Opencv初探

最新推荐文章于 2024-09-04 12:49:22 发布
最新推荐文章于 2024-09-04 12:49:22 发布
阅读量5.8k 收藏 30
点赞数 8
分类专栏： Opencv 文章标签： opencv 计算机视觉 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43488529/article/details/122599845
版权

文章目录

2-1、一个简单的加载并显示图像的OpenCV程序

#include<opencv2/opencv.hpp>
#include<string>
static int test()
{
	static std::string path = "grayImage.jpg";
	static std::string name = "Example1";
	cv::Mat img = cv::imread(path);
	if (img.empty()) return -1;
	cv::namedWindow(name, cv::WINDOW_AUTOSIZE);
	cv::imshow(name, img);
	cv::waitKey(0);
	cv::destroyWindow(name);
	return 0;
}
int main()
{
	test();
	system("pause");
	return 0;
}

结果

在这里插入图片描述

2-1、Canny边缘检测器输出一个单通道的(灰度)图像

#include<opencv2/opencv.hpp>
#include<string>
static void test()
{
	static std::string path("renwu1.jpg");
	static cv::Mat img_rgb, img_gry, img_cny;
	cv::namedWindow("Example RGB", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Example Gray", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Example Canny", cv::WINDOW_AUTOSIZE);

	img_rgb = cv::imread(path);
	cv::imshow("Example RGB", img_rgb);
	cv::cvtColor(img_rgb, img_gry, cv::COLOR_BGR2GRAY);
	cv::imshow("Example Gray", img_gry);

	cv::Canny(img_gry, img_cny, 10, 100, 3, true);
	cv::imshow("Example Canny", img_cny);
	cv::waitKey(0);
}

int main()
{
	test();
	system("pause");
	return 0;
}

结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2-2与示例2-1不同的是直接使用using namespace std

#include<opencv2/opencv.hpp>
#include<string>
using namespace std;
using namespace cv;

static int test()
{
	static string path = "grayImage.jpg";
	static string name = "Example1";
	Mat img = imread(path);
	if (img.empty()) return -1;
	namedWindow(name, WINDOW_AUTOSIZE);
	imshow(name, img);
	waitKey(0);
	destroyWindow(name);
	return 0;
}
int main()
{
	test();
	system("pause");
	return 0;
}

2-3、一个简单的播放视频文件的OpenCV程序

#include<opencv2/opencv.hpp>
#include<string>

static void test()
{
	static std::string name = "Example3";
	static std::string path = "yishenga.mp4";
	cv::namedWindow(name, cv::WINDOW_AUTOSIZE);
	cv::VideoCapture cap;
	cap.open(path);
	cv::Mat frame;
	for (;;) {
		cap >> frame;
		if (frame.empty()) break;
		cv::imshow(name, frame);
		if (cv::waitKey(33) >= 0) break;
	}
	return;
}

int main()
{
	test();
	system("pause");
	return 0;
}

2-4加入了滑动条的基本浏览窗口

#include<opencv2/opencv.hpp>
#include<iostream>
#include<string>
#include<fstream>

static int g_slider_position = 0;
static int g_run = 1, g_dontset = 0;  //start out in single step mode
static cv::VideoCapture g_cap;

static void onTrackbarSlide(int pos, void*) {
	g_cap.set(cv::CAP_PROP_POS_FRAMES, pos);
	if (!g_dontset)
		g_run = 1;
	g_dontset = 0;
}

static void test()
{
	static std::string name = "Example2_4";
	static std::string path = "yishenga.mp4";
	cv::namedWindow(name, cv::WINDOW_AUTOSIZE);
	g_cap.open(path);
	int frames = (int)g_cap.get(cv::CAP_PROP_FRAME_COUNT);
	int tmpw = (int)g_cap.get(cv::CAP_PROP_FRAME_WIDTH);
	int tmph = (int)g_cap.get(cv::CAP_PROP_FRAME_HEIGHT);

