【翻译】Seeing With OpenCV - Part 1: Introduction to OpenCV

本文翻译自Robin Hewitt的《Seeing With OpenCV - A Five-Part Series》。

正如标题所表达的那样，通过连载的五篇文章，我们将通过step by step的方式，实现一个人脸识别的程序，即从原始图片中检测脸部，并通过某种算法从样本库中筛选近似的肖像加以匹配，这是相当有用&有趣的应用。

这是本系列的第一章，主要介绍OpenCV及其一些简单用法。

[size=x-large]1、OpenCV简介[/size]
OpenCV是一款免费、开源、使用C&C++编写的计算机视觉库，可以从[url]http://sourceforge.net/projects/opencvlibrary[/url]
下载获得。

Intel在1999年发布了OpenCV的第一个版本，当时它需要Intel的图形处理包。现在，这个限制已经被去除，你可以像使用任何一个标准库一样使用OpenCV。

OpenCV被设计为跨平台，同时支持Windows、Linux以及MacOSX。有一个例外，CVCAM（负责摄像头处理）被设计为平台相关，这点后面会讨论到。

[size=x-large]2、特点[/size]
OpenCV具有强大的图形处理功能，庞大的API可能会让初学者产生畏惧感。因此，作为初学者，你只需要了解其中最常用的部分。

[size=medium][i]通用计算机视觉以及图形处理算法（中、低层API）[/i][/size]
使用这些接口，无需复杂的编写图像算法就可以实现一些常用的图像处理功能，包括边缘&直线&角的检测、椭圆拟合、多分辨率的图形金字塔算法、模板匹配，各种变换（傅里叶、离散余弦、距离）等等。

[size=medium][i]高层计算机视觉模块[/i][/size]
OpenCV包含了许多高层的功能，例如脸部检测&识别&跟踪等

[size=medium][i]人工智能与机器学习方法[/i][/size]
计算机视觉的问题往往会涉及到一些机器学习以及人工智能的方法，这些都被包装在OpenCV的机器学习包里面

[size=medium][i]图像采样与视角变换[/i][/size]
OpenCV提供了图像子区域提取、随机采样、图形缩放、包装、旋转以及透视变换等功能

[size=medium][i]二值化图像的创建和处理[/i][/size]
OpenCV提供的二值化图像的创建和分析功能，在监控、形状检测以及物件计数等领域往往很有用

[size=medium][i]3D计算与处理[/i][/size]
这些方法可以用于3D建模和定位，以及摄像机的多视角处理

[size=medium][i]用于图像处理、计算机视觉的数学库[/i][/size]
OpenCV提供了大量常用的数学运算库，包括线性代数、统计学以及几何运算等等

[size=medium][i]作图[/i][/size]
这些接口可以使你很方便地再图片上写字或者作画。可以通过它实现一些简单的水印功能，或者辅助其它更高阶的功能，例如在进行物体识别的同时，可以使用该接口标记检测出来的位置和区域。

[size=medium][i]GUI[/i][/size]
OpenCV封装了许多跨平台的GUI接口作为API，你可以实现自己的应用，操作键盘、鼠标、滑块等控件。

[size=medium][i]数据结构与算法[/i][/size]
使用这些接口，你可以有效地存储、查询、保存和操作一些常用的数据结构，比如链表、几何、树、图等

[size=medium][i]数据持久化[/i][/size]
这些接口提供了将数据保存到本地以便日后读取的功能

下图展示了OpenCV的一些应用场景，包括脸部识别、轮廓检测以及边缘检测。

[img]http://dl.iteye.com/upload/attachment/465062/bc22eb11-285a-3f08-b375-a41a0087c46c.png[/img]

[size=x-large]3、模块结构[/size]
OpenCV包含以下几个模块：

CXCORE包含了一些基本的数据类型的定义。例如，一些常见的图、点、矩形等数据结构定义在cxtypes.h中。CXCORE同时也包含含线性代数和统计等模块，以及持久化函数、错误句柄处理、以及画图等功能。

