《学习opencv3》第10章课后题

=======================================================================
这课后题吧，真的是不写不行，书看着很带劲儿，一到做练习题就熄火，这样怎么行！于是就写吧，不会就百度，不过更厉害的还是StackOverflow、Github，收获很多！

=======================================================================

cv::imread()标志位的解释：

flags = -1：imread按解码得到的方式读入图像
flags = 0：imread按单通道的方式读入图像，即灰白图像
flags = 1：imread按三通道方式读入图像，即彩色图像

https://blog.csdn.net/qq_36969386/article/details/79195890

codes

这是测试时用的图像

第一题

/*
	读取一副带有纹理的图像，使用cv::GaussianBlur平滑
	a.使用对称3*3、5*5、9*9和11*11大小的窗口平滑并显示结果。
	b.通过用5*5高斯滤波器平滑图像两次，输出结果是否和11*11
		滤波器平滑一次几乎相同？为什么？
	*/

	cv::Mat src = cv::imread(argv[1], 0);
	cv::Mat tmp;

	cv::imshow("source image:", src);

	cv::GaussianBlur(src, tmp, Size(3, 3), 0);
	cv::imshow("question a : 3*3 window", tmp);

	cv::GaussianBlur(src, tmp, Size(5, 5), 0);
	cv::imshow("question a :5 * 5", tmp);

	cv::GaussianBlur(src, tmp, Size(9, 9), 0);
	cv::imshow("question a :9 * 9", tmp);

	cv::GaussianBlur(src, tmp, Size(11, 11), 0);
	cv::imshow("question a :11 * 11", tmp);

1111的模糊效果比两次55的更强

	/*
		question b, answer:不相同，所使用的核是不同的，两次5*5对应的核，
		和一次11*11所用的核是不一样的。 
	*/
	cv::GaussianBlur(src, tmp, Size(5, 5), 0);
	cv::GaussianBlur(tmp, tmp, Size(5, 5), 0);
	cv::imshow("question b: two operation 5*5", tmp);

第二题

	/*
		-------------------------------------------------------------------------
		question 2
	*/
	cv::Mat m(Size(100, 100), CV_8UC1, cv::Scalar::all(0));
	m.at<char>(50, 50) = 255;

	cv::GaussianBlur(m, tmp, Size(5, 5), 0);
	cv::imshow("question 2 a : 5 * 5", tmp);

	GaussianBlur(m, tmp, Size(9, 9), 0);
	imshow("question 2 b : 9 * 9", tmp);

	Mat m2;
	GaussianBlur(m, m2, Size(5, 5), 0);
	GaussianBlur(m2, m2, Size(5, 5), 0);
	imshow("question 2 c : 5 * 5 twice", m2);

第三题

在GaussianBlur()中我没有看到参数param1、param2、param3的定义
下面是它的源码中的文档说明：(这一题可能有误，略过)

CV_EXPORTS_W void GaussianBlur( InputArray src, OutputArray dst, Size ksize,
                                double sigmaX, double sigmaY = 0,
                                int borderType = BORDER_DEFAULT );
......           
......
This filter does not work inplace.
@param src Source 8-bit or floating-point, 1-channel or 3-channel image.
@param dst Destination image of the same size and type as src .
@param d Diameter of each pixel neighborhood that is used during filtering. If it is non-positive,
it is computed from sigmaSpace.
@param sigmaColor Filter sigma in the color space. A larger value of the parameter means that
farther colors within the pixel neighborhood (see sigmaSpace) will be mixed together, resulting
in larger areas of semi-equal color.
@param sigmaSpace Filter sigma in the coordinate space. A larger value of the parameter means that
farther pixels will influence each other as long as their colors are close enough (see sigmaColor
). When d\>0, it specifies the neighborhood size regardless of sigmaSpace. Otherwise, d is
proportional to sigmaSpace.
@param borderType border mode used to extrapolate pixels outside of the image, see #BorderTypes

第四题

这是test3

这是test4

这是做差之后

结果分析

一、可以看到differ（做差后的图像）不是黑色。
二、之后我将两幅图读取为灰度图后进行做差，发现结果与一相似。
三、当我用test3减去test3时我发现，得到的结果是黑色的。

从中可以看到test3-test4的结果不是黑色图像的原因是，第二次拍摄时镜头有偏移。

/*
		question 4 ：a
	*/

	cv::Mat src2, src3,differ;
	src2=cv::imread(argv[2],0);
	src3 = cv::imread(argv[3],0);

	absdiff(src2, src3, differ);

	cv::namedWindow("src2 and src3 by differ : ", WINDOW_AUTOSIZE);

	cv::pyrDown(differ, differ);    //图像太大，于是通过基于2的降采样，将图像尺寸缩小一半
	cv::pyrDown(differ, differ); 	//还是有些大，再缩小一遍
	cv::imshow("src2 and src3 by differ : ", differ);

	/*
		b,c
	*/
	cv::Mat cleandiff,dirtydiff;
	cv::erode(differ, cleandiff,cv::Mat());
	cv::dilate(cleandiff, cleandiff, cv::Mat());
	cv::imshow("first erode,second dilate : ", cleandiff);

腐蚀操作缩减了明亮区域
膨胀操作扩张了明亮区域

于是左图明亮区域会比右图中的明亮区域暗。

第五题

这是test5

这是test6

这是结果：

先进行阈值化操作
在使用形态学开操作，进一步去除噪声。

使用腐蚀操作，然后与源图像异或，获取杯子的边缘轮廓。

/*
		question 5 :a b c d
	*/

	//a
	cv::Mat src5, src6,differ6;
	src5 = cv::imread("./test5.jpg", 0);
	src6 = cv::imread("./test6.jpg", 0);
	cv::absdiff(src5, src6, differ6);
	cv::pyrDown(differ6, differ6);    //图像太大，于是通过基于2的降采样，将图像尺寸缩小一半
	cv::pyrDown(differ6, differ6); 	//还是有些大，再缩小一遍
	cv::imshow("src5 src6 differ6: ", differ6);

	//b,设置THRESH_OTSU标志位，使用Otsu算法，自动决定最优的阈值
	cv::threshold(differ6, differ6, 60, 255, THRESH_OTSU);
	imshow("threshold thresh=60 by Otsu adaptive 60 ", differ6);

	//对图像开操作进一步去除噪声
	cv::Mat element = getStructuringElement(MORPH_RECT, Size(13, 13));
	morphologyEx(differ6, differ6,MORPH_OPEN, element);
	imshow("morphologuEx open operatioin", differ6);

	//再进行腐蚀操作
	cv::erode(differ6, differ6,cv::Mat());
	imshow("erode operatioin", differ6);
	//与原图像异或
	cv::Mat output;
	//异或过程中两幅图像大小要一致，由于differ6在前面经历了两次降采样，所以在此对源图像也进行相同操作
	//两图像大小不一致会导致未经处理的异常，在内存位置处...
	cv::pyrDown(src6, src6);    //图像太大，于是通过基于2的降采样，将图像尺寸缩小一半
	cv::pyrDown(src6, src6); 	//还是有些大，再缩小一遍
	cv::bitwise_xor(src6, differ6,output);
	imshow("bitwise_xor operatioin", output);

---

暂时先写到这里，后续更新。