OpenCv相关知识梳理

本博客是作者在学习OpenCv入门后简单对知识点进行梳理，各种方法和函数。

相关代码：https://github.com/skyCreateXian/opencv.git

 

core组件：

基础图像容器Mat-Mat类由两个数据部分组成，矩阵头（包含矩阵尺寸、存储方法、存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同，矩阵可以使不同的维数）

7种实例化Mat的方法：Mat()构造函数、构造函数、Ipllmage指针创建信息头、Create()函数，Matlab初始化、小矩阵分割师初始化函数、为已存在的对象创建信息头。

点的表示point类、颜色的表示Scalar类、尺寸的表示Size类、矩阵的表示Rect类、颜色空间转换cvtColor。

基本图像绘制函数：直线line、椭圆ellipse、矩形rectangle、圆circle、多边形fillpoly。

灰度图像在内存中每列是单个子式，多通道图像在内存中列会包含多个子式。

颜色空间缩减：颜色值缩一法。例子颜色值0~9取为0。LUT函数（operationsOnArrays：LUT()<lut>）批量进行图像元素查找、扫描与操作。

计时函数：getTickCount()返回CPU自某个时间以来走过的时钟周期。getTickFrquency()返回cpu一秒钟走过的时钟周期数。

访问图像中像素的三类方法：指针访问：c操作符[]（最快），迭代器iterator（安全无越界），动态地址计算（简洁）。

感兴趣区域ROI两种方法：设置矩阵区域Rect，设置感兴趣的行或列的范围。

线性混合操作addWeighted()函数（两个数组加权和）。

分离颜色通道、多通道图像混合：通道分离split()函数，，通道合并merger()函数多个函数合并成为一个多通道的数组。

 

图像傅里叶变换：将它分解成正弦和余弦函数的形态。dft函数，图像增强、去噪、图像分割边缘检测、图像特征提取、图像压缩。

getOptimalDFTSize()函数：返回图像的最优尺寸大小。copyMakeBorder扩充图像边界。magnitude计算而为矢量的幅值。normalize()矩阵归一化，

 

imgproc组件：

1.图像滤波：尽量保留图像图像细节特征的条件下对目标图像的噪声压制

线性滤波：方框滤波（参数=true为均值滤波，否则滤波器为1，boxFilter），均值滤波（取核平均值blur），高斯滤波（二维高斯函数GaussianBlur）

非线性滤波：中值滤波（核像素邻域灰度值来替代像素值灰度值，5Time均值滤波，噪声不影响输出medianBlur）去除脉冲噪声、椒盐噪声的同时保留图像的边缘细节。双边滤波结合图像的空间邻近度和像素值相似度的一种折射出理（定义域核减去值域核bilateralFilter）。

腐蚀和膨胀是一组相反的操作。功能：消除噪音、分割独立图像元素，在图中连接join相邻的元素，寻找图像中的明显的极大值区域或极小值区域，求出图像的梯度。

      膨胀：膨胀就是求局部核内局部最大值的操作。dilate函数

      腐蚀：腐蚀就是求局部核内局部最小值的操作。erode函数

形态学滤波：开运算、闭运算、形态学梯度、顶帽、黑帽。使用morephologxEx(),第三个参数int表示形态学运算类型。

      开运算：先腐蚀后膨胀，消除小物体在纤细处分离物体。

      闭运算：先膨胀后腐蚀，排除小型黑洞。

      形态学梯度：膨胀图与腐蚀图之差。保留物体的边缘轮廓。

      顶帽运算：礼帽运算，原图与开运算结果图之差。

      黑帽：闭运算的结果图与原图之差。

漫水填充：选中区域替换成指定的颜色。floodFill函数

图像金字塔与图片伸缩：

       resize函数，完成对图像的伸缩。向上采集并模糊一张图片，放大一张图片。

       pyrUp(),pyrDown()对图像向上向下采样。向下采集并模糊一张图片。缩小一张图片。

       图像金字塔：一层一层的图像比喻为金字塔，层级越高图像越小，分辨率越低。高斯金字塔，拉普拉斯金字塔。

阈值化：最简单的图像分割方法。固定阈值Threshold()或者compare()。自适应阈值adaptiveThreshold。

 

图形变换：

        边缘检测：Canny算子（不带方向）、Sobel算子、Laplacian算子、Scharr算子

        边缘检测步骤：滤波（常见高斯滤波）->增强）（有显著变化的点凸显出来）->检测（阈值化）

        边缘检测【评价标准低】：低错误率、高定位性、最小响应

        Canny边缘检测步骤：

                  消除噪音：高斯滤波器卷积

                   计算梯度幅值方向：Sobel-运用x和y方向的卷积阵列、使用公式计算梯度幅值的方向 梯度方向可能取0、45、90、135方向

                  非极大值抑制：排除非边缘像素，保留细线

                   滞后阈值：三种情况讨论

                  Canny边缘检测函数高阶用法：将图像转为灰度，降噪，边缘检测，得到的边缘作为掩码拷贝到原图得到彩色边缘图。

霍夫变换：标准霍夫变换、多尺度霍夫变换、累计概率霍夫变换

多尺度霍夫变换是经典霍夫变换再多尺度下的一个变种，累计霍夫变换是标准霍夫变换算法的一个改进。HoughLines函数调用。

 霍夫圆变化：原霍夫变换为二维坐标下的xy被三维xyr取代。使用霍夫梯度法，步骤：8步

                   1.canny边缘检测  2.计算x和y方向上的Sobel得到梯度 3.得到的梯度每个点在累加器中累加 4.标记非0像素的位置...

                重映射：remap()函数

                仿射变换：warpAffine，getRotationMartrix2D

                 直方图均衡化，equalizeHist()

 

图像轮廓与图像分割修复：

              寻找轮廓：findContours(),源图像为8位单通道图像。输出为点向量集。

              绘制轮廓：drawContours(),与寻找轮廓函数对应，绘制出外部或内部轮廓。

图像分割：

            分水岭算法：两个步骤，排序-淹没，对每个像素的灰度级进行从低到高的排序，然后从低到高实现淹没的过程。

 图像修复：图像修补技术由inpaint函数实现，它可以用来松扫描图片中清除灰尘和划痕，或者从静态图像或视频中去除不需要的物体。