opencv 基础知识（二）

1、标量、向量

以下解释来自wiki

标量：又称纯量，是只有大小、没有方向、可用实数表示的一个量。实际上标量就是实数 。

向量：有大小、方向，在矩阵运算中，向量更多地被写成类似于矩阵的列向量或行向量。在线性代数中所指的向量，通常默认为列向量。

在opencv中，向量(矢量)用vec表示，eg:Vec<int ,3> vi (1,3,4);其实是个列向量。

2、图片的对比度、亮度、饱和度、锐化

对比度：
对比度指的是最高和最低灰度级之间的灰度差

亮度：
如果图像为灰度图，像素越低越暗，越高越亮

饱和度：
饱和度指的是图像颜色种类的多少，图像的颜色种类多，饱和度也就更高

锐化：
图像锐化是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰

梯度：
图像的梯度就是 G(x,y) = dx(i,j) + dy(i,j);
为x方向的增量和y方向的增量相加
一阶导数 :也就是图像的增量，反应的是图像像素的变化率
二阶导数：是一阶导数的增量，反应的是凹凸性

改变图像的对比度与亮度的有函数。

src.convertTo(des1, -1, 2.0, 50);
//目标图，深度值，透明通道（对比度），亮度

锐化有各种滤波。

3、图片的滤波与边缘填充(检测)

3.1、Canny边缘检测

步骤：灰度化-----》滤波------》canny；
canny内部实现，计算梯度幅值和方向------》.非极大值抑制-----》滞后阈值。进入源码一看，并不能看到这些实现的过程（看不懂是个原因）。

函数解析：第一个src，第二个out，第三个低阈值，第四个高阈值
阈值可以不分顺序，内部有交换函数。

//源码在modules的opencv_imgproc模块下的canny.cpp ,有兴趣可以讨论。

//[1]第一种，全部交给内部函数处理
Mat image = imread("1.png");
Mat out;
Canny(image, out, 150, 30);

//[2]第二种。
//[2.1]灰度化
cvtColor(image, gray, COLOR_BGR2GRAY);
//[2.2]高斯降噪
blur(gray, edge, Size(3, 3));
//[2.3]canny 算子
Canny(edge, edge, 3, 9, 3);

3.2、Sobel算子

sobel算子，来计算一阶、二阶、三阶或混合图像差分。
详见：https://blog.csdn.net/poem_qianmo/article/details/25560901

函数解析：重点为第三个参数，这里可以取-1或者CV_16S等

//官方的代码 ：先高斯滤波(降噪)或者 先转灰度图，然后进行边缘检测

//代码来自 毛星云
void SobelDetect()
{
	Mat grad_x, grad_y;
	Mat abs_grad_x, abs_grad_y, dst;
	//[1]载入原图
	Mat src = imread("1.png");
	imshow("sobel原图", src);
	//x方向的梯度
	Sobel(src, grad_x, CV_16S, 1, 0, 3); 
	
	**//当第三个参数为-1,就不需要转换成8位**
	
	convertScaleAbs(grad_x, abs_grad_x);
	//缩放，计算绝对值，然后将结果转换为8位。
	imshow("效果图2", abs_grad_x);

	//Y方向的梯度
	Sobel(src, grad_y, CV_16S, 0, 1, 3);
	convertScaleAbs(grad_y, abs_grad_y);
	imshow("效果图4", abs_grad_y);
	//合并显示
	addWeighted(abs_grad_y, 0.5, abs_grad_x, 0.5, 0, dst);
	imshow("合并图", dst);
}

同理其他的算子如：

• Laplace，Laplacian 算子是n维欧几里德空间中的一个二阶微分算子
  Laplacian( src_gray, dst, CV_16S, 3);
• Scharr,和sobel算子差不多，
  Scharr(src, dst, ddepth, dx, dy); 求dx；dy为0，dx为1；
  求dy；dx为0，dy为1；

3.3、霍夫变换（圆、线）

官方提出了两种方式划线
1、利用HoughLines

void HoughLinesDraw()
{
	//【1】载入原始图和Mat变量定义   
	Mat srcImage = imread("w.jpg");  //工程目录下应该有一张名为1.jpg的素材图
	Mat midImage, dstImage;//临时变量和目标图的定义

						   //【2】进行边缘检测和转化为灰度图
	Canny(srcImage, midImage, 50, 200, 3);//进行一此canny边缘检测
	cvtColor(midImage, dstImage,COLOR_GRAY2BGR);//转化边缘检测后的图为灰度图

											  //【3】进行霍夫线变换
	vector<Vec2f> lines;//定义一个矢量结构lines用于存放得到的线段矢量集合
	HoughLines(midImage, lines, 1, CV_PI / 180, 150, 0, 0);

	//【4】依次在图中绘制出每条线段
	for (size_t i = 0; i < lines.size(); i++)
	{
		float rho = lines[i][0], theta = lines[i][1];
		Point pt1, pt2;
		double a = cos(theta), b = sin(theta);
		double x0 = a*rho, y0 = b*rho;
		pt1.x = cvRound(x0 + 1000 * (-b));//不知道为什么
		pt1.y = cvRound(y0 + 1000 * (a));
		pt2.x = cvRound(x0 - 1000 * (-b));
		pt2.y = cvRound(y0 - 1000 * (a));
		line(dstImage, pt1, pt2, Scalar(55, 100, 195), 1,LINE_AA);
	}

	//【5】显示原始图  
	imshow("【原始图】", srcImage);

	//【6】边缘检测后的图 
	imshow("【边缘检测后的图】", midImage);

	//【7】显示效果图  
	imshow("【效果图】", dstImage);
	
	waitKey(0);
	return ;
}

2、利用HoughLinesP

void HoughLinesPDraw()
{
	//[1]载入原图
	Mat src = imread("w.jpg");
	Mat midImage, dstImage;
	//[2]进行边缘检测和转化灰度图
	Canny(src, midImage, 50, 200, 3);//进行一此canny边缘检测
	cvtColor(midImage,dstImage,COLOR_GRAY2BGR);//转化边缘检测后的图为灰度图
	//[3]霍夫变换
	vector<Vec4i> lines;
	HoughLinesP(midImage, lines, 1, CV_PI / 180, 80, 30, 10);
	//[4]划线
	for (size_t i = 0; i < lines.size(); i++)
	{
		Vec4i l = lines[i];
		line(dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 255, 255), 1);
	}
	//[5]显示原始图  
	imshow("【原始图】", src);

	//[6]边缘检测后的图 
	imshow("【边缘检测后的图】", midImage);

	//[7]显示效果图  
	imshow("【效果图】", dstImage);

}

4、图片的放大与缩小

• resize函数
• 高斯金字塔(缩小)
  //需要注意 金字塔必须是整数倍
• 拉普拉斯金字塔(放大)