//设定感兴趣区域案例
//定义一个Mat类型并给其设定ROI区域
Mat imageROI;
//方法一
imageROI=image(Rect(500,250,logo.cols,logo.rows));
//方法二
imageROI=srcImage3(Range(250,250+logoImage.rows),Range(200,200+logoImage.cols));

7、图像线性混合函数：addWeighted

void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype=-1);

13、访问图像中的每一个像素点：

//三个for循环，执行运算 new_image(i,j) =a*image(i,j) + b
for(int y = 0; y < image.rows; y++ )
{  for(int x = 0; x < image.cols; x++ )  {  for(int c = 0; c < 3; c++ )  {  new_image.at<Vec3b>(y,x)[c]= saturate_cast<uchar>( (g_nContrastValue*0.01)*(image.at<Vec3b>(y,x)[c] ) + g_nBrightValue );  }  }
}  

14、方框滤波函数：box Filter

void boxFilter(InputArray src,OutputArray dst, int ddepth, Size ksize, Point anchor=Point(-1,-1), boolnormalize=true, int borderType=BORDER_DEFAULT )

· 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。

· 第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。

· 第三个参数，int类型的ddepth，输出图像的深度，-1代表使用原图深度，即src.depth()。

· 第四个参数，Size类型（对Size类型稍后有讲解）的ksize，内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小

· 第五个参数，Point类型的anchor，表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。

· 第六个参数，bool类型的normalize，默认值为true，一个标识符，表示内核是否被其区域归一化（normalized）了。

· 第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它。

//示例代码
//载入原图
Mat image=imread("2.jpg");
//进行均值滤波操作
Mat out;
boxFilter(image, out, -1,Size(5, 5)); 

15、均值滤波函数：blur

void blur(InputArray src, OutputArraydst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT ) 

· 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。

· 第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone，以源图片为模板，来初始化得到如假包换的目标图。

· 第三个参数，Size类型（对Size类型稍后有讲解）的ksize，内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小

· 第四个参数，Point类型的anchor，表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。

· 第五个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它。

//示例代码
//载入原图  Mat image=imread("1.jpg");  //进行均值滤波操作  Mat out;  blur(image, out, Size(7, 7));  

void GaussianBlur(InputArray src,OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, intborderType=BORDER_DEFAULT )

//示例代码
//载入原图
Mat image=imread("1.jpg");
//进行滤波操作
Mat out;
GaussianBlur( image, out, Size( 5, 5 ), 0, 0 ); 

void morphologyEx(
InputArray src,
OutputArray dst,
int op,
InputArraykernel,
Pointanchor=Point(-1,-1),
intiterations=1,
intborderType=BORDER_CONSTANT,
constScalar& borderValue=morphologyDefaultBorderValue() );  

· 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。

· 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

· 第三个参数，int类型的op，表示形态学运算的类型，可以是如下之一的标识符：

·

· MORPH_OPEN – 开运算（Opening operation）

· MORPH_CLOSE – 闭运算（Closing operation）

· MORPH_GRADIENT -形态学梯度（Morphological gradient）

· MORPH_TOPHAT - “顶帽”（“Top hat”）

· MORPH_BLACKHAT - “黑帽”（“Black hat“）

另有CV版本的标识符也可选择，如CV_MOP_CLOSE，CV_MOP_GRADIENT，CV_MOP_TOPHAT，CV_MOP_BLACKHAT，这应该是OpenCV1.0系列版本遗留下来的标识符，和上面的“MORPH_OPEN”一样的效果。

· 第四个参数，InputArray类型的kernel，形态学运算的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。关于getStructuringElement我们上篇文章中讲过了，这里为了大家参阅方便，再写一遍：

其中，getStructuringElement函数的第一个参数表示内核的形状，我们可以选择如下三种形状之一:

·

· 矩形: MORPH_RECT

· 交叉形: MORPH_CROSS

· 椭圆形: MORPH_ELLIPSE

而getStructuringElement函数的第二和第三个参数分别是内核的尺寸以及锚点的位置。

我们一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置，有默认值Point(-1,-1)，表示锚点位于中心。且需要注意，十字形的element形状唯一依赖于锚点的位置。而在其他情况下，锚点只是影响了形态学运算结果的偏移。

