：哔哩哔哩。以下内容仅为学习笔记，不做其他用途。

二十六、直方图均衡化

知识点：

  • equalizeHist(gray, dst);//直方图均衡化。参数包括：输入图像，输出图像。

26.1 quickopencv.h

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

class QuickDemo //QuickDemo对象
{
public:
	void histogram_eq_demo(Mat &image);
	
	
};

26.2 QuickDemo.cpp

#include<quickopencv.h>
#include<iostream>

void QuickDemo::histogram_eq_demo(Mat &image)
{
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);//BGR转灰度图像
	imshow("灰度图像", gray);

	//直方图均衡化只支持灰度图像，不支持彩色图像。
	Mat dst;
	equalizeHist(gray, dst);
	imshow("直方图均衡化演示", dst);
}

26.3 test.cpp

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

using namespace std;
using namespace cv;

int main(int argc,char **argv)
{

	Mat src = imread("D:/opencv/pictures/3 (4).jpeg", IMREAD_ANYCOLOR);//B,G,R蓝绿红通道图像
	
	if (src.empty())
	{
		printf("could not load image");			//如果路径不正确，则显示无法导入图片。
		return -1;
	}
	
	namedWindow("输入窗口", WINDOW_AUTOSIZE);	
	imshow("输入窗口", src);					//在窗口显示图像
	QuickDemo qd;								//调用之前创建的类对象	
	qd.histogram_eq_demo(src);
	waitKey(0);									//暂停程序，等待一个按键输入，单位ms
	destroyAllWindows();						//销毁所有创建的窗口
	return 0;
}

在这里插入图片描述

二十七、图像卷积操作

知识点：

  • blur(image, dst, Size(5, 5), Point(-1, -1));//卷积操作。//参数包括：image为输入图像；dst为输出图像；Size(5, 5)为卷积核大小5*5；Point(-1, -1)为默认的中心锚点。

27.1 quickopencv.h

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

class QuickDemo //QuickDemo对象
{
public:
	void blur_demo(Mat &image);
};

27.2 QuickDemo.cpp

#include<quickopencv.h>
#include<iostream>

void QuickDemo::blur_demo(Mat &image)
{
	Mat dst;
	blur(image, dst, Size(5, 5), Point(-1, -1));
	imshow("图像卷积操作", dst);
}

27.3 test.cpp

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

using namespace std;
using namespace cv;

int main(int argc,char **argv)
{

	Mat src = imread("D:/opencv/pictures/3 (1).jpeg", IMREAD_ANYCOLOR);//B,G,R蓝绿红通道图像
	
	if (src.empty())
	{
		printf("could not load image");			//如果路径不正确，则显示无法导入图片。
		return -1;
	}
	
	namedWindow("输入窗口", WINDOW_AUTOSIZE);	
	imshow("输入窗口", src);					//在窗口显示图像
	QuickDemo qd;								//调用之前创建的类对象	
	qd.blur_demo(src);
	waitKey(0);									//暂停程序，等待一个按键输入，单位ms
	destroyAllWindows();						//销毁所有创建的窗口
	return 0;
}

在这里插入图片描述

二十八、高斯模糊

知识点：

  • GaussianBlur(image, dst, Size(5, 5), 15);//高斯模糊。参数包括：image为输入图像；dst为输出图像；Size(5, 5)为内核大小5*5，必须是正数和奇数；第四个参数：double类型的sigmaX，表示高斯核函数在X方向上的标准偏差；第五个参数：double类型的sigmaY，表示高斯核函数在Y方向上的标准偏差。

28.1 quickopencv.h

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

class QuickDemo //QuickDemo对象
{
public:
	void gaussian_blur_demo(Mat &image);
};

28.2 QuickDemo.cpp

#include<quickopencv.h>
#include<iostream>

void QuickDemo::gaussian_blur_demo(Mat &image)
{
	Mat dst;
	GaussianBlur(image, dst, Size(5, 5), 15);
	imshow("高斯模糊", dst);
}

