OpenCV快速上手入门_C++版本

已于 2024-04-07 22:12:34 修改
阅读量458 收藏 19
点赞数 1
分类专栏： C++ 文章标签： opencv c++ 计算机视觉
于 2023-04-09 21:10:43 首次发布
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_45894702/article/details/130036934
版权

前言

  • 本文内容主要来源于油管知名博主Murtaza’s Workshop - Robotics and AI 的4小时入门OpenCV的C++课程。本篇博客不仅包含课程中的所有代码，而且还在一些较复杂代码中加入了详细的注释和一些知识点的归纳总结，方便有计算机视觉基础的同学快速上手使用OpenCV
  • 代码中所使用到的图片、视频以及xml文件所在路径需要根据自己的实际情况进行更改

Chapter1_Read Images Videos and Webcams

这边为了显示方便，就没有把多余的主函数注释掉。

#include<opencv2/highgui.hpp>
#include<opencv2/imgcodecs.hpp>
#include<opencv2/imgproc.hpp>

using namespace cv;
using namespace std;


/  Images  //

void main() {

    string path = "Resources/Resources/test.png";
    Mat img = imread(path);
    imshow("Image", img);
    waitKey(0);

}

///  Video  //

void main() {
	string path = "Resources/Resources/test_video.mp4";
	VideoCapture cap(path);  //对输入的影像的每一帧进行捕捉
	Mat img;

	while (true) {

		cap.read(img);   //将捕获到的信息输入到img对象中
		imshow("Image", img);
		waitKey(2); //设置延迟
	}
}


/  Webcam  //

void main() {

	VideoCapture cap(0);
	Mat img;

	while (true) {

		cap.read(img);
		imshow("Image", img);
		waitKey(1);
	}
}

Chpater2_Basic Functions

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

///  Basic Functions  //

void main() {

	string path = "Resources/Resources/test.png";
	Mat img = imread(path);
	Mat imgGray, imgBlur, imgCanny, imgDil, imgErode;

	cvtColor(img, imgGray, COLOR_BGR2GRAY);
	GaussianBlur(imgGray, imgBlur, Size(7, 7), 5, 0);
	Canny(imgBlur, imgCanny, 25, 75);

	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));//得到膨胀模板
	dilate(imgCanny, imgDil, kernel);
	erode(imgDil, imgErode, kernel);

	imshow("Image", img);
	imshow("Image Gray", imgGray);
	imshow("Image Blur", imgBlur);
	imshow("Image Canny", imgCanny);
	imshow("Image Dilation", imgDil);
	imshow("Image Erode", imgErode);
	waitKey(0);
}

Chapter3_Resize and Crop

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;


///  Resize and Crop //

void main() {

	string path = "Resources/test.png";
	Mat img = imread(path);
	Mat imgResize, imgCrop;

	//cout << img.size() << endl;
	resize(img, imgResize, Size(), 0.5, 0.5);

	Rect roi(200, 100, 300, 300); //设置矩形的大小
	imgCrop = img(roi);

	imshow("Image", img);
	imshow("Image Resize", imgResize);
	imshow("Image Crop", imgCrop);
	waitKey(0);
}

Chapter4_Drawing Shapes and Text

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

//  Draw Shapes and Text //

void main() {

	// Blank Image 
	Mat img(512, 512, CV_8UC3, Scalar(255, 255, 255));  

	circle(img, Point(256, 256), 155, Scalar(0, 69, 255), FILLED); //画圈
	rectangle(img, Point(130, 226), Point(382, 286), Scalar(255, 255, 255), FILLED);  //画矩阵
	line(img, Point(130, 296), Point(382, 296), Scalar(255, 255, 255), 2); //画连线

	putText(img, "Murtaza's Workshop", Point(137, 262), FONT_HERSHEY_DUPLEX, 0.75, Scalar(0, 69, 255), 2);

	imshow("Image", img);
	waitKey(0);
}

Chpater5_Warp Perspective

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

///  Warp Images  //

void main() {

	string path = "Resources/Resources/cards.jpg";
	Mat img = imread(path);
	Mat matrix, imgWarp;
	float w = 250, h = 350;