CV包含了图像处理以及摄像机校正、几何计算等方法。

CVAUX包含了一些实验型的方法，比如脸部识别等

ML主要是一些机器学习的方法

HighGUI包含了一些基本的IO操作以及一些跨平台的界面调用接口

CVCAM包含了一些视频处理的接口，使得你不必亲自去使用DirectX

[size=x-large]4、OpenCV编程基础[/size]
[size=medium][i]关于头文件与库文件的引用[/i][/size]
本文所介绍的大部分程序都需要引用cv.h和highgui.h。脸部识别的程序还需要添加cvaux.h。这些头文件自身引用了其余的大多数其它头文件。

你的连接器也需要添加cxcore.lib、cv.lib以及highgui.lib。对于脸部识别的程序，还需要添加cvaux.lib，它们都在OpenCV的lib目录下。

[size=medium][i]图片的读写[/i][/size]
下面的实例代码说明了如何读取图片文件，并采用不同的压缩格式（jpg -> png）保存为另一个文件。

#include <stdio.h>

int main(int argc, char** argv)
{
  IplImage * pInpImg = 0;

  // Load an image from file
  pInpImg = cvLoadImage("my_image.jpg", CV_LOAD_IMAGE_UNCHANGED);
  if(!pInpImg)
  {
    fprintf(stderr, "failed to load input image\n");
    return -1;
  }

  // Write the image to a file with a different name,
  // using a different image format -- .png instead of .jpg
  if( !cvSaveImage("my_image_copy.png", pInpImg) )
  {
    fprintf(stderr, "failed to write image file\n");
  }

  // Remember to free image memory after using it!
  cvReleaseImage(&pInpImg);

  return 0;
}

当读取图片时，仅需要调用cvLoadImage方法，并且传递给他文件名作为参数即可（如第十四行所述）。OpenCV支持常见的大多数的图片格式，包括JPEG、PNG和BMP（目前还不支持GIF）。你无须关心图片具体是按照何种格式压缩保存的，cvLoadImage会在读取图片头文件信息的时候决定采用哪一种格式的解码器。

可以通过cvSaveImage方法将内存中的图片保存为文件。保存文件时，采用何种压缩格式，是由传入的文件的扩展名决定的。比如，传入参数为"XXX.png"，就以PNG的格式来存储。

在调用cvLoadImage之后，使用完图片资源之后务必记得调用cvReleaseImage来释放内存。

cvLoadImage与cvSaveImage都被封装在HighGUI模块中。

[size=medium][i]色彩空间的转换[/i][/size]
下面的例子说明了如何将一幅图片转化为灰度图。OpenCV内置了许多色彩空间模型方便自由地转换，包括RGB、HSV、YCrCb已经CIELAB等等。如果你对色彩模型感兴趣，推荐看SERVO Magazine的《The World of Color》。

// ConvertToGray.c
// Example showing how to convert an image from color
// to grayscale

#include "stdio.h"
#include "string.h"
#include "cv.h"
#include "highgui.h"

int main(int argc, char** argv)
{
  IplImage * pRGBImg  = 0;
  IplImage * pGrayImg = 0;

  // Load the RGB image from file
  pRGBImg = cvLoadImage("my_image.jpg", CV_LOAD_IMAGE_UNCHANGED);
  if(!pRGBImg)
  {
    fprintf(stderr, "failed to load input image\n");
    return -1;
  }

  // Allocate the grayscale image
  pGrayImg = cvCreateImage
    ( cvSize(pRGBImg->width, pRGBImg->height), pRGBImg->depth, 1 );

  // Convert it to grayscale
  cvCvtColor(pRGBImg, pGrayImg, CV_RGB2GRAY);

  // Write the grayscale image to a file
  if( !cvSaveImage("my_image_gray.jpg", pGrayImg) )
  {
    fprintf(stderr, "failed to write image file\n");
  }

  // Free image memory
  cvReleaseImage(&pRGBImg);
  cvReleaseImage(&pGrayImg);

  return 0;
}

注意，具体执行色彩转换的函数——cvCvtColor，其参数列表包含两个图片指针类型，第一个参数，pRGBImg，代表源图像。第二个参数，pGrayImg，代表目标图像。

