學習計算機視覺最重要的能力應該就是編程了。

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立的內存空間
 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閾值二值化全局固定閾值很容易理解，就是對整幅圖像都是用一個統一的閾值來進行二值化；局部自適應閾值則是根據像素的鄰域塊的像素值分布來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函數返回的是指定形狀和尺寸的結構元素
 Mat DstPic;
 erode(SrcPic, DstPic, element);//腐蝕操作
 imshow("腐蝕效果圖", DstPic);
 waitKey();
 return0;
}

	

	均值濾波實現圖像模糊
#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

	思路：將原始圖像轉化為灰度圖，用blur函數進行圖像模糊以降噪，然后用canny函數進行邊緣檢測。
#include
#include
usingnamespacecv;
usingnamespacestd;
intmain()
{
 Mat SrcPic = imread("lena.jpg");
 imshow("Src Pic", SrcPic);
 Mat DstPic, edge, grayImage;
 //創建與src同類型和同大小的矩陣
 DstPic.create(SrcPic.size(), SrcPic.type());
 //將原始圖轉化為灰度圖
 cvtColor(SrcPic, grayImage, COLOR_BGR2GRAY);
 //先使用3*3內核來降噪
 blur(grayImage, edge, Size(3,3));
 //運行canny算子
 Canny(edge, edge,3,9,3);
 imshow("邊緣提取效果", edge);
 waitKey();
 return0;
}

	

	轉為灰度圖
#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，是彩色圖轉換到灰度圖
 imshow("灰度圖", dstImg);
 waitKey(0);
}

	訪問圖片中像素
#include 
#include
usingnamespacestd;
usingnamespacecv;
//訪問每個像素,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比度變高了，變得更加明亮！

	

	常用的數據結構
#include 
#include

usingnamespacestd;
usingnamespacecv;

//常見數據結構使用方法總結
intmain()
{
 //Mat的用法
 Matm1(2,2, CV_8UC3, Scalar(0,0,255));//其中的宏的解釋：CV_[位數][帶符號與否][類型前綴]C[通道數]
 cout << m1 << endl;

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

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

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


? ?//點的表示:Point
? ?Point p;
? ?p.x =?1;?//x坐標
? ?p.y =?1;?//y坐標

? ?//或者
? ?Point?p2(1,?1);

? ?//顏色的表示：Scalar(b,g,r);注意不是rgb，注意對應關系
? ?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;?//兩個矩形求交集
? ?Rect r4 = r1 & r2;?//兩個矩形求并集

? ?waitKey(0);

}

	結束語

	審核編輯：黃飛