OpenCV3常用函数及功能汇总
作者：互联网
1 //-----------------------------------【头文件包含部分】--------------------------------------
2 // 描述：包含程序所依赖的头文件
3 //-----------------------------------------------------------------------------------------------
4
5 #include <iostream>
6 #include <opencv2/opencv.hpp>
7 #include <opencv2/highgui/highgui.hpp>
8 #include <opencv2/core/core.hpp>
9 #include <opencv2/imgproc/imgproc.hpp>
10 //#include "opencv2/xfeature2d.hpp"
11
12
13 //-----------------------------------【命名空间声明部分】--------------------------------------
14 // 描述：命名空间声明
15 //-----------------------------------------------------------------------------------------------
16 using namespace std ;
17 using namespace cv ;
18
19
20
21 //-----------------------------------【全局变量声明部分】--------------------------------------
22 // 描述：全局变量声明
23 //-----------------------------------------------------------------------------------------------
24 Mat g_srcImage,g_dstImage1,g_dstImage2,g_dstImage3,g_dstImage4,g_dstImage5 ;
25 int g_nBoxFilterValue = 6 ; //方框滤波内核值
26 int g_nMeanBlurValue = 10 ; //均值滤波内核值
27 int g_nGaussianBlurValue = 6 ; //高斯滤波内核值
28 int g_nMedianBlurValue = 10 ; //中值滤波参数值
29 int g_nBilateralFilterValue = 10 ; //双边滤波参数值
30
31
32
33 //-----------------------------------【全局函数声明部分】--------------------------------------
34 // 描述：全局函数声明
35 //-----------------------------------------------------------------------------------------------
36 //轨迹条回调函数
37 static void on_BoxFilter(int, void *) ; //方框滤波
38 static void on_MeanBlur(int , void *) ; //均值快滤波
39 static void on_GaussianBlur(int, void *) ; //高斯滤波器
40 static void on_MedianBlur(int, void *) ; //中值滤波器
41 static void on_BilateralFilter(int, void *) ; //双边滤波器
42
43
44 /*===================================================================
45 * // 说明
46 * 平滑处理-五种滤波函数
47 *
48 * 1.方框滤波-boxFilter()函数 |线性
49 * 2.均值滤波-blur()函数 |线性
50 * 3.高斯滤波-GaussianBlur() |线性
51 * 4.中值滤波-medianBlur()函数
52 * 5.双边滤波-bilateralFilter()函数
53 *
54 *
55 * 形态学图像处理
56 * /功能：消除噪声;分割除独立元素,在图像中连接相邻的元素;求找图像中的明显极大值或极小值;求出图像的梯度
57 * 1.膨胀-dilate()函数 求局部最大值 与核进行卷积
58 * 2.腐蚀-erode()函数 求局部最小值 与核进行卷积
59 * (膨胀就是图像中的高亮部分进行膨胀,领域扩张,效果图拥有比原图更大的高亮区域)
60 * (腐蚀就是原图中的高亮部分被腐蚀,领域被蚕食,效果图拥有比原图更小的高亮区域)
61 *
62 * 图像运算
63 * 1.开运算 先腐蚀后膨胀 消除平滑边界和小像素物体 dst = open(src,element) = dilate(erode(src,element))
64 * 2.闭运算 先膨胀后腐蚀 排除黑色区域 dst = close(src,element) = erode(dilate(src,elemnt))
65 * 3.顶帽运算 原图-开运算 效果：突出比原图轮廓周围更明亮的区域 作用：可做背景提取
66 * 4.黑帽运算 效果：突出比原图轮廓周围的区域更暗的区域 作用：用来分离比邻近点暗一些的斑块
67 * 5.形态学梯度
68 *
69 * 边缘检测算子
70 * 1.canndy :Canny(src,src,3, 9,3)多级边缘检测算法 低错误率/高定位性/最小响应
71 * 2.sobel算子： 主要用作边缘检测的离散微分算子,用以计算图像灰度函数的近似梯度。
72 * 3.laplacian函数： 主要是利用sobel算子的运算。它通过加上sobel算子运算出的图像x方向和y方向上的导数
73 *
74 * 图像金字塔
75 * 1.resize调整图像大小：