注意25行，我们使用cvCreateImage创建了一个与原始图像相同尺寸，但为初始化像素的数据结构，这类操作在今后的OpenCV编程中会很常见。

[size=medium][i]OpenCV图片的数据结构[/i][/size]

OpenCV使用标准的C语言结构体来。其中，IPL是Image Processing Library的缩写。IplImage是在CXCOR中定义的，除了原始的像素数据之外，它还定义了一些元数据（描述字段），统一称为图片的“头文件”。它包括：

[list]
[*]width —— 图片宽度，以像素为单位
[*]height —— 图片高度，以像素为单位
[*]depth —— 图片位深，即每通道每像素所包含的位的数目。比如，depth为IPL_DEPTH_8U，则表示单个通道的每个像素为8位无符号类型，即0-255
[*]nChannels —— 通道数量，一般为1-4. 每个通道包含一种像素数据类型。比如RGB图像包含三个通道，因为每个像素都存储了红、绿、蓝三种颜色信息；而灰度图像只包含一个通道，即像素的亮度。
[/list]
[size=medium][i]操作像素值[/i][/size]
事实上，使用OpenCV的大部分应用，都不需要去直接操作原始的像素数据，比如脸部检测、追踪、识别等；它们只需要使用图像指针以及其它的一些高层的数据结构。OpenCV的许多函数封装了像素级别的计算。尽管如此，你还是会有直接操作原始像素数据的场景，比如当你需要自己写一些图形算法的时候。下面介绍两种操作像素的方法：

[i]1、简单的像素操作[/i]
最简单的读取单个像素的方法时采用cvGet2D方法：

该函数具有三个参数：一个指向数据容器的指针（CVArr*）以及代表了位置坐标（第几行第几列）的数组。数据容器可以使IplImage结构体。最顶上一行的像素的row=0，最低部一行的row=height-1。

cvGet2D返回一个C结构体，CvScalar，其定义如下：

typedef struct CvScalar
{
    double val[4];
}
CvScalar;

每个通道的像素值被保存在val[i]中。对于灰度图像，val[0]代表了像素的亮度值，而其它三个值则被设为0,。对于三通道的BGR图片，blue=val[0]，green=val[1]，red=val[2]。

另一个函数，cvSet2D方法允许你修改像素值，它的定义如下：

void cvSet2D(CvArr*, int row, int col, CvScalar);

[i]2、快速的像素操作[/i]
尽管vGet2D()以及cvSet2D()十分方便使用，但是对于批量存取大量像素点来说，它们的性能很糟糕。此种情况下，你需要直接从原生的数据缓存，即IplImage.imageData中读取像素值。

缓存中的图像数据以一维数组的形式存放，以行优先的顺序，即：先顺序存放第一行的所有数据，再存放第二行的所有数据，以此类推。

出于性能考虑，所有的像素数据都经过对齐，并且在需要的时候补0。IplImage的第二个字段，IplImage.widthStep，代表相邻两行数据之间的bit数，也就是说，第i行的数据指针指向
IplImage.imageData + i*IplImage.widthStep处。

IplImage.imageData被定义为char*类型，因此必要时你需要转换数据类型，比如，通常来说，你的图像数据是unsigned bytes，你在使用它时往往需要将其转化为unsigned char*。

如果你在操作的是位深等于8的灰度图像，可以通过如下方式操作pixel[row][col]：

pixel[row][col] =
    (uchar*)(pImg->imageData + row*pImg->widthStep + col);

最后，如果遇到图片的位深大于8bit的情况（比如，IPL_DEPTH_32S），你需要将其转化为多字节的数据类型，并且将其width step乘以字节数作为其实际的位深（比如，对于IPL_DEPTH_32S来说，你需要将buffer转化为int*，并且将使用4倍的width step。）。尽管如此，实际情况下，很少会遇到需要直接操作多字节像素值的场景。

[size=x-large]5、下一章预告[/size]
在Part 2，我将会介绍如何使用OpenCV来实现脸部检测，并且详细讲解其背后的算法，感谢你的阅读。