见证自己的成长之路~

原创 Haaring.exe训练器

cd D:\Qt\QtTemp\createPositiveSamples\byIndividualImagehaartraining.exe -data xml -vec vec.vec -bg bg.txt -npos 7 -nneg 12 -nstages 10 -w 20 -h 20 pausehaartraining.exe -data xml -

原创 关于摄像头读取

正确：  IplImage *bgr_frame = cvQueryFrame(capture); //从视频读取一帧图像 while( 1 ) { bgr_frame=cvQueryFrame(capture); cvShowImage("bgr_frame",bgr_frame); qDebug()heigh

原创 cvtColor和cvCvtColor区别

C++接口： void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0 )//InputArray：接口类可以是Mat、Mat_、Mat_<T, m, n>、vector、vector>、vectorC接口：void cvCvtColor(const CvArr* src, CvArr* d

原创 QT中QString转到string类型

std::string QString::toStdString() constReturns a std::string object with the data contained in this QString. The Unicode data is converted into 8-bit characters using the toUtf8() function.

原创 数字图像处理—图像分割—串行区域（区域生长）（分裂合并）

★区域生长●区域生长的基本思想是将具有相似性质的像素集合起来构成区域。（1）首先对每个需要分割的区域找一个种子像素为生长的起点；（2）然后将种子像素周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子像素所在的区域中。（3）将这些新像素当做新的种子像素继续进行上面的过程，知道没有满足条件的像素可被包括进来。●这样一个区域就长成了。●

原创 数字图像处理—图像分割—并行区域—连通区域标记（像素标记）（4-连通情况）

●取阀分割得到的图像常包含多个区域，需要通过标记把它们分别提取出来。●标记分割后图像（为二值图像）中各区域的简单而有效的方法是检查各像素与其相邻像素的连通性（四、八连通方法）。1、像素标记：●假设对一幅二值图像从左到右、从上向下进行扫描（起点在图像的左下方）。●要标记当前正被扫描的像素，需要检查它与在它之前扫描到的若干个近邻像素的连通性。（A）如果当前正被扫描的像素灰度值为

原创 数字图像处理—图像分割—并行区域（阀值—单阀值、多阀值）

★并行区域——灰度图上取阈值是最常见的并行的直接检测区域的分割方法。☞原理和分类：前提条件：图像由具体单峰灰度分布的目标和背景组成，在目标或背景内部的相邻像素间的灰度值是高度相关的，但在目标和背景交界处两边的像素相爱灰度值上有很大的差别。    如果一幅图像满足这些条件，它的灰度直方图基本上可看作是由分别对应目标和背景的两个单峰直方图混合而成。此时如果两个分布大小（数量）接近且均值相距

原创 数字图像处理—图像分割—串行边界（图）

☞边界点和边界段可以用图（graph）结构（在图结构中，每个结点既可有多个直接前驱，也可有多个直接后继）表示，通过在图中进行搜索对应最小代价的通道也可以找到闭合边界。（主要用并行边界算法）优点：是一种全局的方法，它在图像受噪声影响较大时效果仍较好。（抗干扰性强）缺点：比较复杂，计算量也较大。☞图搜索。☞边缘元素的定义：是两个互为4-近邻的像素间的边界，如

原创 数字图像处理—图像分割—哈夫（Hough）变换及哈夫变换原理—检测直线

1、检测直线n个点在一条直线上，连续的满足直线方程；同样，离散的也满足直线方程。直线解决方法：先确定所有有任意2点决定的直线（需约次运算以确定n（n - 1）/ 2条线）。在找出接近具体直线的点的集合（需约次运算以比较n个点中的每一个与n（n - 1）/ 2条直线中的每一条），这样计算量太大。☞哈夫变换的方法：可用较少的计算量来解决这个问题。哈夫变换利用点—线的对偶

