OpenCV在C++下的练习

最新推荐文章于 2024-03-03 22:01:11 发布
最新推荐文章于 2024-03-03 22:01:11 发布
阅读量363 收藏 2
点赞数
原文链接：www.baidu.com
版权

OpenCV在C++下的练习

1.颜色通道转换
#include <opencv2/core.hpp>
#include <opencv2/highgui/highgui.hpp>

void show_pic(cv::String winname, cv::Mat mat);

int main(int argc, char* argv[])
{
	cv::Mat img = imread("test.jpg", cv::IMREAD_COLOR);

	int width = img.rows;
	int height = img.cols;

	cv::Mat out = img.clone();
	show_pic("original", out);

	for (int i = 0; i < height; ++i)
	{
		for (int j = 0; j < width; ++j)
		{
			unsigned char tmp = out.at<cv::Vec3b>(j, i)[0];
			out.at<cv::Vec3b>(j, i)[0] = img.at<cv::Vec3b>(j, i)[2];
			out.at<cv::Vec3b>(j, i)[2] = tmp;
		}
	}
	show_pic("changed", out);

	return 0;
}


void show_pic(cv::String winname, cv::Mat mat)
{
	cv::imshow(winname, mat);
	cv::waitKey(0);
	cv::destroyAllWindows();
}
2.图像灰度化

预定义类型的结构如下所示:

CV_<bit_depth>(S|U|F)C<number_of_channels>

  • 1–bit_depth—比特数—代表8bite,16bites,32bites,64bites
    举个例子吧–比如说,如果你现在创建了一个存储–灰度图片的Mat对象,这个图像的大小为宽100,高100,那么,现在这张灰度图片中有10000个像素点，它每一个像素点在内存空间所占的空间大小是8bite,8位–所以它对应的就是CV_8
  • 2–S|U|F–S–代表—signed int—有符号整形
    U–代表–unsigned int–无符号整形
    F–代表–float---------单精度浮点型
  • 3–C<number_of_channels>----代表—一张图片的通道数,比如:
    1–灰度图片–grayImg—是–单通道图像
    2–RGB彩色图像---------是–3通道图像
    3–带Alph通道的RGB图像–是–4通道图像

灰度化的方法:

  • 分量法
  • 最大值法
  • 平均值法
  • 加权平均法(Y = 0.2126 R + 0.7152 G + 0.0722 B)
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
using namespace cv;

/*
 * Y = 0.2126 R + 0.7152 G + 0.0722 B
 */

int main(int argc, const char* argv[]) {
	cv::Mat img = cv::imread("test.jpg", cv::IMREAD_COLOR);

	int width = img.rows;
	int height = img.cols;


	Mat out = Mat::zeros(width, height, CV_8UC1);

	for (int i = 0; i < out.rows; i++)
	{
		for (int j = 0; j < out.cols; j++)
		{
			out.at<uchar>(i, j) = float(img.at<Vec3b>(i, j)[0] * 0.0722) +
				float(img.at<Vec3b>(i, j)[1] * 0.7152) +
				float(img.at<Vec3b>(i, j)[2] * 0.2126);
		}
	}

	cv::imshow("answer", out);
	cv::waitKey(0);
	cv::destroyAllWindows();
	system("pause");

	return 0;

}

注意at(函数中的类型区别)
在这里插入图片描述

#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

using namespace std;
using namespace cv;

int main(int argc, char* argv[])
{
	Mat img = imread("C:\\Users\\MSI-NB\\Desktop\\test1.jpg", cv::IMREAD_COLOR);
	// unsigned char r_c = img.at<uchar>(1, 1);
	std::cout << "unchar:"<< int(img.at<uchar>(2, 2))<< endl;
	std::cout << "Vec3b:"<<img.at<Vec3b>(2, 2)<< endl;

	system("pause");
}
3.大津二值化算法

参考链接一
参考链接二

otsu 大津算法是一种图像二值化算法，作用是确定将图像分成黑白两个部分的阈值。

方差越大，相关性越低，黑白越分明。

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

using namespace std;
using namespace cv;

void show_pic(cv::String winname, cv::Mat mat);

int main(int argc, char* argv[])
{
	//导入图像
	Mat img = imread("test.jpg", IMREAD_COLOR);

	int width = img.rows;
	int height = img.cols;