	std::cout << "Video has" << frames << "frames of dimensions("
		<< tmpw << "," << tmph << ")." << std::endl;
	cv::createTrackbar("Position", name, &g_slider_position, frames, onTrackbarSlide);
	cv::Mat frame;
	for (;;) {
		if (g_run != 0) {
			g_cap >> frame;
			if (frame.empty()) break;
			int current_pos = (int)g_cap.get(cv::CAP_PROP_POS_FRAMES);
			g_dontset = 1;
			cv::setTrackbarPos("Position", name, current_pos);
			cv::imshow(name, frame);
			g_run = 1;
		}
		
		char c = (char)cv::waitKey(10);
		if (c == 's')  //single step
		{
			g_run = 1;
			std::cout << "Single step,run = " << g_run << std::endl;
		}
		if (c == 'r') //run mode
		{
			g_run = -1;
			std::cout << "Run mode,run = " << g_run << std::endl;
		}
		if (c == 27)
			break;
	}
	return;
}

int main()
{
	test();
	system("pause");
	return 0;
}

结果

在这里插入图片描述

2-5、加载图像并且在显示之前平滑处理

#include<opencv2/opencv.hpp>
#include<string>

static void example2_5(const cv::Mat &image) {
	//Create some windows to show the input and output images in.
	static std::string input_name = "Example2_5-in";
	static std::string output_name = "Example2_5-out";
	cv::namedWindow(input_name, cv::WINDOW_AUTOSIZE);
	cv::namedWindow(output_name, cv::WINDOW_AUTOSIZE);

	//Create a window to show our input image
	cv::imshow(input_name, image);

	//Create an image to hold the smoothed output
	cv::Mat out;
	//Do the smoothing
	//(Note:Could use GaussianBlur(),blur(),medianBlur() or bilateralFilter().)
	//
	cv::GaussianBlur(image, out, cv::Size(5,5), 3, 3);
	cv::GaussianBlur(out, out, cv::Size(5, 5), 3, 3);

	//Show the smoothed image in the output window
	//

	cv::imshow(output_name, out);
	//Wait for the user to hit key,window will self destruct
	//
	cv::waitKey(0);
}

static void test()
{
	std::string path = "grayImage.jpg";

	cv::Mat image = cv::imread(path);
	example2_5(image);
}

int main()
{
	test();
	system("pause");
	return 0;
}

结果

在这里插入图片描述

2-6、使用pyrDown()来创建一个新的图像，其宽高均为原始图像的一半

#include<opencv2/opencv.hpp>
#include<string>

static void test()
{
	static std::string namewindow1("Example1");
	static std::string namewindow2("Example2");
	static std::string path = "grayImage.jpg";
	cv::Mat image1, image2;
	cv::namedWindow(namewindow1, cv::WINDOW_AUTOSIZE);
	cv::namedWindow(namewindow2, cv::WINDOW_AUTOSIZE);
	image1 = cv::imread(path);
	cv::imshow(namewindow1, image1);
	cv::pyrDown(image1, image2);
	cv::imshow(namewindow2, image2);

	cv::waitKey(0);
	return;
}

int main()
{
	test();
	system("pause");
	return 0;
}

结果

在这里插入图片描述

2-8、在一个简单图像处理流程中结合图像金字塔操作和Canny边缘检测器

#include<opencv2/opencv.hpp>
#include<string>

static void test()
{
	static std::string path("renwu1.jpg");
	static cv::Mat img_rgb, img_gry, img_cny;
	cv::namedWindow("Example RGB", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Example Gray", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Example Canny", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Example pyrDown", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Example pyrDown2", cv::WINDOW_AUTOSIZE);

	cv::namedWindow("Example Canny1", cv::WINDOW_AUTOSIZE);
	img_rgb = cv::imread(path);
	cv::imshow("Example RGB", img_rgb);
	cv::cvtColor(img_rgb, img_gry, cv::COLOR_BGR2GRAY);
	//............................

	cv::imshow("Example Gray", img_gry);

	cv::Canny(img_gry, img_cny, 10, 100, 3, true);
	cv::imshow("Example Canny", img_cny);

