opencv-初始化图像

#include<opencv2\opencv.hpp>
#include<highgui.h>
#include<iostream>
using namespace std;
using namespace cv;
int main(int argc, char** argv)
   {
	   // read image
	   Mat src = imread("C:/Users/qxq/Pictures/image/1.jpg");

	   if (src.empty())
	   {
		   printf("Could not load image...");
		   return -1;
	   }
	   /*//初始化一个跟原图像相同大小的图像,并将其赋值成粉红色。
	   Mat dst;
	   dst = Mat(src.size(), src.type());
	   dst = Scalar(127, 0, 255);
	   namedWindow("output", CV_WINDOW_AUTOSIZE);
	   imshow("output", dst); */

	   Mat dst;
	   ///* //深拷贝图像
	   dst = src.clone(); 
	   //颜色转换
	   cvtColor(src, dst, CV_BGR2GRAY);
	   //定义一个小的图像,可以用来作验证
	   Mat M(100,100,CV_8UC3,Scalar(0,0,255));
	   //初始化一个纯黑色的图片,与原图像的大小和类型一样
	   Mat m2 = Mat::zeros(src.size(), src.type());
	   
	   //创建和src图像大小相同的图像,并且赋初值为红色
	   Mat m1;
	   m1.create(src.size(), src.type());
	   m1 = Scalar(0, 0, 255);

	   namedWindow("input", CV_WINDOW_AUTOSIZE);
	   imshow("input",src);

	   waitKey(0);
	   return 0;
   }

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像对齐是指将多幅图像对齐到同一个坐标系下,以方便进行后续处理,例如图像融合、图像拼接等。在进行图像对齐时,常常需要考虑到图像的亮度、对比度等因素,因此可以使用直方图均衡化来增强图像的对比度。 下面是使用opencv-python实现图像对齐的示例代码,其中包括了直方图均衡化的步骤: ```python import cv2 import numpy as np # 读取两张待对齐的图片 img1 = cv2.imread('img1.jpg') img2 = cv2.imread('img2.jpg') # 将图片转为灰度图 gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) # 对灰度图进行直方图均衡化 equ1 = cv2.equalizeHist(gray1) equ2 = cv2.equalizeHist(gray2) # 初始化ORB检测器 orb = cv2.ORB_create() # 使用ORB检测关键点和描述子 kp1, des1 = orb.detectAndCompute(equ1, None) kp2, des2 = orb.detectAndCompute(equ2, None) # 初始化暴力匹配器 bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) # 匹配两幅图片的描述子 matches = bf.match(des1, des2) # 根据匹配结果筛选出较好的匹配点 matches = sorted(matches, key=lambda x: x.distance) good_matches = matches[:50] # 获取匹配点的坐标 src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) # 计算透视变换矩阵 M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0) # 对第一张图片进行透视变换,以将其对齐到第二张图片上 aligned_img = cv2.warpPerspective(img1, M, (img2.shape[1], img2.shape[0])) # 显示对齐后的图片 cv2.imshow('Aligned Image', aligned_img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述代码中,我们首先使用`cv2.cvtColor`函数将两张图片转为灰度图,然后分别对灰度图进行直方图均衡化,以增强图像的对比度。接着使用ORB特征检测器和暴力匹配器来匹配两幅图片的关键点,并筛选出较好的匹配点。最后使用`cv2.findHomography`函数计算透视变换矩阵,并对第一张图片进行透视变换,以将其对齐到第二张图片上。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值