28.3 test.cpp

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

using namespace std;
using namespace cv;

int main(int argc,char **argv)
{

	Mat src = imread("D:/opencv/pictures/3 (1).jpeg", IMREAD_ANYCOLOR);//B,G,R蓝绿红通道图像
	
	if (src.empty())
	{
		printf("could not load image");			//如果路径不正确，则显示无法导入图片。
		return -1;
	}
	
	namedWindow("输入窗口", WINDOW_AUTOSIZE);	
	imshow("输入窗口", src);					//在窗口显示图像
	QuickDemo qd;								//调用之前创建的类对象	
	qd.gaussian_blur_demo(src);
	waitKey(0);									//暂停程序，等待一个按键输入，单位ms
	destroyAllWindows();						//销毁所有创建的窗口
	return 0;
}

在这里插入图片描述

二十九、高斯双边模糊

知识点：

  • bilateralFilter(image, dst, 0, 100, 0);//高斯双边模糊。参数包括：参数包括：image为输入图像；dst为输出图像；表示在滤波过程中每个像素邻域的直径。如果这个值设为非正数，则从第五个参数sigmaSpace来计算它；第四个参数：颜色空间滤波器的sigma值，这个值越大，表示该像素邻域内有越宽广的颜色被混合到一起，会产生较大的半相等颜色区域；第五个参数：坐标空间中滤波器的sigma值，坐标空间的标准方差，它的值越大，则越远的像素会相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。

29.1 quickopencv.h

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

class QuickDemo //QuickDemo对象
{
public:
	void bifilter_demo(Mat &image);
};

29.2 QuickDemo.cpp

#include<quickopencv.h>
#include<iostream>

void QuickDemo::bifilter_demo(Mat &image)
{
	Mat dst;
	bilateralFilter(image, dst, 0, 100, 0);
	namedWindow("高斯双边模糊", WINDOW_FREERATIO);
	imshow("高斯双边模糊", dst);
}

29.3 test.cpp

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

using namespace std;
using namespace cv;

int main(int argc,char **argv)
{

	Mat src = imread("D:/opencv/pictures/3 (1).jpeg", IMREAD_ANYCOLOR);//B,G,R蓝绿红通道图像
	
	if (src.empty())
	{
		printf("could not load image");			//如果路径不正确，则显示无法导入图片。
		return -1;
	}
	
	namedWindow("输入窗口", WINDOW_AUTOSIZE);	
	imshow("输入窗口", src);					//在窗口显示图像
	QuickDemo qd;								//调用之前创建的类对象	
	qd.bifilter_demo(src);
	waitKey(0);									//暂停程序，等待一个按键输入，单位ms
	destroyAllWindows();						//销毁所有创建的窗口
	return 0;
}

在这里插入图片描述

三十、案例：实时人脸检测

30.1 quickopencv.h

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

class QuickDemo //QuickDemo对象
{
public:
	void face_detecction_demo();
};

30.2 QuickDemo.cpp

#include<quickopencv.h>
#include<iostream>

void QuickDemo::face_detecction_demo()
{
	std::string root_dir = "D:/opencv/sources/samples/dnn/face_detector/";
	dnn::Net net = dnn::readNetFromTensorflow(root_dir+"opencv_face_detector_uint8.pb",root_dir+"opencv_face_detector.pbtxt");
	VideoCapture capture("D:/opencv/pictures/1234.mp4");
	Mat frame;
	while (true)
	{
		capture.read(frame);
		if (frame.empty())
		{
			break;
		}
		Mat blob = dnn::blobFromImage(frame,1.0,Size(300,300),Scalar(104,177,123),false,false);
		net.setInput(blob);
		Mat probs = net.forward();
		Mat detectionMat(probs.size[2],probs.size[3],CV_32F,probs.ptr<float>());
		for (int i = 0; i < detectionMat.rows; i++)
		{
			float confidence = detectionMat.at<float>(i, 2);
			if (confidence > 0.5)
			{
				int x1 = static_cast<int>(detectionMat.at<float>(i, 3)*frame.cols);
				int y1 = static_cast<int>(detectionMat.at<float>(i, 4)*frame.rows);
				int x2 = static_cast<int>(detectionMat.at<float>(i, 5)*frame.cols);
				int y2 = static_cast<int>(detectionMat.at<float>(i, 6)*frame.rows);
				Rect box(x1,y1,x2-x1,y2-y1);
				rectangle(frame,box,Scalar(0,0,255),2,8,0);
			}
		}
		imshow("人脸检测演示",frame);
		int c = waitKey(1);
		if (c == 27) {
			break;	
		}
	}
}

