使用c++ opencv进行数字图像处理学习(一)

一、opencv简述

        Opencv（Open Source Computer Vision Library）是一个基于开源发行的跨平台计算机视觉库，它实现了图像处理和计算机视觉方面的很多通用算法，已成为计算机视觉领域最有力的研究工具。在这里我们要区分两个概念：图像处理和计算机视觉的区别：图像处理侧重于“处理”图像–如增强，还原，去噪，分割等等；而计算机视觉重点在于使用计算机来模拟人的视觉，因此模拟才是计算机视觉领域的最终目标。
  OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS， 如今也提供对于C#、Ch、Ruby，GO的支持

OpenCV图像处理原理

  一般的图像(模拟图像)不能直接用计算机来处理，必须先将图像转化为数字图像。把模拟图像分割成一个个像素，每个像素的亮度或灰度值用一个整数表示——图像的数字化

         灰度：显示器是由像素矩阵组成，每个像素发光亮度按照灰阶（8bit下是 0-254）显示，灰阶越高亮度越高，图像中说明这个灰阶的值就是灰度。它是一个具体的数值，一般说法例如某某像素的灰度值是多少等。

 灰度图像数字化 ，数字化其实就是化成同行同列的二维数组，而每个坐标存的就是相关的灰度值（0-255）(为什么是0-255？一个字节存放8bit，而图的储存一般都是以uint8类型存放，同时计算机时按照二进制存放数值，也就是2的8次方，也就是256）

1.图像的读取显示保存

#include<opencv2/opencv.hpp>
#include<iostream>


using namespace cv;
using namespace std;

int main()
{
	Mat image;   //创建一个空图像image
	image = imread("/opt/MVS/bin/Temp/Data/new_image.bmp"); //读取文件夹中的图像

	//检测图像是否加载成功
	if (image.empty())  //检测image，无数据返回真
	{
		cout << "Could not open or find the image" << endl;
		return -1;
	}

	namedWindow("IMAGE");  //创建显示窗口，不加这行代码，也能显示，默认窗口大小不能改变
	imshow("IMAGE", image);  

	imwrite("/opt/MVS/bin/Temp/Data/new_image.bmp", image); //在指定路径保存图像

	waitKey(0);  //暂停，保持图像显示

	return 0;

}

---

2.Mat创建图像，获取图像信息和感兴趣区域

#include<iostream>
#include<opencv2/opencv.hpp>

using namespace cv;
using namespace std;


int main()
{
	Mat image1 = imread("/opt/MVS/bin/Temp/Data/new_image.bmp");  //读取图像；
	if (image1.empty())
	{
		cout << "读取错误" << endl;
		return -1;
	}

	imshow("image1", image1);  //显示图像；

	cout << "图像的行数： " << image1.rows << endl;  //获取图像的高度；
	cout << "图像的列数： " << image1.cols << endl;  //获取图像的宽度；
	cout << "图像的通道数： " << image1.channels() << endl;  //获取图像的通道数，彩色图=3，灰度图=1；
	cout << "图像的尺寸： " << image1.size << endl;  //获取图像的尺寸，行*列；

    Mat imageROI(image1, Rect(0,0,10,10));  //定义感兴趣区域
    //其中Rect（）有四个参数，Rect（a,b,c,d）:
    //a：感兴趣区域列(cols)的起点；
    //b：感兴趣区域行(rows)的起点；
    //c：感兴趣区域的列数(cols)；
    // d：感兴趣区域的行数(rows)；
	
    waitKey(0);  //暂停，保持图像显示，等待按键结束

	return 0;
}

机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域，ROI。
  在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子（Operator）和函数来求得感兴趣区域ROI，并进行图像的下一步处理。 在图像处理领域，感兴趣区域(ROI) 是从图像中选择的一个图像区域，这个区域是你的图像分析所关注的重点。圈定该区域以便进行进一步处理。使用ROI圈定你想读的目标，可以减少处理时间，增加精度。

https://blog.csdn.net/AI_girl/article/details/114358685获取图像属性、感兴趣区域ROI及通道处理   https://blog.csdn.net/AI_girl/article/details/114358685