原创 数字图像处理—图像分割—并行边界—利用边缘灰度不连续性（边缘）（边缘与导数）（边界闭合）

★边缘（灰度过渡的地方）检测●边缘检测是所有基于边界的分割方法的第一步（串行、并行）。●两个具有不同灰度值的相邻区域之间总存在边缘。●边缘是灰度值不连续的结果，这种不连续常可利用求导数方便检测到，一般常用一阶和二阶导数来检测边缘。（河、岸存在落差）常用的边缘剖面有三种：●阶梯状：对应于图像中两个具有不同灰度值的相邻区域之间；（通过检测一阶导数的峰值或二阶导数的零

原创 数字图像处理—图像分割—分类

图像分割是由图像处理进到图像分析的关键步骤。图像分割的分类：（1）对灰度图像的分割常可基于像素灰度值的两个性质：●不连续性——在区域之间的边界上一般具有灰度不连续性——基本边界的算法。●相似性——区域内部的像素一般只有灰度相似性——基于区域的算法。（2）根据分割过程中处理策略不同，分割算法又可分为：●并行算法——所有判断和决定都可独立的和同时的做出。●串行算法—

原创 数字图像处理—图像恢复和重建—有难度，先放下。

原创 数字图像处理—图像恢复和重建—退化模型

图像恢复（是变质的图像、G（x，y））技术是将图像退化的过程模型化，并据此采取相反的过程以得到原始的图像，图像恢复要根据一定的图像退化模型来进行。★退化模型：    F（x ，y）是正常的图像；H是假想构造的退化系统；N是退化噪声；G（x ，y）是退化的模型。★H的四个性质（假设n（x，y） = 0）：（1）线性：如果令k1和k2为常数，和为两幅输入图像，则：

原创 数字图像处理—彩色增强—真彩色增强（从有彩色到有彩色）

在屏幕上显示彩色图一定要借用RGB模型，蛋HSI模型在许多处理中有其独特的优点。（1）在HSI模型中，亮度分量与色度分量是分开的。（和人视觉效果相联系）H：色调（Hue）S：饱和度（Saturation：构成色度分量。I：密度（Intensity）：构成亮度分量。色调和饱和度合起来叫色度（HS）。需要指出：只管对R、G、B各分量直接使用对灰度图的增强方法可以增加图中的可视细

原创 数字图像处理—彩色增强—伪彩色增强(亮度切割）（从灰度到彩色的变换）（频域滤波）

一、伪彩色增强（从无彩色到有彩色）：一种常用的彩色增强方法是对原来灰度图中不同灰度值的区域赋予不同的颜色以更明显地区分它们。二、主要有三种根据图像灰度的特点而赋予伪彩色的方法：1、亮度切割：将图像灰度分级，然后对每个灰度值区间内的像素赋一种颜色。2、从灰度到彩色的变换（黑白电视到彩色电视、和真的彩色电视有区别）（经过红、绿、蓝变换，合成）：使用光滑的、非线性的变换函数，更加灵活。实

原创 数字图像处理—局部增强

局部增强常用于一些要求特定增强效果的场合：（1）局部增强可借助将图像分成子图像再对每个子图像具体增强。直方图变换是空域增强中最常采用的风阀，它也很容易用于图像的局部增强。只需先将图像分成一系列（一般互相不重叠）小区域（子图像），此时直方图均衡化或规定化都可以基于小区域内的像素分布进行，从而使各小区域得到不同的增强效果。（对每个小区域进行全局增强）（2）也可在对整幅图增强时直接利用局部信

原创 数字图像处理—频域增强（低通滤波）（高通滤波）（带通和带阻滤波）（同态滤波）

1、主要步骤：空域（傅里叶变换、卷积）>>>频域（与转移函数相乘、处理、傅里叶反变换）>>>空域2、常用频域增强方法。巴特沃斯滤波器：阶为n，截断频率为D0的转移函数为：（1）低通滤波：低通巴特沃斯滤波器在高低频率间的过渡比较光滑，所以得到的输出图其“振铃”现象不明显。频域低通滤波器能消除虚假轮廓。（2）高通滤波高通巴特沃斯滤波器.G( x, y ) = g (

