Opencv视觉处理(C++)语法学习（9）图像基础知识整理巩固

图像直方图

void QuickDemo::histogram_demo(Mat& img)
{
	//进行三通道的分离
	std::vector<Mat> bgr_plane;
	split(img,bgr_plane);
	//定义预备用的参数
	const int channel[1] = { 0 };
	const int bins[1] = { 256 };
	float Range[2] = { 0,255 };
	const float* histRange = { Range };
	Mat b_hist, g_hist, r_hist;
	int num_bins = 256;
	calcHist(&bgr_plane[0],1,0,Mat(),b_hist,1,&num_bins,&histRange);
	calcHist(&bgr_plane[1], 1, 0, Mat(), g_hist, 1, &num_bins, &histRange);
	calcHist(&bgr_plane[2], 1, 0, Mat(), r_hist, 1, &num_bins, &histRange);
	//以上是样例
	int hist_h = 512;
	int hist_w = 400;
	Mat hist_Image = Mat::zeros(Size(hist_h, hist_w), CV_8UC3);
	//归一化直方图图像
	normalize(b_hist, b_hist, 0, hist_h, NORM_MINMAX,-1,Mat());
	normalize(g_hist, g_hist, 0, hist_h, NORM_MINMAX,-1, Mat());
	normalize(r_hist, r_hist, 0, hist_h, NORM_MINMAX,-1, Mat());
	int binStep = cvRound((float)hist_w / (float)num_bins);  //通过将宽度除以区间数来计算binStep变量
	for (int i = 1; i < num_bins; i++)
	{
		line(hist_Image,
			Point(binStep * (i - 1), hist_h - cvRound(b_hist.at<float>(i - 1))),
			Point(binStep * (i), hist_h - cvRound(b_hist.at<float>(i))),
			Scalar(255, 0, 0)
		);
		line(hist_Image,
			Point(binStep * (i - 1), hist_h - cvRound(g_hist.at<float>(i - 1))),
			Point(binStep * (i), hist_h - cvRound(g_hist.at<float>(i))),
			Scalar(0, 255, 0)
		);
		line(hist_Image,
			Point(binStep * (i - 1), hist_h - cvRound(r_hist.at<float>(i - 1))),
			Point(binStep * (i), hist_h - cvRound(r_hist.at<float>(i))),
			Scalar(0, 0, 255)
		);
	}
	Mat dst = hist_Image;
	imshow("dst", dst);
}

二维直方图

基于HSV图像进行编写

void QuickDemo::histogram_2d_demo(Mat& img)
{
	//生成2D直方图
	Mat hsv, hs_hist;
	cvtColor(img, hsv, COLOR_BGR2HSV);
	int hbins = 30, sbins = 32;//这是在hs两个维度上的显示间隔
	int hist_bins[] = { hbins,sbins };
	float h_range[] = {0,180};
	float s_range[] = {0,255};
	const float* hs_range[]= { h_range,s_range };
	int hs_channel[] = { 0,1 };
	calcHist(&hsv, 1, hs_channel, Mat(), hs_hist, 2, hist_bins, hs_range, true, false);
	double maxVal = 0;
	minMaxLoc(hs_hist, 0, &maxVal, 0, 0);
	int scale = 10;
	Mat hist2d_image = Mat::zeros(sbins * scale, hbins * scale, CV_8UC3);
	for (int h = 0; h < hbins; h++)
	{
		for (int s = 0; s < sbins; s++)
		{
			float bindVal = hs_hist.at<float>(h, s);
			int intensity = cvRound(bindVal*255/maxVal);
			rectangle(hist2d_image, Point(h * scale, s * scale),
				Point((h + 1) * scale - 1, (s + 1) * scale-1),
				Scalar::all(intensity),-1);
		}
	}
	applyColorMap(hist2d_image, hist2d_image, COLORMAP_COOL);
	imshow("H-Spro", hist2d_image);
	//imwrite("E:/data-output/outputHSV2d_Hist.png", hist2d_image);
}

直方图均衡化

void QuickDemo::histogram_equal_demo(Mat& img)
{
	Mat gray, dst;
	cvtColor(img, gray, COLOR_BGR2GRAY);
	equalizeHist(gray, dst);
	imshow("dst",dst);
}