	//定义0图
	Mat gray = Mat::zeros(width, height, CV_8UC1);

	show_pic("original_gray", gray);

	//灰度化
	for (int i = 0; i < width; ++i)
	{
		for (int j = 0; j < height; ++j)
		{
			gray.at<uchar>(i, j) = float(img.at<Vec3b>(i, j)[0] * 0.0722) + float(img.at<Vec3b>(i, j)[1] * 0.7152) + float(img.at<Vec3b>(i, j)[2] * 0.2126);
		}

	}

	show_pic("gray", gray);

	//阈值确定
	double w0 = 0, w1 = 0;
	double m0 = 0, m1 = 0;
	double max_sb = 0, sb = 0;

	int th = 0;

	int val = 0;

	for (int t = 0; t < 255; ++t)
	{
		w0 = 0;
		w1 = 0;
		m0 = 0;
		m1 = 0;
		for (int i = 0; i < width; ++i)
		{
			for (int j = 0; j < height; ++j)
			{
				val = gray.at<uchar>(i, j);
				if (val < t)
				{
					w0++;
					m0 += val;
				}
				else
				{
					w1++;
					m1 += val;
				}
			}


		}

		m0 /= w0;
		m1 /= w1;

		w0 /= (height*width);
		w1 /= (height*width);
		sb = w0*w1*pow((m0 - m1), 2);

		if (sb > max_sb)
		{
			max_sb = sb;
			th = t;
		}
	}

	for (int i = 0; i < width; ++i)
	{
		for (int j = 0; j < height; ++j)
		{
			val = gray.at<uchar>(i, j);
			if (val < th)
			{
				val = 0;
			}
			else
			{
				val = 255;
			}
			gray.at<uchar>(i, j) = val;
		}
	}

	show_pic("Otsu", gray);

	system("pause");
	return 0;

}
4.二值化
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

using namespace std;
using namespace cv;

void show_pic(cv::String winname, cv::Mat mat);

int main(int argc, char* argv[])
{
	Mat img = imread("test.jpg", IMREAD_COLOR);

	int width = img.rows;
	int height = img.cols;
	int th = 128;

	Mat gray = Mat::zeros(width, height, CV_8UC1);

	show_pic("gray", gray);

	for (int i = 0; i < width; ++i)
	{
		for (int j = 0; j < height; ++j)
		{
			unsigned char tmp = img.at<Vec3b>(i, j)[0] * 0.0722 + img.at<Vec3b>(i, j)[0] * 0.7152 + img.at<Vec3b>(i, j)[2] * 0.2126;

			if (tmp<128)
			{
				gray.at<uchar>(i, j) = 0;
			}else
			{
				gray.at<uchar>(i, j) = 255;
			}
		}
	}

	show_pic("threhold", gray);

	return 0;
}
5.HSV变换

HSV 变换就是HSV色彩和RGB色彩之间可以互相转换。

HSV 即使用色相（Hue）、饱和度（Saturation）、明度（Value）来表示色彩的一种方式。

6.减色处理
val = {  32  (  0 <= val <  64)
         96  ( 64 <= val < 128)
        160  (128 <= val < 192)
        224  (192 <= val < 256)

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <math.h>

using namespace std;
using namespace cv;

void show_pic(cv::String winname, cv::Mat mat);

int main(int argc, char* argv[])
{
	Mat img = imread("test.jpg", IMREAD_COLOR);
	int width = img.rows;
	int height = img.cols;

