openCV快速入门

最新推荐文章于 2024-09-01 21:43:29 发布

HUI的技术笔记

最新推荐文章于 2024-09-01 21:43:29 发布

阅读量1.1k

点赞数 3

本文链接：https://blog.csdn.net/hongszh/article/details/104354236

版权

简介

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它提供了很多函数，这些函数非常高效地实现了计算机视觉算法。
OpenCV 使用 C/C++ 开发，同时也提供了 Python、Java、MATLAB 等其他语言的接口
OpenCV 是跨平台的，可以在 Windows、Linux、Mac OS、Android、iOS 等操作系统上运行。
OpenCV 的应用领域非常广泛，包括图像拼接、图像降噪、产品质检、人机交互、人脸识别、动作识别、动作跟踪、无人驾驶等。
OpenCV 还提供了机器学习模块，你可以使用正态贝叶斯、K最近邻、支持向量机、决策树、随机森林、人工神经网络等机器学习算法。
OpenCV 的目标是为计算机视觉需要解决的问题提供工具。在某些情况下，函数库中的高级功能可以有效解决计算机视觉中的问题。

组成模块

OpenCV 是由很多模块组成的，这些模块可以分成很多层：

最底层是基于硬件加速层（HAL）的各种硬件优化。
再上一层是 opencv_contrib 模块所包含的 OpenCV 由其他开发人员所贡献的代码，其包含大多数高层级的函数功能。这就是OpenCV的核心。
接下来是语言绑定和示例应用程序。
处于最上层的是 OpenCV 和操作系统的交互。

image.png

当前 OpenCV 所拥有的模块

模块	说明
Core	该模块包含 OpenCV 库的基础结构以及基本操作。
mproc	图像处理模块包含基本的图像转换，包括滤波以及类似的卷积操作。
Highgui	在 OpenCV 3.0中，分割为 imcodecs、videoio 以及 highgui 三部分。这个模块包含可以用来显示图像或者简单的输入的用户交互函数。这可以看作是一个非常轻量级的 Windows UI 工具包。
Video	该模块包含读取和写视频流的函数。
Calib3d	这个模块包括校准单个、双目以及多个相机的算法实现。
Feature2d	这个模块包含用于检测、描述以及匹配特征点的算法。
Objdectect	这个模块包含检测特定目标，比如人脸或者行人的算法。也可以训练检测器并用来检测其他物体。
Ml	机器学习模块本身是一个非常完备的模块，包含大量的机器学习算法实现并且这些算法都能和 OpenCV 的数据类型自然交互。
Flann	Flann 的意思是“快速最邻近库”。这个库包含一些你也许不会直接使用的方法，但是其他模块中的函数会调用它在数据集中进行最邻近搜索。
GPU	在 OpenCV 中被分割为多个 cuda* 模块。GPU 模块主要是函数在 CUDA GPU 上的优化实现，此外，还有一些仅用于 GPU 的功能。其中一些函数能够返回很好的结果，但是需要足够好的计算资源，如果硬件没有GPU，则不会有什么提升。
Photo	这是一个相当新的模块，包含计算摄影学的一些函数工具。
Stitching	本模块是一个精巧的图像拼接流程实现。这是库中的新功能，但是，就像 Photo 模块一样，这个领域未来预计有很大的增长。
Nonfree	在 OpenCV 3.0 中，被移到 opencv_contrib/xfeatures2d。OpenCV 包含一些受到专利保护的或者受到使用限制的（比如 SIFT 算法）算法。这些算法被隔离到它们自己的模块中，以表明你需要做一些特殊的工作，才可以在商业产品中使用它们。
Contrib	在 OpenCV 3.0 中，融合进了 opencv_contrib。这个模块包含一些新的、还没有被集成进 OpenCV 库的东西。
Legacy	在 OpenCV 3.0 中，被取消。这个模块包含一些老的尚未被完全取消的东西。
ocl	在OpenCV 3.0 中，被取消，取而代之的是 T-API。这是一个较新的模块，可以认为它和 GPU 模块相似，它实现了开放并行编程的 Khronos OpenCL 标准。虽然现在模块的特性比 GPU 模块少很多，但 ocl 模块的目标是提供可以运行在任何 GPU 或者是其他可以搭载 Khronos 的并行设备。这与 GPU 模块形成了鲜明的对比，后者使用 Nividia CUDA 工具包进行开发，因此只能在 Nividia GPU 设备上工作。

小例子

图像腐蚀

/**
 * 图像腐蚀
 **/
void erodeImage() {
     
    Mat srclmage = imread(image);
    imshow("[ 原图 ] ",srclmage);
     