	//................2-8...................
	cv::Mat img_pyr,img_pyr2, img_cny1;
	cv::pyrDown(img_gry, img_pyr);
	cv::imshow("Example pyrDown", img_pyr);
	cv::pyrDown(img_pyr, img_pyr2);
	cv::imshow("Example pyrDown2", img_pyr2);

	cv::Canny(img_pyr2, img_cny1, 10, 100, 3, true);
	cv::imshow("Example Canny1", img_cny1);
	cv::waitKey(0);
}
int main()
{
	test();
	system("pause");
	return 0;
}

在这里插入图片描述

2-9、读写示例2-8中的像素值

#include<opencv2/opencv.hpp>
#include<string>

static void test()
{
	static std::string path("renwu1.jpg");
	static cv::Mat img_rgb, img_gry, img_cny;
	cv::namedWindow("Example RGB", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Example Gray", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Example Canny", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Example pyrDown", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Example pyrDown2", cv::WINDOW_AUTOSIZE);

	cv::namedWindow("Example Canny1", cv::WINDOW_AUTOSIZE);
	img_rgb = cv::imread(path);
	cv::imshow("Example RGB", img_rgb);
	cv::cvtColor(img_rgb, img_gry, cv::COLOR_BGR2GRAY);
	//............................

	cv::imshow("Example Gray", img_gry);

	cv::Canny(img_gry, img_cny, 10, 100, 3, true);
	cv::imshow("Example Canny", img_cny);

	//................2-8...................
	cv::Mat img_pyr, img_pyr2, img_cny1;
	cv::pyrDown(img_gry, img_pyr);
	cv::imshow("Example pyrDown", img_pyr);
	cv::pyrDown(img_pyr, img_pyr2);
	cv::imshow("Example pyrDown2", img_pyr2);

	cv::Canny(img_pyr2, img_cny1, 10, 100, 3, true);
	cv::imshow("Example Canny1", img_cny1);

	int x = 16, y = 32;
	cv::Vec3b intensity = img_rgb.at<cv::Vec3b>(y, x);
	uchar blue = intensity[0];
	uchar green = intensity[1];
	uchar red = intensity[2];
	std::cout << "At(x,y) = (" << x << "," << y << "):(blue,green,red) = (" <<
		(unsigned int)blue << "," << (unsigned int)green << "," <<
		(unsigned int)red << ")" << std::endl;
	std::cout << "Gray pixel there is:" << 
		(unsigned int)img_gry.at<uchar>(y, x) << std::endl;

	x /= 4; y /= 4;

	std::cout << "Pyramid2 pixel there is:" <<
		(unsigned int)img_pyr2.at<uchar>(y, x) << std::endl;
	img_cny1.at<uchar>(x, y) = 128;
	cv::waitKey(0);

}

int main()
{
	test();
	system("pause");
	return 0;
}

结果

在这里插入图片描述

2-10、同一个对象可以读取视频文件也可以连接摄像头

#include<opencv2/opencv.hpp>
#include<string>
#include<iostream>

int main(int argc,char** argv)
{
	
	cv::namedWindow("Example2_10", cv::WINDOW_AUTOSIZE);
	cv::VideoCapture cap;
	if (argc == 1) {
		cap.open(0);
	}
	else {
		cap.open(argv[1]);
	}
	if (!cap.isOpened()) {
		std::cerr << "Couldn't open capture." << std::endl;
		return -1;
	}
	system("pause");
	return 0;
}

2-11、一个完整的读取彩色视频并转换为对数极坐标视频的程序

#include<opencv2/opencv.hpp>
#include<opencv2/highgui.hpp>

#include<iostream>
#include<string>

static void test()
{
	std::string path("yishenga.mp4");
	std::string path1("yi.mp4");
	cv::namedWindow("Example2_11", cv::WINDOW_AUTOSIZE);
	cv::namedWindow("Log_Polar", cv::WINDOW_AUTOSIZE);
	//Note:could capture from a camera by giving a camera id as an int
	cv::VideoCapture capture(path);
	double fps = capture.get(cv::CAP_PROP_FPS);
	cv::Size size(
		(int)capture.get(cv::CAP_PROP_FRAME_WIDTH),
		(int)capture.get(cv::CAP_PROP_FRAME_HEIGHT)
	);