76 * resize(src,dst,dst.size()) ; //指定dsize=dst.size()
77 * resize(src,dst,Size(),0.5,0.5) ; //指定fx和fy,让函数计算除目标图像的大小
78 *
79 * opencv霍夫变换
80 * 1.霍夫线变换 H
81 * (1)标准霍夫变换 => 由HoughLines函数调用
82 * (2)多尺度霍夫变换 => 由HoughLines函数调用
83 * (3)累计概率霍夫变换 => 由HoughLinesP函数调用
84 *
85 * 2.霍夫圆变换
86 * 重映射示例 remap
87 * SURF算法
88 * Harris角点检测
89 *
90 * *****************************************************************************/
91
92
93
94
95 //-----------------------------------【全局函数声明部分】--------------------------------------
96 // 描述：全局函数声明
97 //-----------------------------------------------------------------------------------------------
98 int main() {
99
100 //===========================[载入图像]====================================
101 Mat img = imread("/home/allen/pic/girl.jpg") ;
102 Mat dst1 = img.clone() ;
103 Mat dst2 = img.clone() ;
104 Mat srcImage = imread("/home/allen/pic/girl.jpg") ;
105
106
107 //===========================[图像相关]====================================
108 //Mat对象创建
109 Mat out_boxFilter ; //方框滤波
110 Mat out_blur ; //均值滤波
111 Mat out_GaussianBlur ; //高斯滤波
112 Mat out_medianBlur ; //中值滤波
113 Mat out_bilateralFilter ; //双边滤波
114
115 //膨胀 or 腐蚀|操作-获取自定义核
116 Mat element = getStructuringElement(MORPH_RECT,Size(15,15)) ;
117 Mat img_dilate ; //膨胀
118 Mat img_erode ; //腐蚀
119
120 Mat img_open ; //开运算
121 Mat img_close ; //闭运算
122
123 //canny边缘检测
124 Mat dstImage,edge,grayImage ;
125 dstImage.create(srcImage.size(),srcImage.type()) ;
126 cvtColor(srcImage,grayImage,COLOR_BGR2GRAY) ;
127 blur(grayImage,edge,Size(3,3)) ;
128
129 //sobel算子
130 Mat grad_x, grad_y ; //创建grad_x, grad_y矩阵
131 Mat abs_grad_x, abs_grad_y,dst ;
132
133 Mat src_sobel = imread("/home/allen/pic/girl.jpg") ;
134 Sobel(src_sobel,grad_x,CV_16S,1,0,3,1,1,BORDER_DEFAULT) ; //求x方向梯度
135 convertScaleAbs(grad_x,abs_grad_x) ;
136 Sobel(src_sobel,grad_y,CV_16S,0,1,3,1,1,BORDER_DEFAULT) ; //求y方向梯度
137 convertScaleAbs(grad_y,abs_grad_y) ;
138 addWeighted(abs_grad_x,0.5,abs_grad_y,0.5,0,dst) ;//合并梯度
139
140 //laplacian()函数
141 Mat src_lap,src_gray,dst_lap,abs_lap ;
142 src_lap = imread("/home/allen/pic/girl.jpg") ;
143 GaussianBlur(src_lap,src_lap,Size(3,3),0, 0,BORDER_DEFAULT) ; //高斯滤波消除噪声
144 cvtColor(src_lap,src_gray,COLOR_BGR2GRAY) ; //zhuanhaun为灰度图
145 Laplacian(src_gray,dst_lap,CV_16S,3,1,0,BORDER_DEFAULT) ; //使用laplacian函数
146 convertScaleAbs(dst_lap,abs_lap) ; //计算绝对值,并将结果转换为8位
147
148 //Scharr()函数
149 Mat src_sch,grad1_x,grad1_y ;
150 Mat abs_grad1_x,abs_grad1_y,dst_sch ;
151 src_sch = imread("/home/allen/pic/girl.jpg") ;
152 Scharr(src_sch,grad1_x,CV_16S,1,0,1,0,BORDER_DEFAULT) ;
153 convertScaleAbs(grad1_x,abs_grad1_x) ;
154 Scharr(src_sch,grad1_y,CV_16S,0,1,1,0,BORDER_DEFAULT) ;
155 convertScaleAbs(grad1_y,abs_grad1_y) ;
