【openCV入门之二】 快速上手

今天学习了openCV的三个例子，分别是图像腐蚀，图像模糊，还有图像边缘检测，三个例子分别用了openCV提供的相关运算函数，实现基本形态学运算。

首先第一个例子是 - 图像腐蚀，腐蚀和膨胀是图像形态学处理的最基本操作。

膨胀是指将一些图像或是图像中的一部分区域，我们称之为A的区域与核- 我们称之为B的区域进行卷积。膨胀用于求局部的最大值。

腐蚀则是膨胀的反操作，腐蚀操作要计算区域像素的最小值。

简单的来说腐蚀可以分割独立的图像元素，而膨胀则是用于连接相邻的元素。

相关的图形形态学先不深究，直接上程序：

VS2010新建控制台项目，新建cpp文件，并且放入用于测试的图片“1.jpg”，记住一定要放在和cpp文件同一个目录下

<span style="font-size:14px;">#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace cv;

int main()
{
	//载入原图
	Mat srcImage = imread("1.jpg");
	//显示效果
	imshow("【原图】腐蚀操作",srcImage);
	//运行腐蚀操作
	Mat element = getStructuringElement(MORPH_RECT,Size(15,15));
	Mat dstImage;
	erode(srcImage,dstImage,element);
	//显示效果图
        imshow("【效果图】腐蚀操作",dstImage);
	waitKey(0);
	return 0;
}</span>

代码中的函数 getStructuringElement（）函数，返回值：指向指定形状和尺寸的结构元素。

第一个参数：表示内核的形状，有三种形状可选，矩形: MORPH_RECT交叉形: MORPH_CROSS椭圆形: MORPH_ELLIPSE，

第二个参数: 表示内核的尺寸，

第三个参数: 表示锚点的位置。

以及关键的函数erode()

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像通道的数量可以是任意的，但图像深度应为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F其中之一。

第二个参数: OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。

第三个参数: InputArray类型的kernel，腐蚀操作的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。

第四个参数: Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于单位（element）的中心，我们一般不用管它。

第五个参数: int类型的iterations，迭代使用erode（）函数的次数，默认值为1。

第六个参数: int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。

第七个参数: const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般不用。

上例子中用到前面三个参数，后面四个参数使用的是默认值。

运行看效果图：

第二个例子描述如何模糊一副图片

图像模糊也是图像处理的基本操作

同样VS2010新建控制台项目，新建cpp文件，并且放入用于测试的图片“1.jpg”，记住一定要放在和cpp文件同一个目录下

<span style="font-size:14px;">#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace cv;

int main()
{
	//载入原图
	Mat srcImage = imread("1.jpg");
	//显示效果
	imshow("【原图】均值滤波",srcImage);
	//机型均值滤波操作
	Mat dstImage;
	blur(srcImage,dstImage,Size(7,7));
	//显示效果图
    imshow("【效果图】均值滤波",dstImage);
	waitKey(0);
	return 0;
}
</span>

图像模糊有几种方法，例如平均模糊，高斯模糊，中值滤波，双边滤波等，

opencv针对这几种方法都提供了相关的函数来进行模糊操作，我们的例子中用到了

hlur()方法，即均值滤波：

blur( src, dst, Size( i, i ), Point(-1,-1) )

第一个参数：src：原始图像

第一个参数：dst：模糊图像

第一个参数：Size(i, i )：滤波模板大小

第一个参数：Point(-1,-1)：中心点定位

上效果图：

第三个例子是边缘检测

所谓边缘是指其周围像素灰度急剧变化的那些象素的集合，它是图像最基本的特征。边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。 

同样VS2010新建控制台项目，新建cpp文件，并且放入用于测试的图片“1.jpg”，记住一定要放在和cpp文件同一个目录下

<span style="font-size:14px;">#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace cv;

int main()
{
	//载入原图
	Mat srcImage = imread("1.jpg");
	//显示效果
	imshow("【原图】Canny边缘检测",srcImage);
	//机型均值滤波操作
	Mat edge,grayImage;
	//[1]将原图像转换为灰度图像
	cvtColor(srcImage,grayImage,CV_BGR2GRAY);
	//[2]先用3x3的北河来降噪
	blur(grayImage,edge,Size(3,3));
	//[3] 运行Canny 算子
	Canny(edge,edge,3,9,3);
	//[4]显示效果图
    imshow("【效果图】Canny边缘检测",edge);

	waitKey(0);

	return 0;
}</span>

使用的例子中用Canny算子来进行边缘检测，通过

函数介绍:

Canny(InputArrayimage,OutputArray edges, double threshold1, double threshold2, intapertureSize=3,bool L2gradient=false )

第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和类型。

第三个参数，double类型的threshold1，第一个滞后性阈值。

第四个参数，double类型的threshold2，第二个滞后性阈值。

第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。

第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。

例子效果图：