	cv::VideoWriter writer;
	writer.open(path1,cv::CAP_OPENCV_MJPEG, fps, size);
	cv::Mat logpolar_frame, bgr_frame;
	for (;;) {
		capture >> bgr_frame;
		if (bgr_frame.empty()) break;//end if done
		cv::imshow("Example2_11", bgr_frame);
		cv::logPolar(
			bgr_frame,                        //Input color frame
			logpolar_frame,					  //Output log-polar frame
			cv::Point2f(					  //Centerpoint for log-polar transformation
				bgr_frame.cols/2 ,			  //x
				bgr_frame.rows/2 			  //y
			),
			80, 
			cv::WARP_FILL_OUTLIERS
		);
		cv::imshow("Log_Polar", logpolar_frame);
		writer << logpolar_frame;
		char c = cv::waitKey(10);
		if (c == 27) break;
	}
	capture.release();
}

int main()
{
	test();
	system("pause");
	return 0;
}

在这里插入图片描述

yangyang_z
关注
  • 8
    点赞
  • 踩
  • 30
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
专栏目录
OpenCV初探 C++代码.rar
11-19
OpenCV（开源计算机视觉库）是一个强大的跨平台计算机视觉库，它包含了大量的图像处理和计算机视觉算法，广泛应用于机器学习、图像分析、机器人导航等领域。本篇将详细探讨OpenCV在C++环境中的使用，主要关注以下几...
OpenCV初探：二、Android程序示例 源代码
06-29
在"OpenCV初探：二、Android程序示例 源代码"中，我们可以预期获得一些关于如何在Android应用中集成OpenCV的实例代码。这些源代码将帮助开发者理解如何在Android环境下设置和使用OpenCV库，从而实现各种视觉任务。 ...
(1)Opencv之载入一幅图像并进行平滑处理
weixin_30707875的博客
07-01 245
平台：32位Win7操作系统+VS2012+OpenCv2.4.4 实验目的：实现对一幅图像的显示，并对图像进行平滑处理 问题描述： 1）可以显示图像，执行报错 错误提示： 1>main.obj : error LNK2019: 无法解析的外部符号 _cvSmooth，该符号在函数 "void __cdecl exemple2(struct _IplImage *)" (?e...
opencv-载入一幅图像并进行平滑处理
Triple-L
07-15 2020
#include "cv.h" #include "highgui.h"void main(int argc, char ** argv){ IplImage* image = cvLoadImage(argv[1]); cvNamedWindow("Example4-in"); cvNamedWindow("Example4-out"); cvShowImage("
OpenCv初探
m0_63439435的博客
12-13 178
opencv bgr
OpenCV初探
hw5230的博客
06-19 182
在安装OpenCV库以及设置好编程环境之后，下一个任务就是用代码来做一些有趣的事情。下面介绍一下OpenCV中的头文件：头文件功能旧式C风格的结构及运算新式C++风格的结构及数学运算最邻近搜索匹配函数旧式C风格的图像处理函数新式C++风格图像处理函数操作和恢复照片相关算法视觉追踪以及背景分割用于追踪的二维特征级联人脸分类器、latent SVM分类器、HoG特征和平面片检测器校准以及双目视觉相关机器学习、聚类以及 模式识别相关旧式C风格的显示、滑动条、鼠标操作以及输入输出相关。
opencv 初探
淮南草的博客
06-04 188
基础：第一次接触图像处理，第一次接触opencv，
opencv初探
texas_instrument的博客
07-10 275
关于配置opencv环境的问题，大家可以去这参考，非常详细。我也成功地踩到了博主提到的所有bug，我自己是使用了opencv2.4.9+vs2013版本来配置
OpenCV初探001