156 addWeighted(abs_grad1_x,0.5,abs_grad1_y,0.5,0,dst_sch) ;
157
158 //resize调整图像大小
159 Mat src_Image = imread("/home/allen/pic/girl.jpg") ;
160 Mat tmpImage,dstImage1,dstImage2 ; //临时变量与目标图像的定义
161 tmpImage = src_Image ; //将原始图赋给临时变量
162 resize(tmpImage,dstImage1,Size(tmpImage.cols/2,tmpImage.rows/2),(0,0),(0,0),3) ;
163 resize(tmpImage,dstImage2,Size(tmpImage.cols*2,tmpImage.rows*2),(0,0),(0,0),3) ;
164
165 //pyrUp()进行向上取样操作并模糊
166 pyrUp( tmpImage, dstImage, Size( tmpImage.cols*2, tmpImage.rows*2 ) );
167 //PyrDown()向下采样并模糊
168 pyrDown(tmpImage,dstImage,Size(tmpImage.cols/2,tmpImage.rows/2)) ;
169
170
171 //=================================HoughLine()霍夫线变换=================================
172 // Mat srcImage_lines = imread("/home/allen/pic/chess.jpg"); //工程目录下应该有一张名为1.jpg的素材图
173 // Mat midImage,dstImage_lines ;//临时变量和目标图的定义
174 // //【2】进行边缘检测和转化为灰度图
175 // Canny(srcImage_lines ,midImage, 50, 200, 3);//进行一此canny边缘检测
176 // cvtColor(midImage,dstImage_lines, COLOR_GRAY2BGR);//转化边缘检测后的图为灰度图
177 // //【3】进行霍夫线变换
178 // vector<Vec2f> lines;//定义一个矢量结构lines用于存放得到的线段矢量集合
179 // HoughLines(midImage, lines, 1, CV_PI/180, 150, 0, 0 );
180 // //【4】依次在图中绘制出每条线段
181 // for( size_t i = 0; i < lines.size(); i++ )
182 // {
183 // float rho = lines[i][0], theta = lines[i][1];
184 // Point pt1, pt2;
185 // double a = cos(theta), b = sin(theta);
186 // double x0 = a*rho, y0 = b*rho;
187 // pt1.x = cvRound(x0 + 1000*(-b));
188 // pt1.y = cvRound(y0 + 1000*(a));
189 // pt2.x = cvRound(x0 - 1000*(-b));
190 // pt2.y = cvRound(y0 - 1000*(a));
191 // line( dstImage_lines, pt1, pt2, Scalar(55,100,195), 1, LINE_AA);
192 // }
193
194
195
196 //=================================HoughLineP()函数 霍夫线变换=================================
197 // Mat srcImage_lines = imread("/home/allen/pic/chess.jpg"); //工程目录下应该有一张名为1.jpg的素材图
198 // Mat midImage_p,dstImage_lines;//临时变量和目标图的定义
199 //
200 // //【2】进行边缘检测和转化为灰度图
201 // Canny(srcImage_lines, midImage_p, 50, 200, 3);//进行一此canny边缘检测
202 // cvtColor(midImage_p,dstImage_lines,COLOR_GRAY2BGR);//转化边缘检测后的图为灰度图
203 //
204 // //【3】进行霍夫线变换
205 // vector<Vec4i> lines;//定义一个矢量结构lines用于存放得到的线段矢量集合
206 // HoughLinesP(midImage_p, lines, 1, CV_PI/180, 80, 50, 10 );
207 //
208 // //【4】依次在图中绘制出每条线段
209 // for( size_t i = 0; i < lines.size(); i++ )
210 // {
211 // Vec4i l = lines[i];
212 // line( dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(186,88,255), 1, LINE_AA);
213 // }
214
215
216
217 //=================================HoughCircle()函数 霍夫线变换=================================
218 // Mat srcImage_circle = imread("/home/allen/pic/circle.jpg");
219 // Mat midImage_circle,dstImage_circle;//临时变量和目标图的定义
220 //
221 // //【2】显示原始图
222 // imshow("【原始图】", srcImage_circle);
223 //
224 // //【3】转为灰度图，进行图像平滑