    //进行腐蚀操作
    //getStructuringElement函数的返回值为指定形状和尺寸的结构元素(内核矩阵〉
    Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
 
 
    Mat dstlmage;
    erode(srclmage, dstlmage, element);
     
    //显示效果图
    imshow ("[ 效果图 ] ", dstlmage);
    waitKey(0);
}

image.png

图像模糊

/**
 * 图像模糊
 **/
void blurImage()
{
    Mat srclmage = imread(image);
    imshow("[ 原图 ] ", srclmage);
    
    //进行均值滤波操作
    Mat dstlmage;
    blur(srclmage, dstlmage, Size(7, 7));
    imshow("[ 效果图 ] ", dstlmage);
    
    waitKey(0);
}

读取视频
实现视频播放的效果

/**
 * 读取视频
 * build : g++ sample2.cpp -lopencv_core -lopencv_highgui -lopencv_imgproc -lopencv_imgcodecs -lopencv_videoio
 */
void readVideo() {

    //读入视频
    VideoCapture capture("/home/mytestvideo/dog3.mp4");

    //循环显示每一帧
    while(1)
    {
        //定义一个Mat变量，用于储存每一帧的图像
        Mat frame;
        //读取当前帧
        capture >> frame;
        if (frame.empty()) {
            cout << "frame empty!" << endl;
            break;
        } else {
            //显示当前帧
            imshow("读取视频",frame);
        }
        waitKey(30);//延时30ms
    }
}

人脸检测

void Pic2Gray(Mat camerFrame,Mat &gray)
{
    //普通台式机3通道BGR,移动设备为4通道
    if (camerFrame.channels() == 3)
    {
        cvtColor(camerFrame, gray, CV_BGR2GRAY);
    }
    else if (camerFrame.channels() == 4)
    {
        cvtColor(camerFrame, gray, CV_BGRA2GRAY);
    }
    else
        gray = camerFrame;
}

void faceCheck() {
    
    //加载Haar或LBP对象或人脸检测器
    CascadeClassifier faceDetector;
    std::string faceCascadeFilename = "./haarcascade_frontalface_default.xml";
 
    //友好错误信息提示
    try{
        faceDetector.load(faceCascadeFilename);
    }
    catch (cv::Exception e){}
    if (faceDetector.empty())
    {
        std::cerr << "脸部检测器不能加载 (";
        std::cerr << faceCascadeFilename << ")!" << std::endl;
        exit(1);
    }
 
    //读取视频
　　 //绝对路径，相对路径不行
    VideoCapture video("/home/mp4/girls.avi"); 
    while (true)
    {
        Mat frame;
        video >> frame;
        if (frame.empty())
        {
            std::cerr << "读取视频失败" << std::endl;
            getchar();
            exit(1);
        }
        Mat displayedFrame(frame.size()/2,CV_8UC3);
 
        //人脸检测只试用于灰度图像
        Mat gray;
        Pic2Gray(frame, gray);
 
        //直方图均匀化(改善图像的对比度和亮度)
        Mat equalizedImg;
        equalizeHist(gray, equalizedImg);
 
        //人脸检测用Cascade Classifier::detectMultiScale来进行人脸检测
 
        int flags = CASCADE_FIND_BIGGEST_OBJECT|CASCADE_DO_ROUGH_SEARCH;    //只检测脸最大的人
        //int flags = CASCADE_SCALE_IMAGE;  //检测多个人
        Size minFeatureSize(30, 30);
        float searchScaleFactor = 1.1f;
        int minNeighbors = 4;
        std::vector<Rect> faces;
        faceDetector.detectMultiScale(equalizedImg, faces, searchScaleFactor, minNeighbors, flags, minFeatureSize);
 
        //画矩形框
        cv::Mat face;
        cv::Point text_lb;
        for (size_t i = 0; i < faces.size(); i++)
        {
            if (faces[i].height > 0 && faces[i].width > 0)
            {
                face = gray(faces[i]);
                text_lb = cv::Point(faces[i].x, faces[i].y);
                cv::rectangle(equalizedImg, faces[i], cv::Scalar(255, 0, 0), 1, 8, 0);
                cv::rectangle(gray, faces[i], cv::Scalar(255, 0, 0), 1, 8, 0);
                cv::rectangle(frame, faces[i], cv::Scalar(255, 0, 0), 1, 8, 0);
            }
        }
        imshow("直方图均匀化", equalizedImg);
        imshow("灰度化", gray);
        imshow("原图", frame);
        waitKey(20);
    }
    getchar();
}