OpenCV笔记

前言：看的是B站上的视频，基于3.1.0版本和VS2015版本的

1.矩阵掩膜函数，用来增强图片的对比度，使图像阴暗更分明，看起来效果更好：
Mat src,dst;
Mat kernel = (Mat_(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);// 创建掩膜矩阵.
filter2D(src, dst, src.depth(), kernel)//表示把图src用kernel掩膜然后传给dst,src.depth()表示图的位深度
2.一个很重要的处理像素范围的函数：
saturate_cast(int value);//此函数返回一个0到255的值，当value小于0的时候返回0，大于255的时候返回255，在0-255之间的时候返回value。
3.Mat对象的一些常用方法：
Mat src,dst;
⑴.dst = Mat(src.size(), src.type());//创建一个和src尺寸相同，类型一样的图
dst = Scalar(0, 255, 0);//给这个图的三个通道统一赋值
namedWindow(“output”, CV_WINDOW_AUTOSIZE);//创建窗口
imshow(“output”, dst);在这个窗口上把dst显示出来。
⑵.克隆图像：
src.copyTo(dst)或者dst=src.clone();
⑶.图像转换:
cvtColor(src,dst,CV_BGR2GRAY)；//把src从rgb转换成gary，并传给dst.
const char*firstRow=dst.ptr(0);//获取dst图第0行第一个灰度值，前提是dst是灰度图。
4.读取像素值
⑴.针对Gray灰度图:用image.at(y,x)
⑵.针对RGB三通道图:某一坐标的B值=image.at(y,x)[0]
G值=image.at(y,x)[1]
R值=image.at(y,x)[2]
5.对图像进行取反函数：Mat src，dst
bitwise_not(src,dst);//把src图取反传给dst
6.C++中取两个数中最大值的函数：max(a,b)
7.配完环境后如果还提示缺少opencv的dll，可以把所有dll放在C:\Windows\System32里就可以了
8.Mat::zeros(image.size(),image.type())//创建一张跟原图像大小类型一致的空白图像，像素初始值为0；
9.提高或者降低图像亮度与对比度:

	Mat src, dst;
	dst = Mat::zeros(src.size(), src.type());

	float alpha = 1.2;//增加对比度，若想降低可以赋值为0点几
	float beta = 100;//增加亮度，若想降低可赋值为小于0
	for (int row = 0; row < src.rows; row++)
	{
		for (int col = 0; col < src.cols; col++)
		{
			if (src.channels() == 3)
			{
				float b = src.at<Vec3b>(row, col)[0];
				float g = src.at<Vec3b>(row, col)[1];
				float r = src.at<Vec3b>(row, col)[2];
				dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(b*alpha + beta);
				dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(g*alpha + beta);
				dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(r*alpha + beta);

			}
			else if(src.channels() == 1)
			{
				float v = src.at<uchar>(row, col);
				dst.at<uchar>(row, col) = saturate_cast<uchar>(v*alpha + beta);
			}
		}
	}

10.绘制图像和文字：
创建点：

    Point p;
	p.x = 10;
	p.y = 8;

或者：

    Point p = Point(10, 8);

在图像上画线，矩形，椭圆，圆，写文本:

using namespace cv;
using namespace std;
Mat bgImage;
const char input_window[] = "draw image demo";
void MyLines();
void MyRectangle();
void MyEllipse();
void MyCircle();
int main(int argc, char** argv) {
	bgImage = imread("C:/Users/lenovo/Desktop/timg.jpg");
	if (bgImage.empty())
	{


		cout << "could not open the picture!";
		return -1;
	}
	MyLines();//划线
	MyRectangle();//画矩形
	MyEllipse();//画椭圆
	MyCircle();//画圆
	putText(bgImage, "Hello World!", Point(bgImage.cols / 2, bgImage.rows / 2), CV_FONT_HERSHEY_COMPLEX, 1.0, Scalar(0, 0, 255), 2, LINE_8);//在图像上写文字
	//bgImage是要写上字的图像，Point是文字中心点，3是字体类型，1.0是字体缩放倍数，5是字体颜色，2是字体粗细，LINE_8是字线条类型。
	namedWindow(input_window, CV_WINDOW_AUTOSIZE);
	imshow(input_window, bgImage);
	waitKey(0);
	return 0;
}

void MyLines()
{
	Point p1 = Point(20, 30);
	Point p2 = Point(300, 300);
	Scalar color = Scalar(0, 0, 255);
	line(bgImage, p1, p2, color, 1, LINE_8);//p1,p2是起始点，color是线颜色，1是线宽,LINE_8是线类型
}

void MyRectangle()
{
	Rect rect = Rect(200, 100, 300, 300);//头两个参数是起点x,y坐标，后两个是宽和高
	Scalar color = Scalar(255, 0, 0);
	rectangle(bgImage, rect, color, 2, LINE_8);//2是线宽,LINE_8是线类型
}

void MyEllipse()
{
	Scalar color = Scalar(0, 255, 0);
	ellipse(bgImage, Point(bgImage.cols / 2, bgImage.rows / 2), Size(bgImage.cols / 4, bgImage.rows / 8), 90, 0, 360, color, 2, LINE_8);
	//Point是椭圆中心，Size里面是长轴和短轴，90是旋转角度，0和360代表画完一整个封闭椭圆
}

void MyCircle()
{
	Scalar color = Scalar(0, 255, 0);
	circle(bgImage, Point(bgImage.cols / 2, bgImage.rows / 2), 50, color, 2, LINE_8);//Point是圆心，50是半径
}

