OpenCV学习笔记（一）：opencv安装，边缘提取

OpenCV学习笔记（C++，win10+OpenCV4.1.2+VS2017）

记录了本人在图像处理相关学习过程中对opencv的使用心得，主要是供自己复习，但如果碰巧为你解决了问题，那就更好了。
由于本博客写作目的是用于复习，故顺序依照本人学习过程来进行编写。
如有错误，欢迎指正。

一、OpenCV的安装

安装opencv可以去官网下载对应版本的包。一些朋友可能会碰到网络问题导致下载速度特慢，此处我为大家提供opencv4.1.2资源与opencv4.1.2 Tutorial离线包。资源在此

具体的安装过程建议参考：VS2017配置OpenCV，这个教程很详细，亲测很多次可用，不同版本也可以参考，原理类似。

另，如果在之前已经依照其他的教程未能成功安装，在使用上述教程安装后任无法正常运行，可以在系统的环境变量里面看看是不是之前设置的环境变量未删除。

二、边缘提取

1、Canny算子：
首先需要对Canny算子有一个基本的了解。
Canny边缘检测算法的主要过程：
1、对图像进行平滑降噪
2、使用一阶偏导的有限差分计算梯度的方向和幅值
3、对梯度幅值进行非极大值抑制
4、使用双阈值检测算法和边缘连接
具体可以参考：canny算子的语法原理分析

（上图侵删）
关于两个阈值参数的解释：
1、低于阈值1（滞后阈值低阈值）的像素点会被认为不是边缘；
2、高于阈值2（滞后阈值高阈值）的像素点会被认为是边缘；
3、在阈值1和阈值2之间的像素点，若与第二步得到的边缘像素点相邻，则被认为是边缘，否则被认为不是边缘。

实现代码如下：

#include <opencv2/opencv.hpp>
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
#include <fstream>

using namespace std;
using namespace cv;

int change_scanner(Mat img1, Mat img2, Mat img3);//用于做差值检测
int main()
{
	Mat img1_raw = imread("D:/Desktop/2020暑期实习/6月30号测试/bwd.png", 1);
	//检查是否读取文件成功
	if (img1_raw.empty())
	{
		cout << "Can't load image" << endl;
		return -1;
	}

	Mat img2_raw = imread("D:/Desktop/2020暑期实习/6月30号测试/fwd.png", 1);
	//检查是否读取文件成功
	if (img2_raw.empty())
	{
		cout << "Can't load image" << endl;
		return -1;
	}

	//对原图裁剪一下
	Mat img1_part, img2_part;
	//就裁取左上角吧
	Rect scale;
	scale=Rect(0, 0, (img1_raw.cols) / 4,(img1_raw.rows) / 4);//注意这个函数的参数，Rect( int x, int y, int width, int height )
	img1_part = img1_raw(scale);
	img2_part = img2_raw(scale);
	//1. Canny
	Mat img_out_canny;
	Canny(img1_part, img_out_canny, 30, 150);
	imwrite("D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/canny_30_150.png", img_out_canny);
	Canny(img1_part, img_out_canny, 50, 150);
	imwrite("D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/canny_50_150.png", img_out_canny);
	Canny(img1_part, img_out_canny, 150, 150);
	imwrite("D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/canny_150_150.png", img_out_canny);
	//-------------------------------------------------------------------------------------------------------
	//测试部分
	string test1_file = "D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/canny_30_150.png";
	string test2_file = "D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/canny_50_150.png";
	Mat img1 = imread(test1_file, 0);
	Mat img2 = imread(test2_file, 0);
	change_scanner(img1,img2, img1_part);
	cout << "没有意外发生";
	return 0;
}
int change_scanner(Mat img1, Mat img2, Mat img3)//img1与img2是两个参数提取的特征，img3是原图
{
	if (img1.rows != img2.rows || img1.cols != img2.cols)
	{
		cout << "图片格式不一致";
		return -1;
	}
	if (img3.channels() != 3)
	{
		cout << "img3需要是三通道图片";
		return -2;
	}
	for (int i = 0; i < img1.rows; i++)
		for (int j = 0; j < img1.cols; j++)
		{
			int temp = img1.ptr<uchar>(i)[j] - img2.ptr<uchar>(i)[j];              //图一比图二多的地方显蓝色
			if (temp > 0)														   //图二比图一多的地方显红色
			{
				img3.at<Vec3b>(i, j)[0] = 255;
			}
			
			if (temp < 0)
			{
				img3.at<Vec3b>(i, j)[2] = 255;
			}
		}
	imwrite("D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/difference.png", img3);
	return 0;
}

（第一次贴代码就贴出全部结构，后文的代码就主要只贴功能函数部分）
使用时注意修改图片文件位置。

上文的代码中对示例图片使用canny函数进行不同的第二个参数（滞后阈值低阈值）的边缘提取，效果如下：
canny_30_150

canny_50_150

canny_150_150

随着这个参数值的增大，边缘提取图出现了一些变化，但是我感觉肉眼很难判断。于是可以对不同参数生成的边缘提取图做差值。由于差值可能会有正有负，故最好在三通道上显示。
差值函数形式：change_scanner(Mat img1, Mat img2, Mat img3)，其中img1，img2是边缘提取的灰度图。img3是原图，用于在原图上标识。蓝色代表img1比img2多的部分，红色表示img1比img2少的部分。（颜色不是很明显，需要仔细看看）

canny_30_150减去canny_50_150

canny_50_150减去canny_150_150

按照老师的要求分析参数的效果，可以看出来随着阈值1的增大，有些原本被判断为边缘的部分会被去除。观察边缘提取效果图，发现在设置合适的阈值后，可以滤除一些边缘，例如建筑物房顶的屋脊（可以从上面的边缘图中看出来）

canny_150_150

canny_150_180

从上面两张图可以看出图像中间偏右侧建筑物的屋脊发生了变化。由此，在使用时，可以根据需要调制阈值，以达到提取兴取目标的结果。

2、Laplace算子

Laplace算子是数字图像处理课程中重点介绍的算子，简介可以参考
opencv中的函数：Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT )，其中：
1、src_gray：输入图像，灰度图。
2、dst：laplace算子运算结果。
3、ddepth：输出图像深度，因为输入图像一般为CV_8U，为了避免数据溢出，输出图像深度应该设置为CV_16S。
4、kernel_size：filter mask的规模，我们的mask是3x3的，所以这里应该设置为3。
5、scale，delta，BORDER_DEFAULT：使用默认设置即可。

实现代码（功能函数部分）

	//Laplace算子
	Mat img_in_temp;
	Mat img_in_gray;
	Mat img_laplace_out;
	Mat abs_img_laplace_out;

	GaussianBlur(img1_part, img_in_temp, Size(3, 3), 0, 0, BORDER_DEFAULT);//高斯滤波
	imshow("滤波", img_in_temp);
	cvtColor(img_in_temp, img_in_gray, COLOR_RGB2GRAY);//图像颜色转换，RGB to gray
	Laplacian(img_in_gray, img_laplace_out, CV_16S, 3, 1, 0, BORDER_DEFAULT);//Laplace算子
	convertScaleAbs(img_laplace_out, abs_img_laplace_out);//convertScaleAbs函数是一个位深转化函数，可将任意类型的数据转化为CV_8UC1。
	imshow("Laplace", abs_img_laplace_out);
	waitKey(0);

后续部分请往个人主页。