《学习opencv》读入一个完整的程序来实现读入一个彩色视频文件,并且以灰度格式

#include<opencv2\opencv.hpp>
#include<highgui.h>
#include <string.h>
#include <iostream>
#include  "cv.h"
using namespace cv;
using namespace std;
/*
 @brief:读入一个完整的程序来实现读入一个彩色视频文件,并且以灰度格式 输出这个文件
	< Convert a video to grayscale/>
 @author:ZJL
 @date:2019-5-11
 @reference:<<opencv chinese>>
*/


int main(int argc, char** argv)
{
	CvCapture *capture = 0;
	capture = cvCreateFileCapture("car.avi");
	if (!capture)
	{
		return -1;

	}
	IplImage *bgr_frame = cvQueryFrame(capture);
	double fps;//定义帧率变量
	fps = cvGetCaptureProperty(
		capture,
		CV_CAP_PROP_FPS
	);
	CvSize  size = cvSize(
		(int)cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_WIDTH),
		(int)cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_HEIGHT)
		);
	//视频编码
	CvVideoWriter *writer = cvCreateVideoWriter("car1.avi",
		CV_FOURCC('M', 'J', 'P', 'G'),
		fps,
		size
	);
	IplImage *logpolar_frame = cvCreateImage(
		size,
		IPL_DEPTH_8U,
		3
	
	);//灰度图像
	while ((bgr_frame = cvQueryFrame(capture)) != NULL)
	{

	cvConvertImage(bgr_frame, logpolar_frame, CV_RGB2GRAY);//彩色转换为灰度图像  
        cvFlip(logpolar_frame, NULL, 0);//翻转图像  
        cvWriteFrame(writer, logpolar_frame);
	
	}
	cvReleaseVideoWriter(&writer);
	cvReleaseImage(&logpolar_frame);
	cvReleaseCapture(&capture);
}

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
可以使用Python中的NumPy库来读取彩色图像并实现快速傅里叶变换和滤波处理。 首先,我们需要使用NumPy库中的`numpy.fft`函数来实现快速傅里叶变换(FFT)。这个函数可以直接处理多通道的图像数据。 接下来,我们需要定义一个滤波器来对图像进行滤波处理。常见的滤波器包括低通滤波器、高通滤波器、带通滤波器等。这里我们以低通滤波器为例,代码如下: ``` python import cv2 import numpy as np # 读取彩色图像 img = cv2.imread("test.jpg") # 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 对灰度图像进行傅里叶变换 f = np.fft.fft2(gray) # 将频率域中心平移至图像中心 fshift = np.fft.fftshift(f) # 定义低通滤波器 rows, cols = gray.shape crow, ccol = int(rows / 2), int(cols / 2) mask = np.zeros((rows, cols), np.uint8) r = 60 center = [crow, ccol] x, y = np.ogrid[:rows, :cols] dist = np.sqrt((x - center[0]) ** 2 + (y - center[1]) ** 2) mask[dist <= r] = 1 # 将滤波器应用于频率域图像 fshift = fshift * mask # 对滤波后的频率域图像进行逆变换 ishift = np.fft.ifftshift(fshift) img_back = np.fft.ifft2(ishift) img_back = np.real(img_back) # 显示原图和滤波后的图像 cv2.imshow("Original Image", img) cv2.imshow("Filtered Image", img_back) cv2.waitKey(0) ``` 代码中,我们首先使用OpenCV库中的`cv2.imread`函数来读取彩色图像,并将其转换为灰度图像。然后使用`numpy.fft.fft2`函数对灰度图像进行傅里叶变换,并使用`numpy.fft.fftshift`函数将频率域中心平移至图像中心。 接下来,我们定义了一个低通滤波器,该滤波器使用了一个半径为60像素的圆形掩膜,将圆心位置设为图像中心。然后,我们将滤波器应用于频率域图像,并使用`numpy.fft.ifftshift`函数将频率域中心平移回原来的位置。最后,我们使用`numpy.fft.ifft2`函数对滤波后的频率域图像进行逆变换,并使用`numpy.real`函数提取实部,得到滤波后的图像。 运行代码后,可以显示原图和滤波后的图像。
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