匠心=专一+持之以恒
04-21 277
mat类
Opencv初探Mat像素
weixin_yuanweiyaonie的博客
12-11 126
Opencv第一天-学习心得 #include <opencv2\opencv.hpp> #include <iostream> #include <sstream> #include <string> using namespace cv; using namespace std; //主要是遍历像素以及像素取反操作，按照官方教程的解释来看，指针...
opencv初探二-出错解决
北巷番茄鱼的博客
12-25 300
链接库配置，在【链接器】选择【输入】，【附加的依赖项】，添加opencv_world400.lib 和opencv_world400d.lib完成，然后测试输入 ` #include <opencv2/opencv.hpp> //头文件 using namespace cv; //包含cv命名空间 int main() { // 【1】读入一张图片 Mat img=imread(“1....
OpenCV初探：一、windows桌面程序示例源代码
06-29
OpenCV（开源计算机视觉库）是计算机视觉领域中一个广泛使用的工具包，它包含了众多用于图像处理、计算机视觉以及机器学习的函数。本压缩包提供的是在Windows环境下使用OpenCV进行桌面应用程序开发的示例源代码，...
[OpenCV] 数字图像处理 C++ 学习——11自定义线性滤波 附完整代码
m0_60437290的博客
09-01 1818
线性滤波用于去噪、平滑、边缘检测等操作。通过定义卷积核（算子）与图像进行卷积，线性滤波器可以有效地提取图像中的特定特征。本文将介绍几种常见的边缘检测算子，包括 Robert算子、Sobel 算子和拉普拉斯算子，并展示如何在 OpenCV 中实现这些滤波器的自定义操作。将提供完整的代码，以便学习使用。
opencv之阈值处理
hola173841439的博客
08-31 1559
最大化类间方差（Between-Class Variance）是 Otsu’s 阈值法的核心概念，旨在选择一个最佳阈值，使得图像的前景和背景之间的差异最大化。这种方法通过分析图像的灰度直方图，找到一个阈值，使得图像被分割成前景和背景后，它们之间的类间方差最大。全局阈值适合简单、光照均匀的图像，计算速度快但对复杂场景效果不好。自适应阈值适合光照不均的复杂图像，能更好地处理细节，但计算复杂度较高。Otsu’s 阈值法是一种自动选择阈值的全局方法，适合灰度直方图呈双峰分布的图像。
OPenCV结构分析与形状描述符（1）近似多边形轮廓顶点的函数approxPolyDP()的使用
最新发布
jndingxin的专栏
09-04 631
cv::approxPolyDP 函数使用另一条曲线或多边形来近似一条曲线或多边形，新曲线或多边形的顶点数较少，且两者之间的距离小于或等于指定的精度。该函数使用 Douglas-Peucker 算法。
OpenCV开发笔记（八十）：基于特征点匹配实现全景图片拼接
09-02 3282
一个摄像头视野不大的时候，我们希望进行两个视野合并，这样让正视的视野增大，从而可以看到更广阔的标准视野。拼接的方法分为两条路，第一条路是Sticher类，第二条思路是特征点匹配。本篇使用特征点匹配，进行两张图来视野合并拼接。
传统CV算法——基于opencv的答题卡识别判卷系统
swpucwf的博客
09-03 2853
实现答题卡识别系统中的各个功能。每个步骤都是自动化处理的关键部分，确保系统能够准确地读取和评分答题卡。通过这样的方式，可以大大减少人工操作的需求，提高评分的效率和准确性。
opencv之形态学
hola173841439的博客
08-31 1405
在图像处理领域，形态学是一种基于形状的图像分析技术，用于提取和处理图像的形态特征。这包括膨胀、腐蚀、开运算、闭运算等操作，广泛应用于边缘检测、图像分割和噪声去除等方面。形态学操作的核心概念是结构元（Structuring Element），这是一个定义形态学操作如何应用于图像的形状或模板。结构元可以是任意形状的，如方形、圆形、十字形等，应用于图像时，结构元素在图像上滑动，决定了哪些像素会被膨胀、腐蚀或其他形态学操作影响。
OpenCV入门指南：学习OpenCV
"Learning OpenCV 是一本面向初学者的OpenCV学习指南，由Gary Bradski和Adrian Kaehler合著，旨在帮助读者掌握计算机视觉库OpenCV的基础知识和应用技巧。" OpenCV（开源计算机视觉库）是一个强大的跨平台库，用于...
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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