Opencv 涉及到的图像处理

最新推荐文章于 2024-07-25 20:42:47 发布

slam让我头疼

最新推荐文章于 2024-07-25 20:42:47 发布

阅读量322

点赞数

分类专栏： opencv 文章标签： opencv python 深度学习

本文链接：https://blog.csdn.net/weixin_38216573/article/details/118959380

版权

opencv 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

cv::goodFeaturesToTrack(imGrayPre, prepoint, 1000, 0.01, 8, cv::Mat(), 3, true, 0.04);//第三个参数是提取的最大点数，0.01返回寻找角点的质量，8表示相邻角点间的最小距离，mask表示不会在mask为零的地方提取角点，最后一个参数一般不变

通过上面得到的prepoint像素值是整数级别的，还不够精确；

我们接下来求取亚像素级别，像素值是实数级别的，因为一幅图像中的小目标可能不会正好落在像素中心。通过角点附近的一个邻域进行数学表达式拟合进行像素值的细化，得到亚像素值。

  cv::cornerSubPix(imGrayPre, prepoint, cv::Size(10, 10), cv::Size(-1, -1), cv::TermCriteria(CV_TERMCRIT_ITER | CV_TERMCRIT_EPS, 20, 0.03));

20表示最大迭代次数；0.03表示亚像素精度在像素的0.03内

learn Opencv in 3 hours

cout<<img.size()<<endl;

>>>
798*512; //798为宽度，512为高度

cv::SIZE 类型，先定义宽度，然后再定义高度。

cv::resize 既可以指定重置尺寸的大小，也可以指定比例进行缩放

crop image /roi

Rect roi(100,100,200,300);//依次定义矩形左上角坐标（x,y），宽度和高度
Mat img_crop=img(roi)；//找出img上roi区域给img_crop，此时改变img_crop也会将变化体现在img上

ch4 建立一个新的图像Mat

Mat img(512,512,CV_8UC3,Scalar(255,0,0));//建立了一个512*512 三通道的空绿色图像，因为opencv默认为BGR，所以这个Scalar是绿色

shape and text

circle(img,Point(256,256),155,Scalar(e,69,255),FILLED); rectangle(img,Point(130,226),Point(382,286),Scalar(255,255,255),FILLED);
1ine(img,Point(130,296),Point(382,296),Scalar(255,255,255),2);

ch5 wrap perspective

string path="Resources/cards. jpg"; 
Mat img=imread(path); 
Point2f src[4]={{529,142},{771,190},{405,395},{674,457}}; 
Point2f dst[4]={{0.0f,0.0f},{w,0.0f},{0.0f,h},{w,h}}; 
matrix=getPerspectiveTransform(src, dst); 

warpPerspective(img, imgwarp, matrix, Point(w,h)); 
imshow("Image", img); i
mshow("Image warp", imgwarp); 
waitKey(0);

ch6 detect colors in images

OpenCV中的inRange()函数可实现二值化功能（这点类似threshold()函数），更关键的是可以同时针对多通道进行操作，使用起来非常方便！

函数原型（C++）：
void inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst)
官方文档中的解释：Checks if array elements lie between the elements of two other arrays.即检查数组元素是否在另外两个数组元素值之间。这里的数组通常也就是矩阵Mat或向量。请注意：该函数输出的dst是一幅二值化之后的图像。

使用示例1：针对单通道图像
dst(I) = lowerb(I)0 ≤ src(I)0 < upperb(I)0
即，如果一幅灰度图像的某个像素的灰度值在指定的高、低阈值范围之内，则在dst图像中令该像素值为255，否则令其为0，这样就生成了一幅二值化的输出图像。

使用示例2：针对三通道图像
dst(I) = lowerb(I)0 ≤ src(I)0 < upperb(I)0 ∧ lowerb(I)1 ≤ src(I)1 < upperb(I)1 ∧lowerb(I)2 ≤ src(I)2 < upperb(I)2
高斯模糊能够减少噪声对图像的影响

string path="Resources/lambo. png"; 
Mat img=imread(path); 
cvtcolor(img, imgHSV, COLOR_BGR2HSV); 
namedwindow("Trackbars",(640,200)); 
createTrackbar("Hue Min","Trackbars",& hmin,179); 
createTrackbar("Hue Max","Trackbars",& hmax,179); 
createTrackbar("Sat Min","Trackbars",& smin,255); 
createTrackbar("Sat Max","Trackbars",& smax,255); 
createTrackbar("Val Min","Trackbars",& vmin,255); 
createTrackbar("Val Max","Trackbars",& vmax,255);

cvtColor(img,imgHSV,COLOR_BGR2HSV); 
Scalar lower(hmin,smin,vmin);
Scalar upper(hmax,smax,vmax); 
inRange(imgHSV,lower,upper,mask); 
imshow("Image",img); 
imshow("Image HSV",imgHSV);