	Point2f src[4] = { {529,142},{771,190},{405,395},{674,457} };  //定位原本图像的区域
	Point2f dst[4] = { {0.0f,0.0f},{w,0.0f},{0.0f,h},{w,h} };    //定位要投影图像的区域

	matrix = getPerspectiveTransform(src, dst);  //得到透视转换器的矩阵
	warpPerspective(img, imgWarp, matrix, Point(w, h));

	for (int i = 0; i < 4; i++)
	{
		circle(img, src[i], 10, Scalar(0, 0, 255), FILLED);
	}

	imshow("Image", img);
	imshow("Image Warp", imgWarp);
	waitKey(0);

}

Chapter6_Color Detection

  • 实现图像颜色检测与跟踪，先将图像转换为HSV格式，再利用相应颜色的hsv取值范围对图像进行inRange进行颜色提取，同时为了使得提取颜色方便，不用一直修改相应颜色的取值范围，还创建了动态修改取值范围的追踪栏

HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、亮度(Value)。

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

///  Color Detection  // 
//实现图像颜色检测与跟踪，先将图像转换为HSV格式，再利用相应颜色的hsv取值范围对图像进行inRange进行颜色提取，同时
//为了使得提取颜色方便，不用一直修改相应颜色的取值范围，还创建了动态修改取值范围的追踪栏

void main() {

	string path = "Resources/lambo.png";
	Mat img = imread(path);
	Mat imgHSV, mask;
	int hmin = 0, smin = 110, vmin = 153;   //设置HSV色彩空间中的取值范围
	int hmax = 19, smax = 240, vmax = 255;

	cvtColor(img, imgHSV, COLOR_BGR2HSV);  //cenvert 对图像进行色彩空间转换
	 
	namedWindow("Trackbars", (640, 200));   // 创建一个新窗口并命名大小，同时设置窗口大小
	createTrackbar("Hue Min", "Trackbars", &hmin, 179);   //在指定名称的窗口中创建一个追踪栏，并设置好追踪栏的名称以及取值范围
	createTrackbar("Hue Max", "Trackbars", &hmax, 179);	  //利用追踪栏我们可以很灵活的调整传入的值
	createTrackbar("Sat Min", "Trackbars", &smin, 255);
	createTrackbar("Sat Max", "Trackbars", &smax, 255);
	createTrackbar("Val Min", "Trackbars", &vmin, 255);
	createTrackbar("Val Max", "Trackbars", &vmax, 255);

	while (true) {

		Scalar lower(hmin, smin, vmin);    //设置标量Scalar
		Scalar upper(hmax, smax, vmax);
		inRange(imgHSV, lower, upper, mask);  // 对指定好取值范围内的色彩进行提取 用二值化的形式输出到目的图像中

		imshow("Image", img);
		imshow("Image HSV", imgHSV);
		imshow("Image Mask", mask);
		waitKey(1);
	}
}

Chpater7_Shapes/Contour Detection

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

///  Color Detection  //

void getContours(Mat imgDil, Mat img) {

	vector<vector<Point>> contours;  //轮廓集合 每一个轮廓由若干个点组成 所以这边用到了vector的vector
	vector<Vec4i> hierarchy; // 层次结构由4位整数组成

	//该方法能够将输入的轮廓图像进行提取，将其轮廓信息进行提取，得到contours和hierarchy,同时我们可以指定提取模式和提取方法   
	findContours(imgDil, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); 
	//drawContours(img, contours, -1, Scalar(255, 0, 255), 2);  //在img图像上将轮廓画出来

	vector<vector<Point>> conPoly(contours.size());   //每一个图形中的含有的节点
	vector<Rect> boundRect(contours.size());     //得到每一个轮廓的外包矩形的四个点的坐标

	for (int i = 0; i < contours.size(); i++)
	{
		int area = contourArea(contours[i]);   // contourArea可以计算出每一个contours元素中所有点连线所围成的区域大小
		cout << area << endl;
		string objectType;

