opencv---c++

opencv(1)

quickopencv.h

#include <opencv2/opencv.hpp>
using namespace cv;
class quickdemo {
public:void colorSpace_Demo(Mat &image);
};

quockdemo.cpp

色彩空间转换函数-cvtColor

#include "quickopencv.h"
void quickdemo::colorSpace_Demo(Mat &image) {Mat gray, hsv;cvtColor(image, hsv, COLOR_BGR2HSV);cvtColor(image, gray, COLOR_BGR2GRAY);namedWindow("HSV", WINDOW_FREERATIO);imshow("HSV", hsv);//色相h：0- 180 饱和度s 亮度vnamedWindow("灰度", WINDOW_FREERATIO);imshow("灰度", gray);imwrite("C:/Users/嘻嘻哈哈/Pictures/hsv.png",hsv);//三个参数 第一个是图像保存路径，第二个是图像内存对象imwrite("C:/Users/嘻嘻哈哈/Pictures/gray.png", gray);}

main.cpp

#include<opencv2/opencv.hpp>
#include<iostream>
#include "quickopencv.h"
using namespace cv;
using namespace std;
int main(int argc, char** argv) {Mat src = imread("C:/Users/嘻嘻哈哈/Pictures/微信图片_20210929221856.jpg");//由imread读出的照片都是8位的namedWindow("输入窗口", WINDOW_FREERATIO);//可调大小的窗口形式imshow("输入窗口", src);//只能输出8位的quickdemo qd;qd.colorSpace_Demo(src);waitKey(0);destroyAllWindows();return 0;
}

opencv（2）

1.怎么操作Mat 以及怎么访问每一个像素点

void quickdemo::mat_creation_demo(Mat &image) {Mat m1, m2;m1 = image.clone();//克隆image.copyTo(m2);//拷贝//创建空白图像Mat m3 = Mat::zeros(Size(40, 40), CV_8UC3); //CV_8UC1 :（Unsigned无符号的），（1：单通道的）8位m3=Scalar(1, 1, 1);//通道赋值，知道几个通道就赋几个值,可通过他修改空白图像颜色std::cout << "宽度：" << m3.cols << "高度：" << m3.rows << "通道数：" << m3.channels() << std::endl;std::cout << m3 << std::endl;imshow("创建图像", m3);}

CV_8UC1：每个像素点的通道数是1

CV_8UC3：每个像素点的通道数是3

Mat m3 = Mat::ones(Size(8, 8), CV_8UC1);只会使第一个通道是1；

m3=Scalar(1, 1, 1);//通道赋值，知道几个通道就赋几个值,可通过他修改空白图像颜色

3.怎么创建一个空图或Mat

Mat之克隆m3.clone()：修改m4不会对m3进行修改

Mat之克隆m3.copyTo(m4)：修改m4不会对m3进行修改

Mat m3 = Mat::zeros(Size(40, 40), CV_8UC3); m3=Scalar(1, 1, 1);
imshow("图像3", m3);Mat m4 = m3.clone();//克隆//m3.copyTo(m4);//copyTo复制m4 = Scalar(200, 200, 200);imshow("图像4", m4);

运行结果：

Mat之赋值m3=m4：修改m4会对m3进行修改

imshow("图像3", m3);Mat m4 =m3;m4 = Scalar(200, 200, 200);imshow("图像3", m3);

运行结果：

前两者相当于深拷贝，后者相当于浅拷贝

重载运算符=是浅拷贝，共享内存空间，互相影响，clone是深拷贝，内存空间不同，相互独立，互不打扰；

opencv(3):对图像像素读写操作

1、基于数组：

void quickdemo::pixel_visit_demo(Mat &image) {int w = image.cols;//宽，列int h = image.rows;//高,行int dims = image.channels();//通道数,等于1代表是灰度图像，等于3代表是彩色图像for (int row = 0; row < h; row++) {//双重for循环for (int col = 0; col < w; col++) {if (dims == 1) {//灰度图像int pv = image.at<uchar>(row, col);//将像素点转变为int类型，获取到一个值image.at<uchar>(row, col) = 255 - pv;//uchar范围:0-255（2的8次方）}if (dims == 3) {//彩色图像Vec3b bgr=image.at<Vec3b>(row, col);//浮点数就是Veb3f,获取到三个值，相当于一个数组image.at<Vec3b>(row, col)[0] = 255 - bgr[0];image.at<Vec3b>(row, col)[1] = 255 - bgr[1];image.at<Vec3b>(row, col)[2] = 255 - bgr[2];}}}imshow("像素读写显示",image);
}