---

3.色彩空间转换

void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 );

（1）.src（source）:输入的源图像。为矩阵形式。

（2）.dst（destination）：输出的目标图像，即经过色彩转后我们需要得到的图像。也为矩阵形式。

（3）.code：颜色空间转换的标识符，表示我们所要进行空间转换的结果。

（4）.dstCn：目标图像中的通道数;如果参数为0，则从src和代码自动获得通道的数量。

所以以彩色图像为源图像进行颜色空间转换时，注意是“BGR2   ”

3.1灰度变换（灰度反转，对数变换，幂律（伽马）变换）

1.灰度反转

原理

灰度反转：将图像亮暗对调，可以增强图像中暗色区域细节

其中L为图像灰度级，0~255灰度图像的灰度级为256.

#include<iostream>
#include<opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{ 
	Mat image1, output_image, image1_gray;   //定义输入图像，输出图像，灰度图像
	image1 = imread(" in.jpg");  //读取图像；
	if (image1.empty())
	{
		cout << "读取错误" << endl;
		return -1;
	}

	cvtColor(image1, image1_gray, COLOR_BGR2GRAY);  //灰度化
	imshow(" image1_gray", image1_gray);   //显示灰度图像

	output_image = image1_gray.clone();
	for (int i = 0; i < image1_gray.rows; i++)
	{
		for (int j = 0; j < image1_gray.cols; j++)
		{
			output_image.at<uchar>(i, j) = 255 - image1_gray.at<uchar>(i, j);  //灰度反转
		}
	}
	imshow("output_image", output_image);  //显示反转图像


	waitKey(0);  //暂停，保持图像显示，等待按键结束
	return 0;
}

---

convertTo的用法

convertTo函数一般用于CV_32s转为CV_8U：

void convertTo( OutputArray m, int rtype, double alpha=1, double beta=0 ) const;

参数

• m       – 目标矩阵。如果m在运算前没有合适的尺寸或类型，将被重新分配。
• rtype – 目标矩阵的类型。因为目标矩阵的通道数与源矩阵一样，所以rtype也可以看做是目标矩阵的位深度。如果rtype为负值，目标矩阵和源矩阵将使用同样的类型。
• alpha – 尺度变换因子（可选）。默认值是1。即把原矩阵中的每一个元素都乘以alpha。
• beta   – 附加到尺度变换后的值上的偏移量（可选）。默认值是0。即把原矩阵中的每一个元素都乘以alpha，再加上beta

4.直方图

要理解直方图，绕不开“亮度”这个概念。人们把亮度分为0到255共256个数值，数值越大，代表的亮度越高。其中0代表纯黑色的最暗区域，255表示最亮的纯白色，而中间的数字就是不同亮度的灰色。人们还进一步把这些亮度分为了5个区域，分别是黑色，阴影，中间调，高光和白色。

void calcHist( const Mat* images, int nimages,
                          const int* channels, InputArray mask,
                          OutputArray hist, int dims, const int* histSize,
                          const float** ranges, bool uniform=true, bool accumulate=false );
 

• images：输入的图像的指针；
• nimages：输入图像个数；
• channels：需要统计直方图的第几通道；
• mask：掩模，mask必须是一个8位（CV_8U）的数组并且和images的数组大小相同；
• hist：直方图计算的输出值；
• dims：输出直方图的维度（由channels指定）；
• histSize：直方图中每个dims维度需要分成多少个区间（如果把直方图看作一个一个竖条的话，就是竖条的个数）；
• ranges：统计像素值的区间；
• uniform=true：是否对得到的直方图数组进行归一化处理；
• accumulate=false：在多个图像时，是否累积计算像素值的个数；

参考：https://zhuanlan.zhihu.com/p/483604320