使用opencv.hpp编译很慢,其中包含了所有Opencv函数中遇到的函数。如果只是用一种,那么直接选择对应头文件就好。for example:图像处理相关的函数,只含opencv2/imgproc/imgproc.hpp就可以了。类似的头文件在....../modules文件夹中。 源文件在...../modules/imgproc/src文件夹中。
//示例2-1:一个简单的加载并显示图像的OpenCV程序
#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
Mat img = imread("C:\\Users\\Administrator\\Desktop\\1.png", IMREAD_GRAYSCALE);
if (img.empty()) return -1;//检查载入图像是否成功
imshow("Example1", img);//显示图片
waitKey(0);
return 0;
}
using namespace cv;告诉编译器假设所有函数都位于cv命名空间下。如果一个函数同时存在两个命名空间,使用时指定使用的是位于哪个命名空间的函数。
Mat 结构用来处理所有类型的图像:单通道,多通道,整型,浮点数以及各种类型。只要在cv::Mat中拥有一个图像结构,都可以通过cv::imshow()进行显示,cv::imshow()会建立一个窗口,如果窗口不存在,会自动调用cv::namewindow()新建窗口,使用cv::imshow()时,窗口直接附要求的图片,并自动调节大小。
//高斯滤波图像
#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
Mat img = imread("C:\\Users\\Administrator\\Desktop\\1.png", IMREAD_GRAYSCALE);
if (img.empty()) return -1;//检查载入图像是否成功
imshow("Example1", img);//显示图片
Mat out;
GaussianBlur(img, out, cv::Size(5, 5), 3, 3);
GaussianBlur(out, out, cv::Size(5, 5), 3, 3);
imshow("Example2out", out);
waitKey(0);
return 0;
}
使用cv::Mat使得过程很轻松,在显示图像时调用另一个图像结构:实例化输出矩阵out,由程序自行管理并在合适的时候自动分配,释放内存。在本例中就是将高斯核模糊之后的图像写入out变量中,在下次调用高斯核模糊时,out因被分配了临时存储空间,可以同时作为输入输出,执行两次模糊操作之后的图像被作为结果输出。(本例解释经过(5,5)高斯核模糊之后作为下一次高斯模糊的输入继续下一次模糊(5,5),之后输出两次模糊的结果)。
GaussianBlur()函数原型:
voidGaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, doublesigmaY=0, int borderType=BORDER_DEFAULT);
参数详解如下:
src,输入图像,即源图像,填Mat类的对象即可。它可以是单独的任意通道数的图片,但需要注意,图片深度应该为CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
dst,即目标图像,需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone,以源图片为模板,来初始化得到如假包换的目标图。
ksize,高斯内核的大小。其中ksize.width和ksize.height可以不同,但他们都必须为正数和奇数(并不能理解)。或者,它们可以是零的,它们都是由sigma计算而来。
sigmaX,表示高斯核函数在X方向的的标准偏差。
sigmaY,表示高斯核函数在Y方向的的标准偏差。若sigmaY为零,就将它设为sigmaX,如果sigmaX和sigmaY都是0,那么就由ksize.width和ksize.height计算出来。
为了结果的正确性着想,最好是把第三个参数Size,第四个参数sigmaX和第五个参数sigmaY全部指定到。
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。
高斯模糊作用:对图像降采样,建立尺度空间。对图像降采样等效于和一系列脉冲函数卷积,这种方式在输出图像中引入高频分量,那么通过使用高斯滤波器限制信号带宽就可使信号在采样频率之内。合二为一的函数是cv::pyrDown().