11.图像模糊:
⑴.高斯滤波和均值滤波的区别理解:两者都可以用来消除噪声（个人理解中值滤波是去除噪声最好的），但均值滤波不能很好地保留图像细节（高斯好一点，但也不能完全保留细节，高斯双边滤波可以，常用于人脸美容）；均值滤波处理后，原本很大的像素值可以变得很小，高斯滤波则会让原本很大的像素值依然很大，经常用来消除服从高斯分布的高斯噪声；高斯滤波比均值滤波的好处是可以突出重点。
⑵.算子说明：
①.均值滤波：

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

参数说明：前两个参数分别是输入和输出图像；Size是平滑的矩阵大小（（15,1）是对图像X方向进行模糊，（1,15）是对Y方向模糊），矩阵越大模糊越厉害，常用（3,3）；Point表示矩阵的锚点，默认值是（-1，-1），表示在中心；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。有默认值BORDER_DEFAULT，我们一般不去管它，可以直接不用输入这个参数。
②.高斯滤波：

void GaussianBlur(InputArray src,OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, intborderType=BORDER_DEFAULT )  

参数说明：前两个参数分别是输入和输出图像；第三个参数，Size类型的ksize高斯内核的大小，表示平滑矩阵大小；第四个参数，double类型的sigmaX，表示高斯核函数在X方向的的标准偏差；第五个参数，double类型的sigmaY，表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来；为了结果的正确性着想，最好是把第三个参数Size，第四个参数sigmaX和第五个参数sigmaY全部指定到；第六个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它，可以不用输入。
③.中值滤波：（去除椒盐噪声最常用）

void medianBlur(InputArray src,OutputArray dst, Size ksize)

参数说明：前两个分别为输入和输出图像，ksize是平滑的矩阵大小，这个值只能大于0，且一定是奇数，填一个数就行，因为这个矩阵一定是正方形的。
④.高斯双边滤波：（相对于高斯滤波能更好的保留原图细节，常用于人脸美容修图祛痘）

void bilateralFilter( InputArray src, OutputArray dst, int d,
                                   double sigmaColor, double sigmaSpace,
                                   int borderType = BORDER_DEFAULT );

参数说明：
参数3：每个像素领域的直径d。（常用15）

参数4：颜色空间滤波器sigma的值，决定多少差值之内的像素会被计算。可以比喻为一个网，越大，漏出来的越大。（常用150）

参数5：坐标空间中滤波器sigma的值。d>0，声明无效，否则根据它来计算d值。（常用3）

参数6：边界模式，有默认值（可以不填）

12.膨胀和腐蚀
形态学四个基本操作：腐蚀、膨胀、开运算、闭运算。
⑴.膨胀：用一个模板在图像上滑动，以模板内像素最大值替换模板中心点像素值，作用是把图暗的区域变得更小
⑵.腐蚀：和膨胀相反
代码演示：（注意创建滑动条和函数绑定的方法很实用）

#include<opencv2/opencv.hpp>
#include<iostream>
#include<cstdio>

using namespace cv;
using namespace std;
Mat src,dst;
const char output_window[] = "output image";
int element_size = 3;
int max_size = 21;
void CallBack_demo(int, void*);
int main(int argc, char** argv) {
	src = imread("C:/Users/lenovo/Desktop/timg.jpg");
	if (!src.data)
	{
		cout << "could not open the picture!\n";
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

	namedWindow(output_window, CV_WINDOW_AUTOSIZE);
	createTrackbar("Element Size: ",output_window,&element_size,max_size,CallBack_demo);//在UI上创建一个滑动条，回调函数用CallBack_demo
	//这样滑动这个模块的时候图像就会跟着变化，注意CallBack_demo函数中structElement的赋值，是跟element_size关联在一起的
	CallBack_demo(0, 0);

	waitKey(0);
	return 0;
}

void CallBack_demo(int, void *)
{
	Mat structElement = getStructuringElement(MORPH_RECT, Size(element_size * 2 + 1, element_size * 2 + 1), Point(-1, -1));//获取结构元素函数，第一个参数
	//是形态学运算的模板形状（这里是矩形），第二个参数是内核的尺寸，第三个参数是内核的锚点，默认为（-1，-1），表示在中心点。
	dilate(src, dst, structElement, Point(-1, -1), 1);//膨胀（亮的更多），Point默认在（-1，-1）锚点在中心点（可不写），1表示膨胀的循环次数为1次（不写默认为1）
	erode(src,dst,structElement);//腐蚀（暗的更多）参数解释同膨胀
	imshow(output_window, dst);
}