		if (area > 1000)   //如果存在噪声那么噪声的Area肯定很小，所以我们可以假定只有Area大于1000才是正常的形状，我们才去提取它的轮廓
		{
			float peri = arcLength(contours[i], true);    //计算每一个轮廓的长度
			approxPolyDP(contours[i], conPoly[i], 0.02 * peri, true);  //根据每一个轮廓的长度以及我们自定义的分割单位，分割出一个轮廓所包含的节点
			cout << conPoly[i].size() << endl;
			boundRect[i] = boundingRect(conPoly[i]);   //根据轮廓中所包含的节点构造一个外包矩阵

			int objCor = (int)conPoly[i].size();   //将轮廓中的节点数转换为整数，便于下一步的判断形状并输出

			if (objCor == 3) { objectType = "Tri"; }
			else if (objCor == 4)  //对于四个节点数的图形，进行进一步区分
			{
				float aspRatio = (float)boundRect[i].width / (float)boundRect[i].height;  
				cout << aspRatio << endl;
				if (aspRatio > 0.95 && aspRatio < 1.05) { objectType = "Square"; }  //如果矩形的宽高比很接近1左右 就判断为正方形
				else { objectType = "Rect"; }
			}
			else if (objCor > 4) { objectType = "Circle"; }

			drawContours(img, conPoly, i, Scalar(255, 0, 255), 2);
			rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);  //将之前检测出的外包矩形绘制出来
			putText(img, objectType, { boundRect[i].x,boundRect[i].y - 5 }, FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 2);  //将判断好的图形输出
		}
	}
}


void main() {

	string path = "Resources/shapes.png";
	Mat img = imread(path);
	Mat imgGray, imgBlur, imgCanny, imgDil;

	// Preprocessing
	cvtColor(img, imgGray, COLOR_BGR2GRAY);
	GaussianBlur(imgGray, imgBlur, Size(3, 3), 3, 0);  //高斯模糊
	Canny(imgBlur, imgCanny, 25, 75);
	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
	dilate(imgCanny, imgDil, kernel);  // 图像边缘提取之后，进行膨胀操作扩大边缘

	getContours(imgDil, img);  //将膨胀过后的边缘，提取出来放在原图像上

	imshow("Image", img);
	//imshow("Image Gray", imgGray);
	//imshow("Image Blur", imgBlur);
	//imshow("Image Canny", imgCanny);
	//imshow("Image Dil", imgDil);

	waitKey(0);

}

最终效果：
在这里插入图片描述

Chapter8_Face Detection

  • 这边并不是在叫你如何从0到1去实现人脸识别，而是直接使用Viola-Jones算法来实现人脸识别，然后其中的级联分类器也是事先训练好给你的，所以我们要做的只是懂得如何使用opencv进行相关代码实现
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/objdetect.hpp>
#include <iostream>

using namespace cv;
using namespace std;


///  Images  //

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/objdetect.hpp>
#include <iostream>

using namespace cv;
using namespace std;


///  Images  //

void main() {

	string path = "Resources/Resources/test.png";
	Mat img = imread(path);

	CascadeClassifier faceCascade;   //使用Viola-Jones算法来实人脸识别
	faceCascade.load("Resources/Resources/haarcascade_frontalface_default.xml");  //导入事先训练好的级联分类器

	if (faceCascade.empty()) { cout << "XML file not loaded" << endl; }  //判断是否导入成功

	vector<Rect> faces;  //定义脸部显示框为矩形
	faceCascade.detectMultiScale(img, faces, 1.1, 10);  //将输入图像的脸部定位框位置上的四个节点输出

	for (int i = 0; i < faces.size(); i++)
	{
		rectangle(img, faces[i].tl(), faces[i].br(), Scalar(255, 0, 255), 3);   //缩写top righy ; bottom left
	}

	imshow("Image", img);
	waitKey(0);
}

最终效果：
在这里插入图片描述

Project1_Virtual Painter

  • 在之前学习到的内容基础上进行整合，实现虚拟画家这一功能
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;


/  Project 1 - Virtual Painter //

Mat img;
VideoCapture cap(0);
vector<vector<int>> newPoints;  // to store all points

