学习opencv day4

最新推荐文章于 2022-11-04 16:08:16 发布

Isaacingrid

最新推荐文章于 2022-11-04 16:08:16 发布

阅读量220

点赞数 1

文章标签： opencv 计算机视觉 c++

本文链接：https://blog.csdn.net/qq_41815140/article/details/113105320

版权

处理图像颜色

二级目录

1、colordetector.h未定义标识符CV_BGR2Lab

添加头文件#include "opencv2/imgproc/types_c.h"

一个困扰一两天的问题终于解决了我去！！！

一开始是碰到这样的报错：
错误LNK2019 无法解析的外部符号 main,该符号在函数 “int __cdecl invoke_main(void)” (?invoke_main@@YAHXZ) 中被引用

然后百度说可能是图片路径什么之类的问题，检查一下也没问题，图片是放在存放main函数文件夹中，后面又有一堆配置什么乱七八糟的，弄了半天还是无果。
再之后就对程序设置断点，一步一步执行，发现result矩阵里没有数据，即

cv::Mat result = cdetect.process(image);

这一句出了问题，再去.h文件中查找相关函数，发现只有函数声明

cv::Mat process(const cv::Mat &image);

没有具体定义，于是问题就是将此函数的定义在main函数中编辑出即可：

cv::Mat ColorDetector::process(const cv::Mat& image) {

    // re-allocate binary map if necessary
    // same size as input image, but 1-channel
    result.create(image.rows, image.cols, CV_8U);

    // get the iterators
    cv::Mat_<cv::Vec3b>::const_iterator it = image.begin<cv::Vec3b>();
    cv::Mat_<cv::Vec3b>::const_iterator itend = image.end<cv::Vec3b>();
    cv::Mat_<uchar>::iterator itout = result.begin<uchar>();

    // for each pixel
    for (; it != itend; ++it, ++itout) {

        // process each pixel ---------------------

          // compute distance from target color
        if (getDistanceToTargetColor(*it) < maxDist) {

            *itout = 255;

        }
        else {

            *itout = 0;
        }

        // end of pixel processing ----------------
    }

    return result;
}

以上使用了在循环中使用迭代器的方法进行计算两个颜色向量间的距离。还有一种做法是调用OpenCV的系列函数：

cv::Mat operator()(const cv::Mat &image) {
	  
		  cv::Mat input;
		 
		  if (useLab) { // Lab conversion
			  cv::cvtColor(image, input, CV_BGR2Lab);
		  }
		  else {
			  input = image;
		  }

		  cv::Mat output;
		  // compute absolute difference with target color
		  cv::absdiff(input,cv::Scalar(target),output);
	      // split the channels into 3 images
	      std::vector<cv::Mat> images;
	      cv::split(output,images);
		  // add the 3 channels (saturation might occurs here)
	      output= images[0]+images[1]+images[2];
		  // apply threshold
          cv::threshold(output,  // input image
                      output,  // output image
                      maxDist, // threshold (must be < 256)
                      255,     // max value
                 cv::THRESH_BINARY_INV); // thresholding type
	
	      return output;
	  }