30.3 test.cpp

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

using namespace std;
using namespace cv;

int main(int argc,char **argv)
{

	Mat src = imread("D:/opencv/pictures/3 (1).jpeg", IMREAD_ANYCOLOR);//B,G,R蓝绿红通道图像
	
	if (src.empty())
	{
		printf("could not load image");			//如果路径不正确，则显示无法导入图片。
		return -1;
	}
	
	namedWindow("输入窗口", WINDOW_AUTOSIZE);	
	imshow("输入窗口", src);					//在窗口显示图像
	QuickDemo qd;								//调用之前创建的类对象	
	qd.face_detecction_demo();
	waitKey(0);									//暂停程序，等待一个按键输入，单位ms
	destroyAllWindows();						//销毁所有创建的窗口
	return 0;
}
Hankerchen
关注
专栏目录
图像清晰度评价
07-07
使用C#语言实现了几种常用的图像清晰度评价的算法，在机器视觉当中非常实用
opencv c++ 图像卷积（27）（自定义卷积、滤波）
lucust的博客
10-29 1740
这里的窗口一般被称为卷积核（kernal），卷积核中的元素被称为权值。注意，当输入图像通道数为多个时，对应的卷积核也有同样的通道数量。用一个小于图像的矩阵窗口在图像上按照一定的。这里的blur函数步长始终为1。，将对应像素点与窗口权值进行。移动，在窗口覆盖的图像。
[OpenCV] 数字图像处理 C++ 学习——07图像模糊 附完整代码（小白入门篇）
最新发布
m0_60437290的博客
08-24 1050
图像模糊是图像处理中非常常见的操作之一，用于减少图像中的噪声和细节，使图像看起来更加平滑。OpenCV 提供了多种模糊技术，如均值模糊、高斯模糊、中值模糊和双边滤波等。本篇博客将介绍几种常用的图像模糊方法，并通过代码示例演示如何在 OpenCV 中实现这些方法，最后附上完整代码以便学习使用。
图像清晰度计算的3种方法
qq_39619964的博客
08-15 8429
实现3种图像清晰度评价方法，分别是Tenengrad梯度方法、Laplacian梯度方法和方差方法
OpenCV中神经网络介绍与使用
Ring__Rain的博客
02-13 4040
OpenCV中神经网络介绍与使用 一：神经网络介绍 人工神经网络(ANN) 简称神经网络(NN)，最早它的产生跟并行计算有关系，主要是学习生物神经元互联触发实现学习、完成对输入数据的分类与识别。最基本的单元是神经元，有一个输入值，一个输出值，神经元本身根据激活函数来说决定输出值，最简单例子就是感知器 上述在开始的时候通过随机初始化生成权重，然后通过对数据X的训练迭代更新权重直到收敛，过程...
图像清晰算法整理
大菠萝的专栏
02-19 1313
图像清晰算法
直方图均衡化_opencv图像_直方图均衡化_图像增强_图像均衡化_图像_
10-01
直方图均衡化是一种常用的图像处理技术，尤其在图像增强领域有着重要的应用。它通过改变图像的灰度级分布，使图像的整体亮度和对比度得到显著提升，从而改善图像的视觉效果。OpenCV是一个强大的开源计算机视觉库，...
opencv-基于c++实现的opencv图像处理算法之POSHE直方图均衡化.zip
05-15
本文将深入探讨如何使用C++通过OpenCV实现一种特殊的直方图均衡化技术——POSHE（Progressive Over-Sampling Histogram Equalization）。POSHE是一种改进的直方图均衡化方法，旨在提高图像的对比度，特别是在处理低...
直方图人脸检测_人脸识别_OPENCV_C++
04-14
本主题主要关注使用OpenCV库在C++环境下实现的直方图均衡化进行人脸检测的算法。OpenCV（Open Source Computer Vision Library）是一个强大的开源库，提供了多种计算机视觉和图像处理的功能。 直方图均衡化是提升...
直方图均衡化,直方图均衡化原理,Visual C++