/  COLOR VALUES 
						   // hmin, smin, vmin hmax, smax, vmax
vector<vector<int>> myColors{ {124,48,117,143,170,255}, // Purple
								{68,72,156,102,126,255} };// Green
vector<Scalar> myColorValues{ {255,0,255},		// Purple
								{0,255,0} };// Green 	


Point getContours(Mat image) {


	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;

	findContours(image, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
	//drawContours(img, contours, -1, Scalar(255, 0, 255), 2);
	vector<vector<Point>> conPoly(contours.size());
	vector<Rect> boundRect(contours.size());

	Point myPoint(0, 0);

	for (int i = 0; i < contours.size(); i++)
	{
		int area = contourArea(contours[i]);
		cout << area << endl;

		string objectType;

		if (area > 1000)
		{
			float peri = arcLength(contours[i], true);
			approxPolyDP(contours[i], conPoly[i], 0.02 * peri, true);

			cout << conPoly[i].size() << endl;
			boundRect[i] = boundingRect(conPoly[i]);
			myPoint.x = boundRect[i].x + boundRect[i].width / 2;
			myPoint.y = boundRect[i].y;

			//drawContours(img, conPoly, i, Scalar(255, 0, 255), 2);
			//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
		}
	}
	return myPoint;
}


vector<vector<int>> findColor(Mat img)
{
	Mat imgHSV;
	cvtColor(img, imgHSV, COLOR_BGR2HSV);

	for (int i = 0; i < myColors.size(); i++)
	{
		Scalar lower(myColors[i][0], myColors[i][1], myColors[i][2]);
		Scalar upper(myColors[i][3], myColors[i][4], myColors[i][5]);
		Mat mask;
		inRange(imgHSV, lower, upper, mask);
		//imshow(to_string(i), mask);
		Point myPoint = getContours(mask);
		if (myPoint.x != 0) {
			newPoints.push_back({ myPoint.x,myPoint.y,i });
		}
	}
	return newPoints;
}

void drawOnCanvas(vector<vector<int>> newPoints, vector<Scalar> myColorValues)
{

	for (int i = 0; i < newPoints.size(); i++)
	{
		circle(img, Point(newPoints[i][0], newPoints[i][1]), 10, myColorValues[newPoints[i][2]], FILLED);
	}
}


void main() {

	while (true) {

		cap.read(img);
		newPoints = findColor(img);
		drawOnCanvas(newPoints, myColorValues);

		imshow("Image", img);
		waitKey(1);
	}
}

Project2_Document Scanner

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

///  Project 2 - Document Scanner  //

Mat imgOriginal, imgGray, imgBlur, imgCanny, imgThre, imgDil, imgErode, imgWarp, imgCrop;
vector<Point> initialPoints, docPoints;
float w = 420, h = 596;

Mat preProcessing(Mat img)
{
	cvtColor(img, imgGray, COLOR_BGR2GRAY);
	GaussianBlur(imgGray, imgBlur, Size(3, 3), 3, 0);
	Canny(imgBlur, imgCanny, 25, 75);
	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
	dilate(imgCanny, imgDil, kernel);
	//erode(imgDil, imgErode, kernel);
	return imgDil;
}

vector<Point> getContours(Mat image) {

	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;

	findContours(image, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
	//drawContours(img, contours, -1, Scalar(255, 0, 255), 2);
	vector<vector<Point>> conPoly(contours.size());
	vector<Rect> boundRect(contours.size());

	vector<Point> biggest;
	int maxArea = 0;

	for (int i = 0; i < contours.size(); i++)
	{
		int area = contourArea(contours[i]);
		//cout << area << endl;

		string objectType;

		if (area > 1000)
		{
			float peri = arcLength(contours[i], true);
			approxPolyDP(contours[i], conPoly[i], 0.02 * peri, true);

			if (area > maxArea && conPoly[i].size() == 4) {

				//drawContours(imgOriginal, conPoly, i, Scalar(255, 0, 255), 5);
				biggest = { conPoly[i][0],conPoly[i][1] ,conPoly[i][2] ,conPoly[i][3] };
				maxArea = area;
			}
			//drawContours(imgOriginal, conPoly, i, Scalar(255, 0, 255), 2);
			//rectangle(imgOriginal, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
		}
	}
	return biggest;
}