	Mat out = Mat::zeros(width, height, CV_8UC3);

	for (int i = 0; i < width; ++i)
	{
		for (int j = 0; j < height; ++j)
		{
			for (int c = 0; c < 3; ++c)
			{
				out.at<Vec3b>(i, j)[c] = floor((double)img.at<cv::Vec3b>(i, j)[c] / 64) * 64 + 32;
			}
		}
	}
	show_pic("out", out);
	system("pause");
	return 0;
}
7.均值池化
#include <imgproc.hpp>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

using namespace std;
using namespace cv;

void show_pic(cv::String winname, cv::Mat mat);

int main(int argc, char* argv[])
{
	Mat img = imread("test.jpg", IMREAD_COLOR);
	show_pic("img", img);

	int width = img.rows;
	int height = img.cols;

	int stride = 8;
	double v = 0;

	if (width%stride != 0 || height%stride != 0)
	{
		width += (width%stride);
		height += (height%stride);

	}

	// Size size = Size(width, height);
	Size size = Size(height, width);
	resize(img, img, size);
	show_pic("img", img);

	Mat out = Mat::zeros(width, height, CV_8UC3);
	show_pic("out", out);

	for (int i = 0; i < width; i += stride)
	{
		for (int j = 0; j < height; j += stride)
		{
			for (int c = 0; c < 3; ++c)
			{
				v = 0;
				for (int _i = 0; _i < stride; ++_i)
				{
					for (int _j = 0; _j < stride; ++_j)
					{
						v += img.at<Vec3b>(i + _i, j + _j)[c];
					}
				}
				v /= (stride*stride);
				// std::cout << v << endl;
				for (int _i = 0; _i < stride; ++_i)
				{
					for (int _j = 0; _j < stride; ++_j)
					{
						out.at<Vec3b>(i + _i, j + _j)[c] = v;
					}
				}
			}
		}
	}

	show_pic("out", out);

	// for (int i = 0; i < width - stride; i += stride)
	// {
	// 	for (int j = 0; j < height - stride; j += stride)
	// 	{
	// 		for (int c = 0; c < 3; ++c)
	// 		{
	// 			v = 0;
	// 			for (int _i = 0; _i < stride; ++_i)
	// 			{
	// 				for (int _j = 0; _j < stride; ++_j)
	// 				{
	// 					v += img.at<Vec3b>(i + _i, j + _j)[c];
	// 				}
	// 			}
	// 			v /= (stride*stride);
	// 			// std::cout << v << endl;
	// 			for (int _i = 0; _i < stride; ++_i)
	// 			{
	// 				for (int _j = 0; _j < stride; ++_j)
	// 				{
	// 					out.at<Vec3b>(i + _i, j + _j)[c] = v;
	// 				}
	// 			}
	// 		}
	// 	}
	// }
	//
	// show_pic("out", out);

}
8.最大池化
#include <imgproc.hpp>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

using namespace std;
using namespace cv;

void show_pic(cv::String winname, cv::Mat mat);

int main8(int argc, char* argv[])
{
	Mat img = imread("test.jpg", IMREAD_COLOR);
	show_pic("img", img);

	int width = img.rows;
	int height = img.cols;

	int stride = 8;
	double v = 0;

	if (width%stride != 0 || height%stride != 0)
	{
		width += (width%stride);
		height += (height%stride);

	}

	Size size = Size(height, width); //h，w
	resize(img, img, size);
	show_pic("img", img);

