學(xué)習(xí)計(jì)算機(jī)視覺(jué)最重要的能力應(yīng)該就是編程了。

圖像初始化操作

#include 
#include
usingnamespacestd;
usingnamespacecv;
intmain(intargc,char** argv)
{
  //這些方式都是自己擁有獨(dú)立的內(nèi)存空間
 Matimg1(2,2, CV_8UC3, Scalar(0,0,255));
 cout<< img1 <

	圖像二值化操作

	兩種方法，全局固定閾值二值化和局部自適應(yīng)閾值二值化全局固定閾值很容易理解，就是對(duì)整幅圖像都是用一個(gè)統(tǒng)一的閾值來(lái)進(jìn)行二值化；局部自適應(yīng)閾值則是根據(jù)像素的鄰域塊的像素值分布來(lái)確定該像素位置上的二值化閾值。
#include 
#include
usingnamespacestd;
usingnamespacecv;
intmain(intargc,char** argv)
{
 Mat image = imread("lol1.jpg", CV_LOAD_IMAGE_GRAYSCALE);//注意了，必須是載入灰度圖
 if(image.empty())
 {
   cout<

	腐蝕操作
#include
#include
usingnamespacecv;
usingnamespacestd;
intmain()
{
 Mat SrcPic = imread("lena.jpg");
 imshow("Src Pic", SrcPic);
 Mat element = getStructuringElement(MORPH_RECT, Size(15,15));//getStructuringElement函數(shù)返回的是指定形狀和尺寸的結(jié)構(gòu)元素
 Mat DstPic;
 erode(SrcPic, DstPic, element);//腐蝕操作
 imshow("腐蝕效果圖", DstPic);
 waitKey();
 return0;
}

	

	均值濾波實(shí)現(xiàn)圖像模糊
#include
#include
usingnamespacecv;
usingnamespacestd;
intmain()
{
 Mat SrcPic = imread("lena.jpg");
 imshow("Src Pic", SrcPic);
 Mat DstPic;
 blur(SrcPic, DstPic, Size(7,7));
 imshow("均值模糊效果圖", DstPic);
 waitKey();
 return0;
}

	canny邊緣檢測(cè)

	思路：將原始圖像轉(zhuǎn)化為灰度圖，用blur函數(shù)進(jìn)行圖像模糊以降噪，然后用canny函數(shù)進(jìn)行邊緣檢測(cè)。
#include
#include
usingnamespacecv;
usingnamespacestd;
intmain()
{
 Mat SrcPic = imread("lena.jpg");
 imshow("Src Pic", SrcPic);
 Mat DstPic, edge, grayImage;
 //創(chuàng)建與src同類(lèi)型和同大小的矩陣
 DstPic.create(SrcPic.size(), SrcPic.type());
 //將原始圖轉(zhuǎn)化為灰度圖
 cvtColor(SrcPic, grayImage, COLOR_BGR2GRAY);
 //先使用3*3內(nèi)核來(lái)降噪
 blur(grayImage, edge, Size(3,3));
 //運(yùn)行canny算子
 Canny(edge, edge,3,9,3);
 imshow("邊緣提取效果", edge);
 waitKey();
 return0;
}

	

	轉(zhuǎn)為灰度圖
#include 
#include
usingnamespacestd;
usingnamespacecv;
intmain()
{
 Mat img = imread("lol1.jpg");
 Mat dstImg;
 cvtColor(img, dstImg,COLOR_BGR2GRAY);//從宏名字就可以知道，是彩色圖轉(zhuǎn)換到灰度圖
 imshow("灰度圖", dstImg);
 waitKey(0);
}

	訪(fǎng)問(wèn)圖片中像素
#include 
#include
usingnamespacestd;
usingnamespacecv;
//訪(fǎng)問(wèn)每個(gè)像素,我喜歡使用指針的方式
intmain()
{
 Mat img = imread("lol1.jpg");
 for(inti =0; i < img.rows; i++)
? ?{
? ? ? ?uchar* data = img.ptr(i); //獲取第i行地址
   for(intj =0; j < img.cols; j++)
? ? ? ?{
? ? ? ? ? ??printf("%d
",data[j]);
? ? ? ?}
? ?}
? ?waitKey(0);
}

	直方圖均衡化
#include 
#include
usingnamespacestd;
usingnamespacecv;
//直方圖均衡化
intmain()
{
 Mat img = imread("lol3.jpg");
 imshow("原始圖", img);
 Mat dst;
 cvtColor(img, img, CV_RGB2GRAY);
 imshow("灰度圖", img);
 equalizeHist(img, dst);
 imshow("直方圖均衡化", dst);
 waitKey(0);
}

	顯然均衡化后的圖片對(duì)比度變高了，變得更加明亮！

	

	常用的數(shù)據(jù)結(jié)構(gòu)
#include 
#include

usingnamespacestd;
usingnamespacecv;

//常見(jiàn)數(shù)據(jù)結(jié)構(gòu)使用方法總結(jié)
intmain()
{
 //Mat的用法
 Matm1(2,2, CV_8UC3, Scalar(0,0,255));//其中的宏的解釋?zhuān)篊V_[位數(shù)][帶符號(hào)與否][類(lèi)型前綴]C[通道數(shù)]
 cout << m1 << endl;

? ?//或者,利用IplImage指針來(lái)初始化,將IplImage*轉(zhuǎn)化為Mat
? ?IplImage* image = cvLoadImage("lena.jpg");
? ?Mat mat = cvarrToMat(image);

? ?//Mat轉(zhuǎn)IplImage:
? ?IplImage img = IplImage(mat);

? ?//或者
? ?Mat m2;
? ?m2.create(4,?5, CV_8UC(2));


? ?//點(diǎn)的表示:Point
? ?Point p;
? ?p.x =?1;?//x坐標(biāo)
? ?p.y =?1;?//y坐標(biāo)

? ?//或者
? ?Point?p2(1,?1);

? ?//顏色的表示：Scalar(b,g,r);注意不是rgb，注意對(duì)應(yīng)關(guān)系
? ?Scalar(1,?1,?1);

? ?//尺寸的表示:Size
? ?Size(5,?5);// 寬度和高度都是5

? ?//矩形的表示：Rect，成員變量有x,y,width,height
? ?Rect?r1(0,?0,?100,?60);
? ?Rect?r2(10,?10,?100,?60);
? ?Rect r3 = r1 | r2;?//兩個(gè)矩形求交集
? ?Rect r4 = r1 & r2;?//兩個(gè)矩形求并集

? ?waitKey(0);

}

	結(jié)束語(yǔ)

	審核編輯：黃飛