· 第五个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。

· 第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。

· 第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。

·第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。

//getStructuringElement函数相关的调用示例代码
int g_nStructElementSize = 3; //结构元素(内核矩阵)的尺寸  //获取自定义核
Mat element =getStructuringElement(MORPH_RECT,  Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1),  Point(g_nStructElementSize, g_nStructElementSize )); //形态学处理示例代码（以开运算为例）
//载入原始图    Mat image = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  //创建窗口    namedWindow("【原始图】开运算");   namedWindow("【效果图】开运算");   //显示原始图   imshow("【原始图】开运算", image);   //定义核  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));   //进行形态学操作  morphologyEx(image,image, MORPH_OPEN, element);  //显示效果图   imshow("【效果图】开运算", image);   waitKey(0);   return 0;   

22、边缘检测函数：Candy算子

void Canny(InputArray image,OutputArray edges, double threshold1, double threshold2, int apertureSize=3,bool L2gradient=false )

· 第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

· 第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和类型。

· 第三个参数，double类型的threshold1，第一个滞后性阈值。

· 第四个参数，double类型的threshold2，第二个滞后性阈值。

· 第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。

· 第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。

//示例代码
//载入原始图   Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  Canny(src, src, 3, 9,3 );  imshow("【效果图】Canny边缘检测", src);  

23、边缘检测函数：sobel算子

void Sobel (
InputArray src,//输入图  OutputArray dst,//输出图  int ddepth,//输出图像的深度  int dx,  int dy,  int ksize=3,  double scale=1,  double delta=0,  int borderType=BORDER_DEFAULT );  

· 第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。

· 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

· 第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：

·

· 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F

· 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F

· 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F

· 若src.depth() = CV_64F, 取ddepth = -1/CV_64F

· 第四个参数，int类型dx，x 方向上的差分阶数。

· 第五个参数，int类型dy，y方向上的差分阶数。

· 第六个参数，int类型ksize，有默认值3，表示Sobel核的大小;必须取1，3，5或7。

· 第七个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。

· 第八个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

· 第九个参数， int类型的borderType，我们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。

//示例代码//【0】创建 grad_x 和 grad_y 矩阵  Mat grad_x, grad_y;  Mat abs_grad_x, abs_grad_y,dst;  //【1】载入原始图    Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  //【2】显示原始图   imshow("【原始图】sobel边缘检测", src);   //【3】求 X方向梯度  Sobel( src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );  convertScaleAbs( grad_x, abs_grad_x );  imshow("【效果图】 X方向Sobel", abs_grad_x);   //【4】求Y方向梯度  Sobel( src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );  convertScaleAbs( grad_y, abs_grad_y );  imshow("【效果图】Y方向Sobel", abs_grad_y);   //【5】合并梯度(近似)  addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );  imshow("【效果图】整体方向Sobel", dst); 

24、边缘检测函数：Laplace算子

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

· 第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

· 第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和通道数。

· 第三个参数，int类型的ddept，目标图像的深度。

· 第四个参数，int类型的ksize，用于计算二阶导数的滤波器的孔径尺寸，大小必须为正奇数，且有默认值1。

· 第五个参数，double类型的scale，计算拉普拉斯值的时候可选的比例因子，有默认值1。

· 第六个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

· 第七个参数， int类型的borderType，边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate()处得到更详细的信息。

//示例代码//【0】变量的定义  Mat src,src_gray,dst, abs_dst;  //【1】载入原始图    src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  //【2】显示原始图   imshow("【原始图】图像Laplace变换", src);   //【3】使用高斯滤波消除噪声  GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );  //【4】转换为灰度图  cvtColor( src, src_gray, CV_RGB2GRAY );  //【5】使用Laplace函数  Laplacian( src_gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT );  //【6】计算绝对值，并将结果转换成8位  convertScaleAbs( dst, abs_dst );  //【7】显示效果图  imshow( "【效果图】图像Laplace变换", abs_dst );  

25、边缘检测函数：scharr滤波器

void Scharr(
InputArray src, //源图  OutputArray dst, //目标图  int ddepth,//图像深度  int dx,// x方向上的差分阶数  int dy,//y方向上的差分阶数  double scale=1,//缩放因子  double delta=0,// delta值  intborderType=BORDER_DEFAULT )// 边界模式  

· 第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。

· 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

· 第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：

· 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F

· 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F

· 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F

· 若src.depth() = CV_64F, 取ddepth = -1/CV_64F

· 第四个参数，int类型dx，x方向上的差分阶数。

· 第五个参数，int类型dy，y方向上的差分阶数。

· 第六个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。

· 第七个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

· 第八个参数， int类型的borderType，我们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。