OpenCV4图像处理算子不完全手册-进阶篇（已完结）

说明

本文主要是记录我在学习和使用OpenCV4过程中对常用算子的记录和简单描述，如描述有误请留言指正，我会持续进行完善！示例代码为C++编写，仅供参考。注意，为节省篇幅，函数中省略了参数类型和返回值，实际使用时参考opencv的接口说明即可！因版本不同而出现的接口和参数差异问题，请以具体版本为准，作者使用的opencv版本为最新版。

导航

OpenCV4图像处理算子不完全手册-入门篇
OpenCV4图像处理算子不完全手册-应用篇

正文

三、图像直方图与模板匹配

1、直方图统计

calcHist(images, nimages, channels, mask, hist, dims, histSize, ranges, uniform, accumulate)

参数说明：
images 待统计直方图的图像数组
nimages 输入图像的数量
channels 需要统计的通道索引数组
mask 可选的操作掩码
hist 输出的统计直方图结果，是一个维度为dims的数组
dims 需要计算的直方图的维度，一般灰度图像为1
histSize 存放每个维度直方图的数组的尺寸，如0~255就是256个级别
ranges 每个图像通道中灰度值的取值范围，如0~255
uniform 直方图是否均匀的标志符，默认为true
accumulate 是否累积统计直方图的标志，主要用于多个图像统计多个图像整体的直方图

2、直方图操作

直方图归一化，灰度值的概率分布

normalize(src, dst, alpha, beta, norm_type, dtype, mask)

参数说明：
alpha 在范围归一化的情况下，归一化到下限边界的标准值
beta 归一化时的上限范围，不用于标准规范化
norm_type 归一化过程中数据范数的种类标志
dtype 输出数据类型的选择标志

直方图比较

compareHist(H1, H2, method)//比较H1和H2，method为比较的方法

3、直方图的应用

直方图均衡，提高对比度

equalizeHist(src, dst)

4、图像模板匹配

matchTemplate(image, temp, result, method, mask)

参数说明：
image 待匹配的图像，仅支持CV_8U和CV_32F类型
temp 用于匹配的模板图像
result 匹配结果的输出图像，数据类型为CV_32F
method 选择的匹配方法

//匹配结束后在result中寻找最值和对应的位置，根据模板的大小进行绘制
double maxVal, minVal;
Point minLoc, maxLoc;
minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
//绘制最佳匹配区域，使用最大/最小值取决于使用的匹配方法标志
rectangle(img, cv::Rect(maxLoc.x, maxLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2);

四、图像滤波

1、线性滤波

均值滤波

blur(src, dst, ksize, anchor, borderType)

参数说明：
ksize 卷积核大小，即滤波器的尺寸大小，Size(w,h)
anchor 内核的基准点，即锚点，默认值（-1，-1）为内核的中心。
borderType 像素外推法选择标志

方框滤波

boxFilter(src, dst, ddepth, ksize, anchor, normalize, borderType)

参数说明：
ddepth 输出图像的数据类型深度，设置-1自动确定
normalize 是否将卷积核进行归一化，默认为true
其他参数同均值滤波

高斯滤波

GaussianBlur(src, dst, ddepth, ksize, sigmaX, sigmaY, borderType)

参数说明：
sigmaX X方向的高斯滤波器标准偏差
sigmaY Y方向的高斯滤波器标准偏差
其他参数同均值滤波

2、非线性滤波

中值滤波

medianBlur(src, dst, ksize)//主要用于去除椒盐噪声

双边滤波

bilateralFilter(src, dst, d, sigmaColor, sigmaSpace, borderType)//滤除噪声的同时，保持边缘清晰

参数说明：
d 滤波过程中每个像素邻域的直径
sigmaSpace 颜色空间滤波器的标准差值
sigmaSpace 空间坐标中滤波器的标准差值

3、边缘检测

拉普拉斯

Laplacian(src, dst, ddepth, ksize, scale, delta, borderType)//对噪声敏感，一般先使用高斯滤波去噪

参数说明：
ddepth 输出图像的数据类型深度，设置-1自动确定
ksize 滤波器的大小，必须设置正奇数
scale 导数结果缩放因子，默认为1不缩放
delta 偏值，在计算结果中附加的

坎尼

Canny(image, edges, threshhold1, threshhold2, apertureSize, L2gradient)//对噪声不敏感，效果较好

参数说明：
image 输入图像，仅支持CV_8U类型
edges 输出图像，与image尺寸和数据类型相同的单通道图像
threshhold1 第一个滞后阈值
threshhold2 第二个滞后阈值
apertureSize Sobel算子的直径
L2gradient 计算图像梯度幅值方法的标志

五、图像形态学

1、连通域

连通域统计

*原型1：
connectComponents(image, labels, connectivity, ltype, ccltype)//返回值为二值图像中连通域的个数
*原型2：
connectComponents(image, labels, connectivity = 8, ltype = CV_32S)//简化版本，带默认参数

参数说明：
image 输入图像，二值化后的图像，仅支持CV_8U类型
labels 标记不同连通域后的输出图像
connectivity 标记连通域时使用的邻域种类，有4邻域和8邻域
ltype 输出图像的数据类型，支持CV_32S和CV_16U
ccltype 标记连通域时使用的算法标志

连通域统计信息

*原型1：
connectComponentsWithStats(image, labels, stats, centroids, connectivity, ltype, ccltype)
*原型2：
connectComponentsWithStats(image, labels, stats, centroids, connectivity = 8, ltype = CV_32S)

参数说明：
stats 含有不同连通域统计信息的矩阵，CV_32S，每一行代表一个连通域的统计特性
centroids 每个连通域的质心坐标，CV_64F

2、腐蚀与膨胀

结构元素

getStructuringElement(shape, ksize, anchor = Point(-1,-1))//计算结构元素，用于腐蚀/膨胀

参数说明：
shape 生成结构元素的种类
ksize 结构元素的尺寸
anchor 结构元素的中心点，默认(-1,-1)为几何中心

图像腐蚀

erode(src, dst, kernel, anchor = Point(-1,-1), iterations = 1, borderType = BORDER_DEFAULT, borderValue = morphologyDefaultBorderValue())

参数说明：
kernel 用于腐蚀操作的结构元素，可自定义或由getStructuringElement得到
anchor 结构元素的中心点，默认(-1,-1)为几何中心
iterations 腐蚀的迭代次数
borderType 像素外推法选择标志
borderValue 使用边界不变外推法的边界值

图像膨胀

dialate(src, dst, kernel, anchor = Point(-1,-1), iterations = 1, borderType = BORDER_DEFAULT, borderValue = morphologyDefaultBorderValue())

3、形态学应用

形态学操作

morphologyEx(src, dst, op, kernel, anchor = Point(-1,-1), iterations = 1, borderType = BORDER_DEFAULT, borderValue = morphologyDefaultBorderValue())

参数说明：
op 形态学操作类型的标志，可选腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽运算、黑帽运算、击中击不中运算

图像细化，骨架提取

thinning(src, dst, thinningType = THINNING_ZHANGSUEN)//thinningType为细化算法选择标志