void drawPoints(vector<Point> points, Scalar color)
{
	for (int i = 0; i < points.size(); i++)
	{
		circle(imgOriginal, points[i], 10, color, FILLED);
		putText(imgOriginal, to_string(i), points[i], FONT_HERSHEY_PLAIN, 4, color, 4);
	}
}

vector<Point> reorder(vector<Point> points)
{
	vector<Point> newPoints;
	vector<int>  sumPoints, subPoints;

	for (int i = 0; i < 4; i++)
	{
		sumPoints.push_back(points[i].x + points[i].y);
		subPoints.push_back(points[i].x - points[i].y);
	}

	newPoints.push_back(points[min_element(sumPoints.begin(), sumPoints.end()) - sumPoints.begin()]); // 0
	newPoints.push_back(points[max_element(subPoints.begin(), subPoints.end()) - subPoints.begin()]); //1
	newPoints.push_back(points[min_element(subPoints.begin(), subPoints.end()) - subPoints.begin()]); //2
	newPoints.push_back(points[max_element(sumPoints.begin(), sumPoints.end()) - sumPoints.begin()]); //3

	return newPoints;
}

Mat getWarp(Mat img, vector<Point> points, float w, float h)
{
	Point2f src[4] = { points[0],points[1],points[2],points[3] };
	Point2f dst[4] = { {0.0f,0.0f},{w,0.0f},{0.0f,h},{w,h} };

	Mat matrix = getPerspectiveTransform(src, dst);
	warpPerspective(img, imgWarp, matrix, Point(w, h));

	return imgWarp;
}

void main() {

	string path = "Resources/paper.jpg";
	imgOriginal = imread(path);
	//resize(imgOriginal, imgOriginal, Size(), 0.5, 0.5);

	// Preprpcessing - Step 1 
	imgThre = preProcessing(imgOriginal);

	// Get Contours - Biggest  - Step 2
	initialPoints = getContours(imgThre);
	//drawPoints(initialPoints, Scalar(0, 0, 255));
	docPoints = reorder(initialPoints);
	//drawPoints(docPoints, Scalar(0, 255, 0));

	// Warp - Step 3 
	imgWarp = getWarp(imgOriginal, docPoints, w, h);

	//Crop - Step 4
	int cropVal = 5;
	Rect roi(cropVal, cropVal, w - (2 * cropVal), h - (2 * cropVal));
	imgCrop = imgWarp(roi);

	imshow("Image", imgOriginal);
	//imshow("Image Dilation", imgThre);
	//imshow("Image Warp", imgWarp);
	imshow("Image Crop", imgCrop);
	waitKey(0);

}

Project3_License Plate Detector

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/objdetect.hpp>
#include <iostream>

using namespace cv;
using namespace std;

///  Project 3 - License Plate Detector //

void main() {

	Mat img;
	VideoCapture cap(0);

	CascadeClassifier plateCascade;
	plateCascade.load("Resources/haarcascade_russian_plate_number.xml");

	if (plateCascade.empty()) { cout << "XML file not loaded" << endl; }

	vector<Rect> plates;

	while (true) {

		cap.read(img);
		plateCascade.detectMultiScale(img, plates, 1.1, 10);

		for (int i = 0; i < plates.size(); i++)
		{
			Mat imgCrop = img(plates[i]);
			//imshow(to_string(i), imgCrop);
			imwrite("Resources/Plates/" + to_string(i) + ".png", imgCrop);
			rectangle(img, plates[i].tl(), plates[i].br(), Scalar(255, 0, 255), 3);
		}

