opencv学习及应用

简介

OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。

在计算机视觉项目的开发中,OpenCV作为较大众的开源库,拥有了丰富的常用图像处理函数库。主要应用到下面的这些领域:
  1、人机互动 ;2、物体识别 ;3、图像分割 ;4、人脸识别;5、动作识别;6、运动跟踪 ;7、机器人;8、运动分析;9、机器视觉 ;10、结构分析 ;11、汽车安全驾驶

计算机视觉作为人工只能最火的一个方向,而Python作为人工能的工具语言,毫不意外的,opencv提供了opencv-python第三方包,这个包里包含许多python的高级的API接口,Python开发直接调包到方法即可使用。

加载和显示图像

#include <opencv2/core/core.hpp> 
#include <opencv2/highgui/highgui.hpp> 
#include <iostream>

int  main (  int  argc ,  char **  argv  ) 
{  
    if (  argc  !=  2 )  
    { 
     cout  << " Usage: display_image ImageToLoadAndDisplay"  <<  endl ; 
     //返回 - 1 ; 
    }
    
    // 读取图像;
    image  =  imread ( argv [ 1 ],  CV_LOAD_IMAGE_COLOR );    // 读取文件

    if ( !image.data ) // 检查无效输入
    {
    	cout << " Could not open or find the image " << std :: endl ; //返回- 1 ; 
    }                               
    
    namedWindow (  "显示窗口" ,  CV_WINDOW_AUTOSIZE  ); // 创建一个用于显示的窗口。
    imshow (  "显示窗口" ,  image  );                    // 在其中显示我们的图像。

    waitKey(0 );                                          // 等待窗口中的击键
    return  0 ; 
}

读取、修改、保存图像

#include <cv.h> 
#include <highgui.h>

int  main (  int  argc ,  char **  argv  ) 
{ 
 if ( argc  !=  2 ) 
 { 
   printf ( "useage: %s <imagefile> \n " ,  argv [ 0 ]); 
   return - 1 ; 
 } 
 char *  imageName  =  argv [ 1 ];

 // 加载图像;
 image  =  imread (  imageName ,  CV_LOAD_IMAGE_COLOR );

 if (  ! image.data ) { 
 printf ( "无图像数据\n " ) ; 
 return - 1 ;
  } 
 // 转灰色图像;
 cvtColor ( image,  gray_image ,  CV_BGR2GRAY  );

// 需要根据你的电脑目录保存
 imwrite (  "../../images/Gray_Image.jpg" ,  gray_image  );

 namedWindow ( "图像名称",  CV_WINDOW_AUTOSIZE  ); 
 namedWindow (  "灰度图像" ,  CV_WINDOW_AUTOSIZE  );

 imshow ( 图像名称, 图像 ); 
 imshow (  "灰度图像" ,  gray_image  );

 waitKey(0)return 0 ; 
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
OpenCV小项目 这是一个个人在使用OpenCV过程中写的一些小项目,以及一些非常有用的OpenCV代码,有些代码是对某论文中的部分实现。 注意:代码是在Xcode里写的,如果要在win下测试,遇到问题自己修改。 opencv-rootsift-py 用python和OpenCV写的一个rootsift实现,其中RootSIFT部分的代码参照Implementing RootSIFT in Python and OpenCV这篇文章所写,通过这个你可以了解Three things everyone should know to improve object retrieval这篇文章中RootSIFT是怎么实现的。 sift(asift)-match-with-ransac-cpp 用C++和OpenCV写的一个图像匹配实现,里面包含了采用1NN匹配可视化、1NN匹配后经RANSAC剔除错配点可视化、1NN/2NN<0.8匹配可视化、1NN/2NN<0.8经 RANSAC剔除错配点可视化四个过程,其中1NN/2NN<0.8匹配过程是Lowe的Raw feature match,具体可以阅读Lowe的Distinctive image features from scale-invariant keypoints这篇文章。这个对图像检索重排非常有用。另外里面还有用OpenCV写的ASIFT,这部分来源于OPENCV ASIFT C++ IMPLEMENTATION,ASIFT还可以到官网页面下载,ASIFT提取的关键点 比SIFT要多得多,速度非常慢,不推荐在对要求实时性的应用中使用。 更多详细的分析可以阅读博文SIFT(ASIFT) Matching with RANSAC。 有用链接 OpenCV3.0文档 // 测试sparse unsigned int centersNum = 10; vector descrNums; descrNums.push_back(8); descrNums.push_back(12); //unsigned int T[] = {1, 2, 1, 3, 2, 5, 4, 3, 10, 5; 4, 2, 6, 5, 2, 5, 4, 6, 2, 4}; unsigned int T[] = {1, 2, 1, 3, 2, 5, 4, 3, 10, 5, 4, 2, 6, 5, 2, 5, 4, 6, 2, 4}; sp_mat Hist(descrNums.size(), centersNum); static long int count = 0; for (int i = 0; i < descrNums.size(); i++){ unsigned int* desrcElementsTmp = new unsigned int[descrNums[i]]; memcpy(desrcElementsTmp, T + count, descrNums[i] * sizeof(T[0])); //cout << desrcElementsTmp[0] << '\t' << desrcElementsTmp[1] << '\t' << desrcElementsTmp[2] << '\t' << desrcElementsTmp[3] << '\t' << desrcElementsTmp[4] << '\t' <<endl; //cout << desrcElementsTmp[5] << '\t' << desrcElementsTmp[6] << '\t' << desrcElementsTmp[7] << '\t' << desrcElementsTmp[8] << '\t' << desrcElementsTmp[9] << '\t' << desrcElementsTmp[10] << '\t' <<endl; //cout << endl; sp_mat X(1, centersNum); X.zeros(); for (int j = 0; j < descrNums[i]; j++){ X(0, desrcElementsTmp[j]-1) += 1; } X.print("X:"); X = X/norm(X, 2); Hist.row(i) = X; count = count + descrNums[i]; delete desrcElementsTmp; } //Hist.print("Hist:");

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

jsxhn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值