	Mat out = Mat::zeros(width, height, CV_8UC3);
	show_pic("out", out);

	for (int i = 0; i < width; i += stride)
	{
		for (int j = 0; j < height; j += stride)
		{
			for (int c = 0; c < 3; ++c)
			{
				v = 0;
				for (int _i = 0; _i < stride; ++_i)
				{
					for (int _j = 0; _j < stride; ++_j)
					{
						v = img.at<Vec3b>(i + _i, j + _j)[c] > v ? img.at<Vec3b>(i + _i, j + _j)[c] : v;
					}
				}
				for (int _i = 0; _i < stride; ++_i)
				{
					for (int _j = 0; _j < stride; ++_j)
					{
						out.at<Vec3b>(i + _i, j + _j)[c] = v;
					}
				}
			}
		}
	}
	show_pic("out", out);
	return 0;
}
DeepLearningJay
关注
Opencv,C++入门代码
03-20
Opencv的C++一些简单的入门代码，里面包括一个VScode的工程文件和配置（如果你需要使用，需要按照你自己的编译环境去配置）。和opencv一些简单的练习代码： Mat类at方法的使用，MatIterator使用，Mat类指针，Range类...
利用opencv源码和vs编程序训练分类器haartraining.cpp
迷途中的前进
08-17 2445
如需转载请注明本博网址：http://blog.csdn.net/ding977921830?viewmode=contents。 一  训练框架 训练人脸检测分类器需要三个步骤： (1) 准备正负样本集，分别放到两个文件夹里。我使用的是麻省理工的那个人脸库，大家可以网上搜一下。 （2）把正样本集生成正样本描述文件（*.vec），把负样本集生成负样本集合文件。具体怎么操作请参考我博客中
Opencv + C++ 快速上手练习
m0_37796039的博客
08-05 754
Opencv + C++ 上手练习 一：图像显示 #include <opencv2/opencv.hpp> using namespace cv; int main(){ Mat image = imread("face_10.jpg"); imshow("显示",image); waitKey(0); return 0; } 运行结果： 二：图像腐蚀： #include <opencv2/opencv.hpp> using namespace c
【Yolov8 Opencv C++系列保姆教程】Yolov8 opencv c++ 版本保姆教程，Yolov8训练自己的数据集，实现红绿灯识别及红绿灯故障检测 ，红绿灯故障识别。
zhulong1984的博客
01-02 6194
Yolov8 Opencv C++系列保姆教程，通过一个红绿灯识别的案例，实现了Yolov8 的应用全流程的过程，整个算法最终只依赖了opencv，部署会更加方便、易用。 基于Yolov8训练自己的数据集，实现红绿灯识别及红绿灯故障检测 ，红绿灯故障识别。
opencv实例训练器traincascade源码学习-------traincascade.cpp解析
weixin_30879169的博客
03-28 133
1 #include "opencv2/core.hpp" 2 #include "cascadeclassifier.h" 3 4 using namespace std; 5 using namespace cv; 6 7 int main( int argc, char* argv[] ) 8 { 9 //默认初始...
openCV练习代码（C++版本）
猪猪侠
09-20 9662
1、简单的读取和显示图片 #include<opencv2/opencv.hpp> #include<iostream> using namespace std; using namespace cv; int main(int argc,char** argv){ Mat src = imread("F:/images/zwj.jpg"); //读取图片 if (src.empty()) { //判断是否找到图片 printf("
使用C++编写的OpenCV的一些练习应用Demo
11-30
使用C++编写的OpenCV的一些练习应用Demo，IDE使用的VS2019，OpenCV版本号为4.5.1
练习1_opencv_C++_最大最小拉伸_gdalimg_
09-29