225 // cvtColor(srcImage_circle,midImage_circle, COLOR_BGR2GRAY);//转化边缘检测后的图为灰度图
226 // GaussianBlur( midImage_circle, midImage_circle, Size(9, 9), 2, 2 );
227 //
228 // //【4】进行霍夫圆变换
229 // vector<Vec3f> circles;
230 // HoughCircles( midImage_circle, circles,HOUGH_GRADIENT,1.5, 10, 200, 100, 0, 0 );
231 //
232 // //【5】依次在图中绘制出圆
233 // for( size_t i = 0; i < circles.size(); i++ )
234 // {
235 // Point center(cvRound(circles[i][0]),cvRound(circles[i][1]));
236 // int radius = cvRound(circles[i][2]);
237 // //绘制圆心
238 // circle( srcImage, center, 3, Scalar(0,255,0), -1, 8, 0 );
239 // //绘制圆轮廓
240 // circle( srcImage, center, radius, Scalar(155,50,255), 3, 8, 0 );
241 // }
242 //
243 // //【6】显示效果图
244 // imshow("【效果图】", srcImage_circle);
245
246
247
248 //=================================重映射=================================
249 // Mat srcImage_remap,dstImage_remap ;
250 // Mat map_x,map_y ;
251 //
252 // srcImage_remap = imread("/home/allen/pic/girl.jpg") ;
253 // imshow("原始图",srcImage_remap) ;
254 // dstImage_remap.create(srcImage_remap.size(),srcImage_remap.type()) ;
255 // map_x.create(srcImage_remap.size(),CV_32FC1) ;
256 // map_y.create(srcImage_remap.size(),CV_32FC1) ;
257 // for (int j = 0; j < srcImage_remap.rows; j++)
258 // {
259 // for (int i = 0; i < srcImage_remap.cols; i++)
260 // {
261 // map_x.at<float>(j,i) = static_cast<float>(i) ;
262 // map_y.at<float>(j,i) = static_cast<float>(srcImage_remap.rows - j) ;
263 // }
264 // }
265 // remap(srcImage_remap,dstImage_remap,map_x,map_y,INTER_LINEAR,BORDER_CONSTANT, Scalar(0,0, 0)) ;
266 // imshow( "【程序窗口】", dstImage_remap );
267
268
269 //=================================Harris角点检测=================================
270 // Mat img_harris = imread("/home/allen/pic/gegirl.jpg", 0);
271 // imshow("原始图", img_harris);
272 //
273 // //进行Harris角点检测找出角点
274 // Mat cornerStrength;
275 // cornerHarris(img_harris, cornerStrength, 2, 3, 0.01);
276 //
277 // //对灰度图进行阈值操作，得到二值图并显示
278 // Mat harrisCorner;
279 // threshold(cornerStrength, harrisCorner, 0.00001, 255, THRESH_BINARY);
280 // imshow("角点检测后的二值效果图", harrisCorner);
281
282
283
284 //===========================[图像操作]====================================
285 //五种滤波函数
286 // boxFilter(img,out_boxFilter,-1,Size(5,5)) ; //方框滤波
287 // blur(img,out_blur,Size(7,7)) ; //均值滤波
288 // GaussianBlur(img,out_GaussianBlur,Size(5,5),0,0) ; //高斯滤波
289 // medianBlur(img,out_medianBlur,7) ; //中值滤波
290 // bilateralFilter(img,out_bilateralFilter,25,25*2,25/2) ; //双边滤波
291 // //形态学操作
292 // dilate(img,img_dilate,element) ; //膨胀操作
293 // erode(img,img_erode,element) ; //腐蚀操作
294 //
295 // morphologyEx(img,img,MORPH_OPEN,element) ; //开运算
296 // morphologyEx(img,img,MORPH_CLOSE,element) ; //闭运算
297 // morphologyEx(img,img,MORPH_GRADIENT,element) ; //形态学梯度
