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。