原创 数字图像处理—空域变换增强之滤波增强（模板操作）（模板卷积）

空域滤波是在图像空间借助模板进行邻域操作完成的。●根据其特点一般可分为线性和非线性2类；●根据功能主要分成平滑和锐化2类：    ★平滑可用低通滤波器（低频，对应整体信息，灰度变化缓慢）实现。平滑的目的又可分为2类。一类是模糊，目的是在提取较大的目标前，去除太小的细节或将目标内的小间断连接起来。另一类是消除噪声（噪声是不断变化的，属于高频部分）。    ★锐化可用高通滤波器（高

原创 数字图像处理—空域变换增强之点操作（灰度变换） 方法二 借助直方图增强

1、直方图均衡化：这个方法的基本思想是把原始图像的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。点处理增强函数t = EH(s)需要满足2个必要条件：（1）EH(s)在0（2）对0累积分布函数满足上述两个条件，并能将s的分布转换为t的均匀分布。函数如下：。反变换也应满足上面两个条件。

原创 数字图像处理—空域变换增强之点操作（灰度变换） 方法一（直接灰度变换的五种方法）（灰度映射）

一、点操作点操作的增强方法也叫灰度变换。方法一、直接灰度变换1、灰度求反：对图像求反是将原图灰度值翻转（黑变白，白变黑，普通黑白底片和照片的关系）。2、增强对比度：增强图像对比度实际是增强原图的各部分的反差。                         3、动态图像压缩：有时原图的动态范围太大，超出某些显示设备的允许动态范围，这时直接使用原图则一部分细节可能

原创 数字图像处理—频域变换简单说明

低频分量对应图像胡总灰度值缓慢变化的区域，因而与图像的整体特性，如整体对比度和平均灰度值（频率变化中心F(0) / N）等有关。（整体特征）高频分量对应图像中的区域边缘等灰度值具有较大快变化的部分。（细节特征、边缘特征）

原创 数字图像处理—算术运算基本作用及模板（样板，窗口，滤波器）运算

图像加法主要用于图像平均以减少噪声。图像减法是医学成像中的基本工具之一，被用来去除固定的背景信息。乘法或除法的主要用途是校正由于照明或传感器的非均匀性造成的图像灰度阴影。（用的比较少）

原创 数字图像处理—像素间联系-连接-连通

连接性连接（两个像素之间的关系）：空间关系：在某种意义上确定他们是否接触（领域关系）。灰度关系：他们灰度值是否满足某个特定的相似准则（如灰度值是否相等）。V表示。4-连接8-连接m-连接（混合连接）

原创 数字图像处理—采样和量化

空间采样：空间坐标的离散化。灰度量化：灰度的离散化。采样：... ...量化：对象素赋予G个级别灰度值的过程。（对灰度级离散）图像空间分辨率（采样）N：随着空间分辨率的下降图像会出现马赛克效果。图像幅度分辨率（灰度级）k：随着幅度分辨率的下降会出现“虚假轮廓效应”。一般出现在过渡比较平滑的区域。1、图像质量一般随N和k的增加而增加。在极少情况下对固定

原创 OpenCV编译提示：error: C3861: “cvPyrSegmentation”: 找不到标识符

解决：添加如下语句即可： #include

原创 ROI感兴趣区域

函数的操作被限于感兴趣区域。设置或取消ROI对应的函数：cvSetImageROI（IplImage* image， CvRect rect）和cvResetImageROI（IplImage* image）函数。cvResetImageROI（）//函数释放ROI是非常重要的，否则，将忠实的显示ROI区域。#include "cv.h"#include

原创 IplImage 和 CvMat 在对其成员遍历时“指针类型”的区别

原创 IplImag数据结构之dataOrder和widthStep

dataOrder的取值可以是IPL_DATA_ORDER_PIXEL 或 IPL_DATA_ORDER_PLANE。（OpenCV通常使用交错排列的图像）IPL_DATA_ORDER_PIXEL 指明数据是将像素点不同通道的值交错排在一起。行数等于高度，每一行都有序地包含交错的通道。（常用的交错排列方式）IPL_DATA_ORDER_PLANE图像中有些独立的平面，那么它们作为单独的