opencv课程学习

最新推荐文章于 2024-06-25 21:22:12 发布

onejuliar

最新推荐文章于 2024-06-25 21:22:12 发布

阅读量509

点赞数

分类专栏： opencv 文章标签： opencv

本文链接：https://blog.csdn.net/juliarjuliar/article/details/85228489

版权

这篇博客详细介绍了OpenCV在图像处理中的应用，包括掩膜定义、对比度增强、像素范围处理、错误检查、读写像素、修改像素值、图像类型转化、线性混合操作、矩阵操作、寻找最小值最大值位置、腐蚀膨胀、上采样和降采样、滤波器、拉普拉斯算子、Canny算子和图像直方图均衡化。同时提供了相关资源链接以供深入学习。

摘要由CSDN通过智能技术生成

1.掩膜定义、filter2D函数实现对比度增强

 Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
 filter2D(src, dst, src.depth(), kernel);

2.像素范围处理：这个函数的功能是确保RGB值得范围在0~255之间

saturate_cast<uchar>（-100），返回 0。
saturate_cast<uchar>（288），返回255
saturate_cast<uchar>（100），返回100

3.CV_Assert（）：若括号中的表达式值为false，则返回一个错误信息

CV_Assert(myImage.depth() == CV_8U);

4.读写像素

读一个GRAY像素点的像素值（CV_8UC1）
Scalar intensity = img.at<uchar>(y, x); 
或者 Scalar intensity = img.at<uchar>(Point(x, y));

读一个RGB像素点的像素值
Vec3f intensity = img.at<Vec3f>(y, x); 
float blue = intensity.val[0]; 
float gre