运行结果：

2、基于指针：速度要快于数组（i++ 用的巧妙）

void quickdemo::pixel_visit_demo(Mat &image) {int w = image.cols;//宽，列int h = image.rows;//高,行int dims = image.channels();//通道数,等于1代表是灰度图像，等于3代表是彩色图像for (int row = 0; row < h; row++) {//双重for循环uchar *current_row = image.ptr<uchar>(row);//指针指向这一行，获取这一行的地址for (int col = 0; col < w; col++) {if (dims == 1) {//灰度图像int pv = *current_row;//将像素点转变为int类型，获取到这个地址的值*current_row++ = 255 - pv;//++的是列数，即cols}if (dims == 3) {//彩色图像Vec3b bgr = image.at<Vec3b>(row, col);//浮点数就是Veb3f,获取到三个值，相当于一个数组*current_row++ = 255 - *current_row;//先减再自加，三行则是对三个通道都进行操作*current_row++ = 255 - *current_row;*current_row++ = 255 - *current_row;}}}imshow("像素读写显示",image);
}

运行结果:与上面图一样

opencv(4):对图像像素算数操作

加减乘除都不会超过255也不会小于0，若超过255则会默认调至255，小于0则默认为0

multiply(image, m, dst);//乘法
   divide(image, m, dst);//除法
   add(image, m, dst);//加法
   subtract(image, m, dst);//减法

void quickdemo::operators_demo(Mat &image) {Mat dst;//dst = image + Scalar(50, 50, 50);//加法操作，图像变亮，减法变暗//imshow("加法操作",dst);//dst = image * Scalar(2, 2, 2);乘法操作，不可直接乘，要用专业函数multiply(乘数1,乘数2,积)Mat m = Mat::zeros(image.size(), image.type());//创建一个和传过来的图片大小、类型相同的图像m = Scalar(2, 2, 2);multiply(image, m, dst);//乘法divide(image, m, dst);//除法add(image, m, dst);//加法subtract(image, m, dst);//减法imshow("乘法操作", dst);
}

乘法运行结果：

opencv(5)：滚动条操作演示-调整图像亮度

createTrackbar()函数：通过改变滑动条的位置来改变函数里面变量的值

函数有6个参数：

参数1：轨迹条名字

参数2：窗口名字

参数3：滑块初始位置

参数4：表示滑块达到最大位置的值

参数5：默认值为0，指向回调函数

参数6：默认值为0，用户传给回调函数的数据值

createTrackbar("Value Bar", "亮度调整", &lightness, max_value, on_track,(void*)(&image));

static void on_track(int b, void* userdata) {//回调函数Mat image = *((Mat*)userdata);Mat dst = Mat::zeros(image.size(), image.type());Mat m= Mat::zeros(image.size(), image.type());m = Scalar(b, b, b);subtract(image, m, dst);imshow("亮度调整", dst);
}
void quickdemo::tracking_bar_demo(Mat &image) {namedWindow("亮度调整", WINDOW_AUTOSIZE);int max_value = 100;int lightness = 50;createTrackbar("Value Bar", "亮度调整", &lightness, max_value, on_track,(void*)(&image));on_track(50, &image);
}

效果展示：

addWeighted()函数是将两张相同大小，相同类型的图片融合的函数

六个参数：

参数1：src1，第一个原数组.
参数2：alpha，第一个数组元素权重

参数3：src2第二个原数组
参数4：beta，第二个数组元素权重
参数5：gamma，图1与图2作和后添加的数值。

参数6：dst，输出图片

eg:

addWeighted(src1,0.5,src2,0.7,3,dst);

