使用VS2019软件安装好opencv库
1.简单读取图片和显示图片
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
int main(int argc, char** argv) {
Mat image = imread("1.jpg"); //读取图片
if (image.empty()) { //图片为空
printf("could not load image...\n");
return -1;
}
//namedWindow("test_opencv_setup", 0);
imshow("lena", image); //显示图片,lena表示显示图片的名字
waitKey(0);
return 0;
}
结果:
2.得到图片灰度图
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
//读取灰度图片
int main(int argc, char** argv) {
//Mat image = imread("1.jpg", 0); //直接读取灰度格式图片(方法1)
Mat image = imread("1.jpg");
Mat dst;
cvtColor(image, dst, COLOR_BGR2GRAY);//先读图片,再转化为灰度图片(方法2)
if (dst.empty()) { //图片为空
printf("could not load image...\n");
return -1;
}
//namedWindow("test_opencv_setup", 0);
imshow("lena", dst); //显示图片
waitKey(0);
return 0;
}
结果:
3.腐蚀和膨胀操作
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
/*
模糊图片(介绍三种形态学处理:腐蚀,膨胀,滤波)
腐蚀:erode()将一张图片边界点去除
膨胀:dilate()对图像的边界进行扩张
*/
int main(int argc, char** argv) {
Mat src = imread("4.jpg");
imshow("src", src); //原图显示
Mat dst1, dst2;
Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
erode(src, dst1, element);
imshow("erode", dst1); //腐蚀图显示
dilate(src, dst2, element);
imshow("dilate", dst2); //膨胀图显示
waitKey(0);
return 0;
}
结果:
4.滤波处理
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
//滤波:去噪,外界的干扰可能会掩盖图像的一些特征,使得图像变得模糊,使用滤波可以让图像特征更加明显
int main()
{
Mat src = imread("1.jpg");
imshow("src", src);
Mat dst;
blur(src, dst, Size(7, 7)); //1.输入图像,2.输出图像,3.进行滤波时选择小矩阵的大小(注意要要是n*n的矩阵,且n为奇数)。
imshow("blur", dst); //显示滤波图片
waitKey(0);
return 0;
}
结果:
5.边缘检测
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
/*边缘检测
* 就是找到图像上的边缘,进行边缘检测前提是将图片灰度化,要使边缘更清晰,可以在检测前加滤波
* 流程:读图,灰度化,滤波,边缘检测。
*/
int main()
{
Mat src = imread("3.jpg");
namedWindow("src", WINDOW_NORMAL);
imshow("src", src);
Mat dst;
cvtColor(src, src, COLOR_BGR2GRAY); //灰度化
blur(src, src, Size(3, 3)); //滤波
Canny(src, dst, 3, 9, 3); //边缘检测
/*1.输入2.输出3.最小阈值4.最大阈值5.sobel算子的大小最大最小阈值用来使在阈值范围内的像素值才能保留。
sobel算子的用处是与原图进行卷积运算,得到一个新的图,这个图根据阈值范围留下数据后就是效果图。*/
namedWindow("dst", WINDOW_NORMAL);
imshow("dst", dst);
imwrite("canny.jpg", dst); //保存图片
waitKey(0);
return 0;
}