		imshow("Image", img);
		waitKey(1);
	}
}

参考资料

  1. CVZONE OpenCV C++课程官方文档
  2. LEARN OPENCV C++ in 4 HOURS | Including 3x Projects | Computer Vision
  3. b站相应视频搬运
帅小帅家的小吴昊
关注
  • 1
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
C++版本OpenCv教程
feichangyanse的博客
11-28 1万+
C++版OpenCV的详细教程
快速入门OpenCV(C/C++)(持续更新)
在这里你甚至能学算卦，快进来看看
01-30 3069
快速入门OpenCV，啥都有（持续更新）
2024年C C++最全一、OpenCV环境搭建（采用官方已经编译好的）_编译好的opencv，不同层级的C C++开发者的不同行为
最新发布
2401_84973716的博客
05-13 530
64位系统的需要在path添加“;opencv安装路径\build\x86\vc14\bin”，但是3.1.0版本的OpenCV已经将x86这个目录删除了，也就是说在VS 2015环境下不能进行32位的OpenCV编译。在VS中有个叫做“属性管理器”的工具，用于进行VS整体参数的配置，配置一次之后，以后所有新建项目都能应用改配置，不用再一一进行配置操作，使用起来也非常方便。我们知道要在VS中使用外部的类库的话，需要进行引入的一下配置，这个配置就包括：外部库目录指定和外部包含文件指定。
OpenCV C++基本操作入门学习
VJOEE的博客
02-05 1772
确定卷积核的大小和权重。
Opencv快速入门(C++版)
feichangyanse的博客
11-28 2337
Opencv快速入门(C++版）前言1、图像的读取与显示所使用的API接口：代码演示：2、图像色彩空间转换所使用的API接口：代码演示：3、图像对象的创建与赋值所使用的API接口：代码演示：4、像素的读写操作所使用的API接口：代码演示：5、像素的算术操作所使用的API接口：代码演示：6、滚动条调整图像亮度与对比度所使用的API接口：代码演示：7、键盘响应所使用的API接口：代码演示：8、Opencv自带颜色表操作（滤镜）所使用的API接口：代码演示：9、像素逻辑操作所使用的API接口：代码演示：10、通道
OpenCV（C++）入门（一）
FTT_XXX的博客
02-18 756
opencv
Opencv（c++基础）
m0_73044708的博客
02-12 816
其中的cards.jpg图片是放在资源文件Resources内的，如果放在与cpp相同的文件夹内的话，就可以直接读取，或者可以使用图片所在位置的绝对路径。读取灰度照片有两种方法：一种是在读取照片的时候就按照灰度格式读取，第二种是先读取之后再转换。Opencv其实就一个有关视觉处理的库，就和学C语言的时候用的math那一堆库一样。工作空间：是为了避免 如果两个库中有相同的函数名，在调用函数时会发生冲突。
Opencv-C++笔记 (3) : opencv的库介绍以及和C++对接转换
jiyanghao19的博客
06-15 3663
其解释如下：[features2d]: 也就是Features2D， 2D功能框架 ，包含如下内容特征检测和描述 特征检测器（Feature Detectors）通用接口 描述符提取器（Descriptor Extractors）通用接口 描述符匹配器（Descriptor Matchers）通用接口 通用描述符（Generic Descriptor）匹配器通用接口 关键点绘制函数和匹配功能绘制函数运动分析 期望最大化 直方图 平面细分（C API） 特征检测和描述（Feature Detection an
opencv_c++学习（十）
qq_52302919的博客
05-18 526
在图像变换的过程中往往需要对像素进行相关的操作。如上图（左）所示，我们会遇到两个相邻的像素块需要映射到同样的位置中，或者两个相邻的位置的像素中间需要映射出一个位置的像素块。这时候我们就需要一些差值的方法。如上图（右）所示，是一个双线性插值操作。
OpenCV入门教程（非常详细）从零基础入门到精通，看完这一篇就够了
热门推荐
Python_0011的博客
07-22 2万+