图像卷积操作

这是一个图像卷积的实例,会使得图像的灰度在所设定的窗口内进行卷积，使得产生一种模糊的效果
可以通过改变Size()来改变产生图标的效果.

void QuickDemo::blur_demo(Mat& img)
{
	Mat dst;
	blur(img, dst, Size(3, 3), Point(-1, -1));
	imshow("dst",dst);
}

高斯模糊

产生的效果是中心位置的模糊是最大的，其他部分的是最小的,原理是通过改变其卷积和来产生的
产生一个中心化模糊效应

void QuickDemo::Gusin_demo(Mat &img)
{
	Mat dst;
	GaussianBlur(img,dst,Size(5,5),15);
	imshow("dst", dst);
}

高斯双边模糊

参数说明：
-参数InputArray表示输入图像Mat对象
-参数OutputArray表示模糊之后输出Mat对象
-参数d表示双边滤波时候中心到周围像素距离
-参数sigmaColor表示高斯核中颜色值标准方差
-参数sigmaSpace表示高斯核中空间的标准方差
-参数borderType表示边缘的处理方法
一共六个参数，其中如果参数d没有申明的话或者是负数的话就从sigmaSpace中计算得到即可。常见的d取值为15或者20如果过大会导致运算时间较长。

void QuickDemo::Gusin_double_demo(Mat& img)
{
	Mat dst;
	bilateralFilter(img,dst,0,100,10);
	imshow("dst",dst);
}

高斯双边滤波经常被用来实现图像美化类APP用来做高斯磨皮核心算法，然后基于SOBEL算子进行叠加处理，通过高斯模糊得到最终结果。效果异常明显，是一个不错的选择。

滤波函数filter2D

参数说明
-参数InputArray表示输入图像Mat对象
-参数OutputArray表示模糊之后输出Mat对象
-参数d表输出图像的深度，-1表示跟输入图像深度相同。
-参数kernel表示自定义的Mat对象，卷积核或者算子。
-参数Point表示锚定的位置，Point(-1, -1)表示默认为卷积核中心位置。
-参数delta表示卷积处理之后的每个像素值是否加上常量delta，默认0.0表示不加上额外值到处理后的像素值上。
-参数borderType表示边缘像素的处理方式，默认为BORDER_DEFAULT。
通过定义不同的卷积核、filter2D函数可以实现卷积的各种功能、包括模糊、锐化、边缘提取等。下面我们就来一一通过代码演示

void QuickDemo::blur_function(Mat& src)
{
	//使用filter2D函数以及各种常见算子对图像进行操作

	//1.模糊操作
	/*
	int ksize = 5;//设定卷积面积,模糊的程度与这个算子有关，越大越模糊
	Mat dst;
	Mat kernel = Mat::ones(ksize, ksize, CV_32F) / (float)(ksize * ksize);
	filter2D(src,dst,-1,kernel,Point(-1,-1),0.0,4);
	//注意用法:-1指的是深度是否保持一致 Point(-1,-1)表示瞄定的点在中间
	imshow("模糊处理", dst);
	*/
	//2.实现边缘提取
	/*
	Mat dst;
	Mat kernel = (Mat_<char>(3, 3) << -1, -1, -1, -1, 8, -1, -1, -1, -1);//设定一个算子
	filter2D(src, dst,-1,kernel,Point(-1,-1),0.0,4);
	imshow("边缘提取", dst);
	*/

	//3.实现图像的锐化
	/*
	Mat dst;
	Mat kernel = (Mat_<char>(3, 3) << -1, -1, -1, -1, 9, -1,-1,-1,-1);
	filter2D(src, dst, -1, kernel, Point(-1, - 1),0.0, 4);
	imshow("图像锐化", dst);
	*/

	//4.Robot算子
	/*
	Mat dst;
	Mat kernel = (Mat_<char>(2, 2) <<-1,0,0,1 );
	filter2D(src, dst, -1, kernel, Point(-1, -1), 0.0, 4);
	imshow("Robot算子", dst);
	*/

	//5.Sobel算子效果
	Mat dst;
	Mat kernel = (Mat_<char>(3, 3) << 1, 2, 1, 0, 0, 0, -1, -2, -1);
	filter2D(src, dst, -1, kernel, Point(- 1, -1), 0.0, 4);
	imshow("sobel算子", dst);
}