298 // morphologyEx(dst1,img,MORPH_TOPHAT,element) ; //顶帽运算
299 // morphologyEx(img,img,MORPH_BLACKHAT,element) ; //黑帽运算
300 // morphologyEx(img,img,MORPH_ERODE,element) ; //mor腐蚀
301 // morphologyEx(img,img,MORPH_DILATE,element) ; //mor腐蚀
302
303 // Canny(edge,edge,3, 9,3) ; //canny边缘检测
304
305
306
307
308 //===========================[图像显示]====================================
309 //创建窗口
310 // namedWindow("[原图]") ;
311 // namedWindow("") ;
312 // namedWindow("方框滤波") ;
313 // namedWindow("均值滤波") ;
314 // namedWindow("高斯滤波") ;
315 // namedWindow("中值滤波") ;
316 // namedWindow("双边滤波") ;
317 // namedWindow("膨胀") ;
318 // namedWindow("腐蚀") ;
319 // namedWindow("开运算") ;
320 // namedWindow("闭运算") ;
321 // namedWindow("形态学梯度") ;
322 // namedWindow("顶帽运算") ;
323 // namedWindow("黑帽运算") ;
324 // namedWindow("Canny边缘检测") ;
325 // namedWindow("sobel算子") ;
326
327
328 //窗口显示
329 // imshow("[原图]",dst1) ; //原图
330 // imshow("方框滤波",out_boxFilter) ; //方框滤波
331 // imshow("均值滤波",out_blur) ; //均值滤波
332 // imshow("高斯滤波",out_GaussianBlur) ; //高斯滤波
333 // imshow("中值滤波",out_medianBlur) ; //中值滤波
334 // imshow("双边滤波",out_bilateralFilter) ; //双边滤波
335
336 // imshow("膨胀",img_dilate) ; //膨胀
337 // imshow("腐蚀",img_erode) ; //腐蚀
338 // imshow("开运算",img) ; //开运算
339 // imshow("闭运算",img) ; //闭运算
340 // imshow("形态学梯度",img) ; //形态学梯度
341 // imshow("顶帽运算",img) ; //顶帽运算
342 // imshow("黑帽运算",img) ; //黑帽运算
343
344 // imshow("Canny边缘检测",edge) ; //Canny边缘检测
345 // imshow("sobel算子X方向",abs_grad_x) ; //sobel算子X方向
346 // imshow("sobel算子Y方向",abs_grad_y) ; //sobel算子Y方向
347 // imshow("sobel算子整体方向",dst) ; //sobel算子整体方向
348 // imshow("laplacian变换",abs_lap) ; //laplacian函数
349 // imshow("scharr函数x方向",abs_grad1_x) ; //scharr函数x方向
350 // imshow("scharr函数y方向",abs_grad1_y) ; //scharr函数y方向
351 // imshow("合并梯度后scharr",dst_sch) ; //显示scharr整体效果图
352
353 // imshow("size调整图像大小/2",dstImage1) ; //resize调整大小/2
354 // imshow("size调整图像大小*2",dstImage2) ; //resize调整大小*2
355 // imshow("pyrup效果图",dstImage) ; //pyrUp效果图
356 // imshow("pyrdown",dstImage) ; //pyrDown效果图
357
358
359 // imshow("HoughLine原始图",srcImage_lines) ; //霍夫线变换的原始图
360 // imshow("边缘检测后的图",midImage) ; //canny效果图
361 // imshow("霍夫线变换效果图",dstImage_lines) ; //霍夫线变换后的效果图
362
363 // imshow("【原始图】", srcImage_lines); //显示原始图
364 // imshow("【边缘检测后的图】", midImage_p); //边缘检测后的图
365 // imshow("【效果图】", dstImage_lines); //【7】显示效果图
366
367 // imshow("【效果图】", srcImage_circle); //霍夫圆变换
368
369
370
371 //===========================[结尾处理]====================================
372 waitKey(0) ;
373 cout << endl << "\t按下'q'键时,程序退出～!\n" ;
374 while (char(waitKey(1))!='q'){}
375 return 0 ;
376
377 }
标签：srcImage,函数,img,src,滤波,imshow,汇总,OpenCV3,Mat 来源： https://www.cnblogs.com/lx17746071609/p/10980984.html