在C++代码中，首先需要包含必要的头文件，如`#include <gdal/gdal.h>`，然后使用GDAL的函数打开img文件，获取图像的原始数据。这通常包括调用`GDALOpen()`函数打开文件，`GDALRasterBand::ReadRaster()`读取图像数据...
openCV的C++项目基础操作.zip
01-12
软件开发设计：应用软件开发、系统软件开发、移动应用开发、网站开发C++、Java、python、web、C#等语言的项目开发与学习资料 硬件与设备：单片机、EDA、proteus、RTOS、包括计算机硬件、服务器、网络设备、存储设备...
OpenCV3.3 for C++Builder 10.3.2
08-20
同时，`include`目录下的头文件需要被包含在项目的搜索路径中，以便能够正确地使用OpenCV的API。 `bin`目录通常包含运行时所需的可执行文件和动态链接库。在开发环境中，你需要将这个目录的路径添加到系统的PATH...
如何用OpenCV训练自己的分类器
04-01
详细介绍了怎样训练自己的分类器，用于图像识别和跟踪，对于初学者很有帮助
opencv训练分类器总结与疑问
01-02
如何利用opencv训练自己的分类器，内有多篇资料
opencv小项目练习，一共九个
04-10
包含九个项目，1.适用于Android的Cartoonifier和换肤器。2.iPhone或iPad上基于标记的增强现实技术。3.无标记增强现实。4.使用OpenCV从Motion探索结构。5.基于SVM和神经网络的车牌识别。6.非刚性人脸跟踪。7.使用AAM和POSIT进行3D头部姿态估计。8.使用特征脸或Fisherfaces进行人脸识别。9.使用Microsoft Kinect开发Fluid Wall。 Chapter1_AndroidCartoonifier Chapter2_iPhoneAR Chapter3_MarkerlessAR Chapter4_StructureFromMotion Chapter5_NumberPlateRecognition Chapter6_NonRigidFaceTracking Chapter7_HeadPoseEstimation Chapter8_FaceRecognition Chapter9_FluidInteractionUsingKinect
《学习OpenCV》习题答案
03-19
经过VS2008调试的程序，学习OpenCV的习题答案
C++ opencv 学习
最新发布
weixin_45715405的博客
03-03 1053
如果norm_type为其他类型，则为归一化要乘的系数。函数原型，归一化类型，常见的有NORM_L1, NORM_L2, NORM_INF, NORM_MINMAX，不同的norm计算方式不一样。原理：取卷积核的中位数，作为卷积核的结果，当卷积核在图像上进行移动，获取到的数之后进行排序，取中位数作为卷积核的结果。边缘处的二阶导数=0，我们可以利用这一特征去寻找图像的边缘，注意：二阶导数为0的位子也可能是无意义的位置（噪声）h2是卷积之后的高度，h1是原图像高度，f卷积核高度，p是填充多少，s是卷积核步长。
opencv(c++)------基础练习四
m0_47405013的博客
05-11 469
opencv练习 #include <iostream> #include<opencv.hpp> using namespace cv; using namespace std; int main() { //复习提纲4： //1.第2章 开发环境 //(1)打开图像，并显示； Mat img = imread("img.jpg"); imshow("原图",img); //(2)对图像进行灰度化处理； Mat gray; cvtColor(img,gray,C
C++ OpenCV透视变换综合练习
Vaccae的博客
01-07 992
学更好的别人，做更好的自己。——《微卡智享》本文长度为3879字，预计阅读9分钟前言以前的文章《C++ OpenCV之透视变换》介绍过透视变换，当时主要是自己固定的变换坐标点，所以在想可...
【Svm机器学习篇】Opencv3.4.1与C++实现对分类问题的训练与预测】
爱CV
08-19 7273
     支持向量机（SVM）中最核心的是4个字——“支持向量”，一旦在两类或多累样本集中定位到某些特定的点作为支持向量，就可以依据这些支持向量计算出来分类超平面，再依据超平面对类别进行归类划分就是水到渠成的事了。有必要回顾一下什么是支持向量机中的支持向量。 上图中需要对红色和蓝色的两类训练样本进行区分，实现绿线是决策面（超平面），最靠近决策面的2个实心红色样本和1个实心蓝色样本分别是两类训练样本...
基于OpenCV和C++实现的水果识别系统
2. C++编程：本资源展示了一个用C++语言结合OpenCV开发的项目，C++在处理图像数据时能够提供较高的效率和较低的运行时消耗。C++的面向对象特性也方便了项目模块化的设计和代码复用。 3. 水果识别：水果识别通常包含...
评论 1
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