OpenCV-imgproc模块-学习记录

图像平滑处理：      

归一化块（均值）滤波器:

blur(src, dst_blur, Size(i, i));

高斯滤波器：

GaussianBlur(src, dst_GaussianBlur, Size(i, i), 0, 0);

中值滤波：

medianBlur(src, dst_medianBlur, i);

双边滤波：

bilateralFilter(src, dst_bilateralFilter, i, i * 2, i / 2);

      

腐蚀和膨胀：

src:原始图，dst：输出图，kernel内核：矩形 交叉形 椭圆形
kernel = getStructuringElement(k, Size(1,1));
k = 0 , 内核形状矩形  k=1，内核形状交叉性 k=2，内核形状椭圆形
size 改变内核的大小
腐蚀操作: erode(src,dst,kernel)
膨胀操作：dilate(src,dst,kernel)
第一个拖条控制内核的大小,第二个拖条控制内核的形状

        

更多形态变化：

        kernel是内核形状，和上面相同

operation为运算方式:
operation=2：开运算 
operation=3：闭运算
operation=4：形态梯度 
operation=5：顶帽 
operation=6：黑帽

morphologyEx(src2, dst, operation, kernel);

             

        (原图，开运算，闭运算)

            

        (形态梯度，顶帽，黑帽)

放大和缩小：

放大：pyrUp(temp, dst_Up, Size(temp.cols * 2, temp.rows * 2));
缩小：pyrDown(temp, dst_Up, Size(temp.cols / 2, temp.rows / 2));
图片Size小了但还用原来的Size显示出来所以就模糊了

                

    

阈值操作：

        threshold_value阈值，threshold_type 0-4， 7,8,16使用了有错误

        threshold(src2, dst_Threshold,threshold_value,255,threshold_type);

        

        

        
(值越大图恢复过来了)

        

        

    

让边缘更加明显：

Sobel 导数：Sobel算子结合高斯平滑和微分，用于抗噪音。

CV_EXPORTS_W void Sobel( InputArray src, OutputArray dst, int ddepth,
                         int dx, int dy, int ksize = 3,
                         double scale = 1, double delta = 0,
                         int borderType = BORDER_DEFAULT );

        

     

        /// 求 X方向梯度
	//Scharr( src_gray, grad_x, ddepth, 1, 0, scale, delta, BORDER_DEFAULT );
	Sobel(Arithmetic_Src, grad_x, ddepth, 1, 0, 3);
	convertScaleAbs(grad_x, abs_grad_x);
	/// 求Y方向梯度
	//Scharr( src_gray, grad_y, ddepth, 0, 1, scale, delta, BORDER_DEFAULT );
	Sobel(Arithmetic_Src, grad_y, ddepth, 0, 1, 3); 
	convertScaleAbs(grad_y, abs_grad_y);

	/// 合并梯度(近似)
	//addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad);
	double a = alpha / 100.0;
	double b = beta / 100.0;
	double c = gamma / 100.0;
	addWeighted(abs_grad_x, a, abs_grad_y,b, gamma, grad);

                计算X,Y方向梯度，再合并起来。下图可以看出，xy的鼻子上下和衣领 是不同的。

       
Laplacian算法：size参数越大，图片轮廓越不清    晰，内核深度2为 CV_16U  ，3为CV_16S       

CV_EXPORTS_W void Laplacian( InputArray src, OutputArray dst, int ddepth,
                             int ksize = 1, double scale = 1, double delta = 0,
                             int borderType = BORDER_DEFAULT );

        可以看出内核深度高的，轮廓也会相对明显。

        

Canny算法：有2个构造函数，区别就是输入图像不同；

/**
@param image 8-bit input image.
@param edges output edge map; single channels 8-bit image, which has the same size as image .
@param threshold1 first threshold for the hysteresis procedure.
@param threshold2 second threshold for the hysteresis procedure.
@param apertureSize aperture size for the Sobel operator.
@param L2gradient a flag, indicating whether a more accurate \f$L_2\f$ norm
\f$=\sqrt{(dI/dx)^2 + (dI/dy)^2}\f$ should be used to calculate the image gradient magnitude (
L2gradient=true ), or whether the default \f$L_1\f$ norm \f$=|dI/dx|+|dI/dy|\f$ is enough (
L2gradient=false ).
 */
CV_EXPORTS_W void Canny( InputArray image, OutputArray edges,
                         double threshold1, double threshold2,
                         int apertureSize = 3, bool L2gradient = false );

/** \overload

Finds edges in an image using the Canny algorithm with custom image gradient.

@param dx 16-bit x derivative of input image (CV_16SC1 or CV_16SC3).
@param dy 16-bit y derivative of input image (same type as dx).
@param edges,threshold1,threshold2,L2gradient See cv::Canny
 */
CV_EXPORTS_W void Canny( InputArray dx, InputArray dy,
                         OutputArray edges,
                         double threshold1, double threshold2,
                         bool L2gradient = false );

霍夫线变换

统计概率霍夫线变换

直方图均匀化：

        左图为载入的灰度图像，右图为直方图均匀化后的图像。

    cvtColor(Histogram_Src, Histogram_Dst, CV_BGR2GRAY);
	equalizeHist(Histogram_Dst, dst);