网络安全行业产业以来，随即新增加了几十个网络安全行业岗位︰网络安全专家、网络安全分析师、安全咨询师、网络安全工程师、安全架构师、安全运维工程师、渗透工程师、信息安全管理员、数据安全工程师、网络安全运营工程师、网络安全应急响应工程师、数据鉴定师、网络安全产品经理、网络安全服务工程师、网络安全培训师、网络安全审计员、威胁情报分析工程师、灾难恢复专业人员、实战攻防专业人员…网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己录的网安视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。
OpenCV笔记（C++版）
feichangyanse的博客
12-10 3504
贾志刚C++ OpenCV的整理笔记
OpenCV图像处理基础——基于C++实现
04-10
OpenCV图像处理基础——基于C++实现版本视频培训课程概况：教程中会讲解到OpenCV的基础知识及使用方法，并基于OpenCV实现基础的图像处理算法；除此之外课程包含如下的内容： 图像颜色空间及类型转换及应用（BGR、YUV、YCrCb颜色空间、人像肤色检测）、图像直方图及其应用（直方图均衡化、色阶及对比度调节）、图像几何变换（平移、翻转、缩放等）、图像滤镜操作（卡通特效、畸变图像、马赛克）、图像滤波处理（人像磨皮、美颜）、图像形态学操作、多尺度及图像金字塔及视频操作处理等。下方的拓扑图给出了课程的章节目录及每一章中各个小节涉及到的主要内容：
最新opencv-c++安装及配置教程(VS2019 C++ & opencv4.8)
qq_64997742的博客
11-22 4191
以前写过opencv python的安装教程，后来有一些同学开始私信我如何安装及配置opencv c++。本文是以最新的版本入手，一步步详解opencv c++ 的安装及配置过程。第一步，下载解压opencv 算法库点击Windows，即可下载。其他系统可忽略本教程。笔者下载的是opencv 4.8.0 ，如果想尝试预发行版，可以选择opencv 4.8.0。下载之后双击，在抽取文件的目录中选择你想要存放的磁盘和文件即可。
【OpenCV教程合集版】一文入门和精通OpenCV（C/C++）
在这里你甚至能学算卦，快进来看看
02-04 3314
【OpenCV教程合集版】一文入门和精通OpenCV（C/C++）
opencv c++ 入门
2301_79090483的博客
10-19 143
有时需要让一个处理函数只在图像的某个部分起作用。OpenCV内嵌了一个精致又简洁的机制，可以定义图像的子区域，并把这个子区域当作普通的图像进行操作。假设我们要把一个小图像复制到一个大图像上。例如要把下面的标志插入到测试图你中。为了这病这个功能可以定义一个感兴趣的区域(Region Interest， ROI)，在此处进行复制操作，这个ROI的位置将瘊定标志的插入位置。// 图像数据结构核心头文件// 图形接口函数// 1.读取图像// 2.读取另一张图。
C++学习之OpenCV入门篇，看这一篇就足够了。通俗讲解，小白教学。
小鱼儿飞丫飞
01-08 3154
前言：先说说OpenCv到底是个啥？以前只知道是一个开源的代码库，没有具体涉及。OpenCV全称Open Source Computer Vision Library即开源计算机视觉库，简称是OpenCV也是很奇葩了。开源的代名词就是强大，所以OpenCV的强大性是我没有预料的到的，并且可以在Linux、windows、Android、Mac OS上面。主要用来处理图像，充当机器的眼睛，极大推动了...
openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)详细版
weixin_47059239的博客
03-01 6396
课程来源：哔哩哔哩 环境：OpenCV4.5.1 + VS2019 目录 002.图像色彩空间转换 003.图像对象的创建与赋值 004.图像像素的读写操作 005.图像像素的算术操作（加减乘除4种不同的API实现 006.滚动条-调整图像亮度 007.滚动条-传递参数 008.键盘响应操作 009.OpenCV自带颜色表操作 010.图像像素的逻辑操作（与，或，非，异或 011.通道合并与分离 012.图像色彩空间转换（提取轮廓然后换绿幕 013.图像像素值统计（min，max
计算机视觉与OpenCV算法实战（C++/Python双语教学）
11-15