13.开运算闭运算
高级形态学变换：
开运算：
先腐蚀，再膨胀，可清除小亮点
闭运算：
先膨胀，再腐蚀，可清除小黑点
形态学梯度：
膨胀图与腐蚀图之差，提取物体边缘
顶帽：
原图像-开运算图，突出原图像中比周围亮的区域 ，可以用来提取小亮点
黑帽：
闭运算图-原图像，突出原图像中比周围暗的区域，提取小黑点

morphologyEx函数利用基本的膨胀和腐蚀技术，来执行更加高级形态学变换，函数如下：

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

参数说明：
src
输入图像，图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。
dst
输出图像，需和源图片保持一样的尺寸和类型。
op
表示形态学运算的类型：
MORPH_OPEN – 开运算（Opening operation）
MORPH_CLOSE – 闭运算（Closing operation）
MORPH_GRADIENT - 形态学梯度（Morphological gradient）
MORPH_TOPHAT - 顶帽（Top hat）
MORPH_BLACKHAT - 黑帽（Black hat）
kernel
形态学运算的内核。为NULL，使用参考点位于中心3x3的核。一般使用函数getStructuringElement配合这个参数的使用，
kernel参数填保存getStructuringElement返回值的Mat类型变量。
anchor
锚的位置，其有默认值（-1，-1），表示锚位于中心。 可不输入
iterations
迭代使用函数的次数，默认值为1。 可不输入
borderType
用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_CONSTANT。 可不输入
borderValue
当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，可不输入

一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。
14.两种二值化方法详解：
此部分参考【OpenCV3】阈值化操作，又修改了部分内容。
⑴.直接二值化:

double cv::threshold(
	cv::InputArray src, // 输入图像
	cv::OutputArray dst, // 输出图像
	double thresh, // 阈值
	double maxValue, // 向上最大值
	int thresholdType // 阈值化操作的类型 
);

参数详解：thresholdType 有五个选项：
CV_THRESH_BINARY；CV_THRESH_BINARY_INV；CV_THRESH_TRUNC；CV_THRESH_TOZERO；CV_THRESH_TOZERO_INV。下图给出了五个不同选项的效果：

代码演示：

void test_threshold()
{
	Mat src = imread("C:/Users/lenovo/Desktop/timg.jpg", IMREAD_GRAYSCALE);
	Mat dst;

	threshold(src, dst, 100, 255, THRESH_BINARY);

	namedWindow("threshold", CV_WINDOW_AUTOSIZE);
	imshow("threshold", dst);
	waitKey(0);

	return;
}

注：有时我们自己不知道如何去确定阈值设为多少才合适，这时候就会用到两个自动找阈值的方法，具体的操作方式是：

threshold(gray_src,dst,0,255,THRESH_OTSU | THRESH_BINARY);//注意最后一个参数的用法，“|”之前是一个表示要自动寻阈值

但是，直接阈值化操作是一种一刀切的方式，对于亮度分布差异较大的图像，常常无法找到一个合适的阈值。如下所示，对棋盘格进行二值化操作，由于图像右上角区域和图像下部的亮度差异较为大，无法找到一个合适的阈值，将棋盘上的所有棋盘格给区分开来


针对于上述情况，我们需要一种改进的阈值化算法，即自适应阈值化。
⑵.自适应阈值化能够根据图像不同区域亮度分布的，改变阈值，具体调用方法如下：

void cv::adaptiveThreshold(
	cv::InputArray src, // 输入图像
	cv::OutputArray dst, // 输出图像
	double maxValue, // 向上最大值
	int adaptiveMethod, // 自适应方法，平均或高斯
	int thresholdType // 阈值化类型
	int blockSize, // 块大小
	double C // 常量
	);

cv::adaptiveThreshold()支持两种自适应方法，即cv::ADAPTIVE_THRESH_MEAN_C（平均）和cv::ADAPTIVE_THRESH_GAUSSIAN_C（高斯）。在两种情况下，自适应阈值T(x, y)。通过计算每个像素周围b*b大小像素块的加权均值并减去常量C得到。其中，b由blockSize给出，大小必须为奇数；如果使用平均的方法，则所有像素周围的权值相同；如果使用高斯的方法，则（x,y）周围的像素的权值则根据其到中心点的距离通过高斯方程得到。
代码演示如下：

void test_adaptive_threshold()
{
	Mat src = imread("chessboard.png", IMREAD_GRAYSCALE);
	Mat dst;
 
	int maxVal = 255;
	int blockSize = 41;
	double C = 0;
	adaptiveThreshold(src, dst, maxVal, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, blockSize, C);
 
	imshow("threshold", dst);
	waitKey(0);
	return;
}

分别使用平均和高斯两种自适应方法，结果如下：