opencv基础入门大总结（一）（学习篇）

（一）opencv读取显示图片

这个吧，真的就算是opencv中的hello world了，基本上都知道是imread（）这个函数，但是这个函数中的参数，在不同情况下的使用，还是略有讲究的，需要大家在学习的时候有所注意。
如果你只需要读入一张“常规的”图片（比如3通道8位，或是3通道24位，又或是一张灰度图），其实直接在“”中写入绝对地址或者相对地址即可。
但如果你是将一个文件夹内的所有图片循环读入做处理，就肯定不能这些写参数了，你需要一个字符串变量去保存你的图片名，字符串中的内容需要有所迭代增加，这时括号中的参数则直接是你所定义的字符串变量。通常会是

imread(filename);

再其他一些情况中，imread有两个参数，除了第一个参数是你所读入的图片名以外，还有第二个参数，其主要目的是对图片的类型做解释，比如：

imread("你的图片",1);

此时1代表读入彩色图像，0代表读入灰度图像。因为imread读进来的图像默认是3通道Mat类型的BGR色彩空间图像，所以如果你想要读入4通道的图像，可以写成

imread("你的图片名称",IMREAD_UNCHANGED);

如果你要读入的是其他色彩空间的图像，则可以写成

imread("你的图片名",IMREAD_ANYCOLOR);

再加入图像之后，你还可以为你的程序做一段容错处理的判断，查看图片是否读入进来，避免程序崩溃

if(image.empty())
{
   cout<<"could not found this picture"<<endl;
   return -1;
}

显示图片是依靠imshow函数，基本用法如下：

imshow("窗口名",image);

但有时图片过大单纯依靠imshow会显示不全图片，这时你需要用到namedwindow()函数，常规使用是

namedwindow("窗口名",WINDOW_FREERATIO);//第二个参数表示自由调整大小，可以按比例拉伸显示
imshow("窗口名",image);//两个窗口名需要保持一致

（二）基础色彩空间转换

如果你只是对常规的图像做色彩空间转换，可以借助cvtColor（）这个函数，这个函数的使用也比较简单

cvtColor(Mat input, Mat output, BGR2HSV);//第三个参数是从什么色彩空间转换到什么色彩空间

（三）图像对象的创建与赋值

这个也可以直接看代码讲，你需要创建一个Mat类型的变量，zeros函数表示你创建出来的空白图像中的每个像素值都是0，第一个参数表示尺寸大小，第二个参数则是图像类型。第二种写法则是创建了一个每个像素值都是1的图像，它的大小和类型都与image图像相同，这种方式通常可以用作复制一张空白图像做处理，当然zeros用的更多。

Mat img = Mat::zeros(Size(8,8),CV_8UC1);//8位的无符号的，1表示单通道
Mat img = Mat::ones(image.size(),image.type());

对于给图像各个像素赋值，在3通道图像时，则需要对一个像素的三个通道都进行赋值，如果你读入的是灰度图像，则像第二行一样只需要一个参数去进行赋值

img = Scalar(0,127,127);
img = Scalar(255);

（四）图像像素的读写操作

对于图像每个像素的读写就需要用到循环遍历啦，你可以首先获取到图像的长宽（因为我自己总记不清cols和rows哪个是行哪个是列。。。尴尬，英语太差），然后对整幅图像进行遍历，记得要先列再行，进入第二层循环后，你可以对图像做个判断，核心的代码是

int pv = image.at<uchar>(row, col);

这句，at函数用来获得图像的某个像素点，row和col用来做角标定位像素点，读取出来的像素点的值被赋值给pv这个整型变量。下面的代码是读取后对它做了个反色处理。

void QuickDemo::pixel_visit_demo(Mat image)
{
	int width = image.cols;
	int height = image.rows;
	int dims = image.channels();
	for (int row = 0; row < height; row++)
	{
		for (int col = 0; col < width; col++)
		{
			if (dims == 1)//灰度图
			{
				int pv = image.at<uchar>(row, col);
				image.at<uchar>(row, col) = 255 - pv;
			}
			if (dims == 3)//彩色图
			{
				Vec3b bgr = image.at<Vec3b>(row, col);
				image.at<Vec3b>(row, col)[0] = 255 - bgr[0];
				image.at<Vec3b>(row, col)[1] = 255 - bgr[1];
				image.at<Vec3b>(row, col)[2] = 255 - bgr[2];
			}
		}
	}
	namedWindow("像素读写",WINDOW_FREERATIO);
	imshow("像素读写",image);
}

（五）图像像素的算术操作

下面是展示了对图像像素进行乘法和加法运算，一种直接调用opencv中的api函数，一种是我们自己写。首先是创建了两个空白图像用来与原图像进行运算，给m图像进行了赋值，调用multiply函数进行了乘法运算。dst是运算后的结果图像。

void QuickDemo::operators_demo(Mat image)
{
	Mat dst = Mat::zeros(image.size(),image.type());
	Mat m = Mat::zeros(image.size(), image.type());
	m = Scalar(2,2,2);
	multiply(image,m,dst);
	namedWindow("*",WINDOW_FREERATIO);
	imshow("*",dst);
	int width = image.cols;
	int height = image.rows;
	int dims = image.channels();
	for (int row = 0; row < height; row++)
	{
		for (int col = 0; col < width; col++)
		{
			/*
			if (dims == 1)//灰度图
			{
				int pv = image.at<uchar>(row, col);
				image.at<uchar>(row, col) = 255 - pv;
			}
			*/
			if (dims == 3)//彩色图
			{
				Vec3b p1 = image.at<Vec3b>(row, col);
				Vec3b p2 = m.at<Vec3b>(row, col);
				dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(p1[0] + p2[0]);
				dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(p1[1] + p2[1]);
				dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(p1[2] + p2[2]);
			}
		}
	}
	namedWindow("add",WINDOW_FREERATIO);
	imshow("add",dst);
	//有opencv 现成的api 函数就尽量直接调

（六）键盘响应操作

其实也挺简单的，和之前讲的东西结合了一点，只需要定义一个字符变量，然后让他在持续的循环中等待键盘中的某个键值就好。注意写循环要留退出方式！

void QuickDemo::key_demo(Mat image)
{
	Mat dst = Mat::zeros(image.size(), image.type());
	while (true)
	{
		char c = waitKey(100);
		if (c == 's')
		{
			break;
		}
		if (c == 'q')
		{
			cvtColor(image,dst,COLOR_BGR2GRAY);
		}
		if (c == 'w')
		{
			cvtColor(image,dst,COLOR_BGR2HSV);
		}
		if (c == 'e')
		{
			dst = Mat::zeros(image.size(), image.type());
			dst = Scalar(40,50,60);
			add(image,dst,dst);
		}
		namedWindow("dst", WINDOW_AUTOSIZE);
		imshow("dst", dst);
	}
}