课程目的：OpenCV是应用非常广泛的开源视觉处理库，在图像处理、计算机视觉和自动驾驶中有着非常重要的作用。课程设计特色：（课程当前为第一期）1、C++与Python双语教学Python语言是在计算机视觉中应用最多的一种语言，在工作中，深度学习模型的训练基本上都是使用Python语言编写的训练代码。OpenCV在这个过程中用于图像的预处理（例如图像读取、数据增强）和后处理，还可以用于显示处理的结果，功能强大，使用方便。但是在功能的部署的时候，不管是部署在服务端还是PC端，开发语言基本上用的是C++，所以如何有效的使用OpenCV进行模型或者功能的部署尤为重要。C++语言应用的好坏，在面试中可以看出一个面试者的工程实践能力的强弱，两种语言的开发掌握好了可以使工作如虎添翼。2、全模块讲解我出版了一本图书《学习OpenCV4：基于Python的算法实战》，虽然这本书是写的基于Python的算法实战，但是实际上这本书有详细的介绍算法的C++接口，还有一些C++方向的案例，是以Python为主。图书出版的时候就想双语写作，只是限于篇幅没有成行。本课程不仅采用双语教学，更是对C++的每个模块都做讲解，我们知道，很多的书其实只讲imgproc，如果你翻开一本书图像的形态学运算和图像滤波都是作为独立章节讲解的，那么这本书基本上就可以确定是只是讲解了imgproc模块，但是其他的模块在工作中也有很重要的作用。例如：core模块定义了C++的基本数据结构和基本运算（如四则运算）；highgui模块是可视化与交互的模块；feature2d是特征点与特征匹配相关算法所在的模块；ml是机器学习相关的模块；dnn是深度学习相关的模块，可以使用OpenCV进行深度学习模型的部署。这些是很多的书和课程都不会讲的。3、讲解细致本课程会从环境搭建开始讲解，环境搭建尤为重要。从我多年的授课经验总结来看，如果只是给了代码，很多的入门用户环境问题处理不好的话，后面的学习很难进行下去，甚至会丧失学习的信心。4、会讲解C++和Python的开发语法问题是入门用户的一大难关，特别是C++语言。大学只是教授了C语言相关的内容，C++很多同学只懂一点皮毛，所以写代码步履维艰，我们在讲解代码的过程中会顺带讲解C++和Python的内容。我们还会讲解编译相关知识，还有库的装载与链接，这些是学校里不会教的，目前也几乎没有课程讲解。5、讲师经验丰富我讲解过C++和OpenCV的多个课程，广受学员好评。我出版过两本图书《深度学习计算机视觉实战》和《学习OpenCV4》，两本书都是细致入微的讲解，主要针对的就是初学者，所以能够很好的处理课程的难易程度。6、讲义准备充分讲义准备的充分细致，标识清楚明确，重点和疑难点突出。
opencv加速warpAffine WARP_INVERSE_MAP例程C++
05-25
以下是使用OpenCV加速warpAffine函数的WARP_INVERSE_MAP示例代码： ```c++ #include <opencv2/opencv.hpp> int main() { cv::Mat src = cv::imread("input.jpg"); cv::Mat dst(src.size(), src.type()); // 定义仿射矩阵 cv::Point2f src_points[3] = {cv::Point2f(0, 0), cv::Point2f(src.cols - 1, 0), cv::Point2f(0, src.rows - 1)}; cv::Point2f dst_points[3] = {cv::Point2f(0, 0), cv::Point2f(src.cols - 1, 0), cv::Point2f(0, src.rows - 1)}; cv::Mat warp_mat = cv::getAffineTransform(src_points, dst_points); // 加速warpAffine函数 cv::Mat inv_warp_mat; cv::invertAffineTransform(warp_mat, inv_warp_mat); cv::warpAffine(src, dst, inv_warp_mat, src.size(), cv::WARP_INVERSE_MAP); cv::imwrite("output.jpg", dst); return 0; } ``` 在这个例子中，我们首先读取了一张名为“input.jpg”的图像。然后，我们定义了一个仿射矩阵，并使用OpenCV的getAffineTransform函数将其计算出来。接着，我们使用invertAffineTransform函数计算出反转的仿射矩阵，并将其用于加速warpAffine函数。最后，我们将输出写入到名为“output.jpg”的图像文件中。 值得注意的是，我们使用的是WARP_INVERSE_MAP标志来加速warpAffine函数，这个标志告诉OpenCV我们正在使用反转的仿射矩阵。这使得OpenCV能够跳过一些计算，从而加速函数执行。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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