09-10
直方图均衡化是一种在数字图像处理领域中广泛使用的图像增强技术，它的主要目标是改善图像的对比度，使得图像的细节更加明显，特别是在图像的暗部和亮部。这一技术在很多应用中都十分关键，例如医学成像、卫星遥感...
基于传统优化方法的图像去模糊文献综述（部分经典文献）
zseqsc_asd的博客
03-27 9380
由于图像模糊在生活中是广泛存在的，图像去模糊问题从上个世纪起就得到了关注和研究。从上个世纪60年代起，为了解决图像去模糊问题，首次提出将图像问题转化到频域中来解决，提出了逆滤波、维纳滤波等经典的算法。但基于频域的图像去模糊算法需要准确的知道模糊的退化类型，并且对噪声敏感，进而提出基于空域的估计算法。常见的基于空域的估计算法有：差分复原算法、最小二乘算法、最大熵算法等。近年来，图像去模糊算法更是取得...
opencv中 equalizeHist（）均衡化直方图
热门推荐
张齐贤的博客
11-18 1万+
1、EqualizeHist函数 函数作用： 直方图均衡化，，用于提高图像的质量 2、EqualizeHist函数调用形式 C++: void equalizeHist(InputArray src, OutputArray dst) #include &lt;opencv2/imgproc/imgproc.hpp&gt; #include &lt;opencv2/highgui/highgu...
基于像素清晰度的图像融合算法（Python实现）
u013049912的博客
11-01 3754
https://blog.csdn.net/yuki_rain/article/details/61915571
C++ opencv之图像直方图均衡化（equalizeHist）
weixin_46196863的博客
12-28 6810
这篇博客我们来学习C++opencv之图像直方图均衡化。 一、主要内容 1.1 直方图均衡化 直方图均衡化是通过拉伸像素强度分布范围来增强图像对比度的一种方法. 1.2 作用 用于提高图像的质量 1.3 函数原型 C++: void equalizeHist(InputArray src, OutputArray dst) 二、代码演示 #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; us
c#绝对值函数图像_图像处理评价指标之模糊度、清晰度（待更新）
weixin_30220465的博客
12-14 935
图像处理评价指标之模糊度 图像和视频在采集、压缩、传输、存储过程中，无可避免地会引入失真。模糊失真是图像、视频质量下降最主要的因素之一，研究图像模糊度评价方法有非常重要的意义。通过对模糊失真进行评测和度量，可以对整个图像传输或处理系统的质量进行监控，进而采取措施提高系统性能模糊度和清晰度概念图像模糊是一种很重要的图像降质因素，在图像获取、传输、处理过程中都有很多因素可能造成图像模糊，比如在获取图像...
图片画质增强器--v1.0老照片修复
banzhuan678的博客
12-10 550
介绍： 使用之后感觉真不错，但是美中不足的就是不能批量处理图片，正好最近有时间，用C#做了个能批量处理的小工具 同样是调用GitHub上 xinntao 大佬的 Real-ESRGAN 项目做的 现在已知处理后图片预览窗显示红叉原因 处理后图片是黑色的原因 1.显卡不符合处理要求 2.输入图片含有空格等特殊字符 非常的黑科技老照片直接变高清 网盘下载地址： http://kekewangLuo.net/xp9p0Ez1e0g0 图片： ...
OPENCV图像处理提高(一）图像增强
weixin_34185512的博客
07-23 3058
在图像处理学习中会涉及到直方图，直方图很好地表现了图像的灰度信息；同时我们注意到在暗图像中，直方图的分量集中在灰度级的低端；亮图像的灰度值集中在直方图灰度值的高端；低对比度的图像有较窄的直方图，并集中于直方图的中间部分；高对比度的图像中直方图的分量覆盖很宽的范围，而且像素的分布没有太不均匀，只能看到少量垂线比其他高许多。通过图像增强可以...
基于C++的OpenCV4入门基础--图像卷积
jiangchaobing_2017的博客
08-21 234
C++ OpenCV4入门基础--卷积操作
评论
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