参数分别为：图1，图1的权重，图2，图2的权重，权重和添加的值为3，输出图片src

对比度调整：

注意：imshow里面的名称要统一，否则会出现错误

代码如下：

static void on_lightness(int b, void* userdata) {//回调函数,亮度调整Mat image = *((Mat*)userdata);Mat dst = Mat::zeros(image.size(), image.type());Mat m= Mat::zeros(image.size(), image.type());addWeighted(image,1.0,m,0,b,dst);imshow("亮度与对比度调整", dst);
}
static void on_contract(int b, void* userdata) {//回调函数,对比度调整Mat image = *((Mat*)userdata);Mat dst = Mat::zeros(image.size(), image.type());Mat m = Mat::zeros(image.size(), image.type());double contrast = b / 100.0;addWeighted(image, contrast, m, 0.0, b, dst);imshow("亮度与对比度调整", dst);
}
void quickdemo::tracking_bar_demo(Mat &image) {namedWindow("亮度与对比度调整", WINDOW_AUTOSIZE);int lightness = 50;int max_value = 100;//亮度调整int contrast_value = 100;createTrackbar("Value Bar", "亮度与对比度调整", &lightness, max_value, on_lightness,(void*)(&image));createTrackbar("Contrast Bar", "亮度与对比度调整", &lightness, max_value, on_contract, (void*)(&image));on_lightness(50, &image);on_contract(50, &image);
}

opencv---c++相关推荐

OpenCV 笔记（09）— 常用的数据结构和函数（Vec、Point、Scalar、Size、Rect、cvtColor）
1. Vec 对象类型 Vec 是一个主要用于数值向量的模板类.我们可以定义向量的类型和组件的数量: Vec<double, 19> myVector 我们还可以使用任何的预定义类型: t ...
OpenCV 笔记（08）— 二维点、三维点、基于 Mat 的 std::vector 等常用数据结构的定义和输出
1. 定义和输出二维点 Point2f p2(3, 4);cout << "[二维点] is "<< endl << p2 << e ...
OpenCV 笔记（07）— Mat 对象输出格式设置（Python 格式、CSV 格式、NumPy 格式、C 语言格式）
首先是下面代码中将要使用的 r 矩阵的定义.需要注意,我们可以通过用 randu 函数产生的随机值来填充矩阵, 需要给定一个上限和下限来确保随机值在期望的范围内. Mat r = Mat(2, 3, ...
OpenCV 笔记（06）— Mat 结构、像素值存储方法、创建 Mat 对象各种方法、Mat 对象的运算
数字图像中的每个点都称为像素(对于图像元素),并且每个像素可以存储一个或多个值,这取决于它是否是仅存储一个值的黑白图像(也称为二进制图像,比如只存储0或1),还是存储两个值的灰度图像,或者是存储三个值 ...
OpenCV 笔记（05）— opencv.hpp 头文件作用（是其它所有头文件的全集）
在编辑器中通过点击 #include "opencv2/opencv.hpp" 头文件就可以看到该头文件的定义如下 #ifndef OPENCV_ALL_HPP #define O ...
OpenCV 笔记（03）— 读取视频、通过摄像头采集视频、采集视频 canny 边缘检测
我们本节学习如何利用 OpenCV 中的 VideoCapture 类,来对视频进行读取显示,以及调用摄像头. VideoCapture 它提供了从摄像机或视频文件捕获视频的 C++ 接口, 作用是从 ...
OpenCV 笔记（02）— 图像显示、保存、腐蚀、模糊、canny 边缘检测（imread、imshow、namedWindow、imwrite）
OpenCV 提供两种用户界面选项: 基于原生用户界面的基本界面,适用于 Mac OS X 的 cocoa 或 carbon,以及适用于 Linux 或 Windows 用户界面的 GTK ,这些界面 ...
OpenCV 笔记（01）— OpenCV 概念、整体架构、各模块主要功能
1. OpenCV 概念图像处理( Image Processing )是用计算机对图像进行分析, 以达到所需结果的技术, 又称影像处理. 图像处理技术一般包括图像压缩, 增强和复原, 匹配.描述和 ...
Python+OpenCV 图像处理系列（9）—— 图像的翻转和缩放插值
1. 图像的翻转图像翻转 (Image Flip),图像翻转的本质像素映射,OpenCV 支持三种图像翻转方式: X轴翻转,flipcode = 0 Y轴翻转, flipcode = 1 XY轴翻转 ...
Python+OpenCV 图像处理系列（8）—— Numpy 对象及图像对象创建与赋值
1. Numpy 相关知识 1.1 Ndarray 对象在了解 OpenCV 的图像对象之前我们先对 NumPy 的基础知识做一回顾,方便我们后续更进一步理解图像对象的一系列操作. In [2]: ...

opencv---c++

opencv---c++相关推荐

最新文章

热门文章