cvNamedWindow与namedWindow,cvShowImage与inshow的区别
1. 显示窗口大小的改变方法不同。
在c版本中,定义一个窗口时用cvNamedWindow.
比如说cvNamedWindow(“src”,0);后面的参数为0表示窗口大小可以手动改变,否则窗口的大小是自适应图片大小的。
而在c++版本中定义一个窗口用namedWindow.
比如说namedWindow(“src”,1);不管后面第二个参数是多少,都不能手动更改窗口的大小,因为它的尺寸是根据图片大小自动生成的。
并且要看到手动调整窗口大小的效果,还需要配合cvShowImage(“src”,img);
也就是说如果后面显示用c++版本的imshow(“src”,img);也是看不到手动调整图片大小的效果的。
2. 显示图片的函数不同。
在OpenCV的c版本中,显示图片用cvShowImage;
比如说,cvShowImage(“src”,img);
并且这里的img是IplImage*类型,所以如果你定义的img是Mat类型的话就用不了,因为程序不能自动将Mat类型转换成IplImage*类型。
在opencv的c++版本中,显示图片用的是imshow;
比如说,imshow(“src”,img);
当然这里的img就是Mat类型了。也就是说如果这里的img用IplImage*就不行了,程序不能自动将IplImage*转换成Mat类型。
通过上面2点应该注意到,如果要手动改变图片的尺寸,就必须cvNamedWidow(“src”,0);
cvShowImage(“src”,img)一起用。其中img是IplImage*类型。
当然cvNamedWindow(“src”,0)也可以和imshow(“src”,img)一起用,其中img是Mat类型,但是这样达不到自动改变窗口大小的目的。
因为一般情况下,namedWindow(“src”,1)和imshow(“src”,img)一起用的。
1. 下面来看看IplImage结构体内部:
int nSize
int ID
int nChannels
int alphaChannel
int depth
char colorModel [4]
char channelSeq [4]
int dataOrder
int origin
int align
int width
int height
struct _IplROI * roi
struct _IplImage * maskROI
void * imageId
struct _IplTileInfo * tileInfo
int imageSize
char * imageData
int widthStep
int BorderMode [4]
int BorderConst [4]
char * imageDataOrigin
而Mat结构体包含一个Mat头部(头部中记录的是矩阵的大小,存储方式等等)和一个指向矩阵的指针。所以2者还是有很大区别的,所以说程序不能自动将他们转换是有原因的,因为Mat结构更加复杂。
3. 读取图片的方式不同。
在c版本中读取图片用的是cvLoadImage;
比如说cvLoadImage(“lena.jpg”);
在c++版本中,读取图片用的是imread;
比如说imread(“lena.jpg”);
当然这2种的lena图片都是放入工程目录下的。
但是这里有一点非常不同的是,cvLoadImage()中的参数为const char*类型,而imread()中的参数是const &string型,这两种是完全不同的,在opencv中也不能自动转换好他们,混合使用c和c++函数一起编写opencv代码时要小心。
4. 路径表示方式不同。
在c版本中路径之间用2个双右斜线,即”\\”。用1个斜线”\”会报错。
在c++版本中路径之间用1个或者2个甚至更多个斜线都是可以的。
---------------------
作者:代码里的文学
来源:CSDN
原文:https://blog.csdn.net/qq_34622997/article/details/74549977
版权声明:本文为博主原创文章,转载请附上博文链接!
cvNamedWindow与namedWindow,cvShowImage与inshow的区别相关推荐
- opencv图像处理总结
opencv图像处理基本操作 1. 矩阵数据类型 通用矩阵数据类型: CV_<bit_depth>(S|U|F)C<number_of_channels> 其中,S表示带符号整 ...
- opencv形状识别学习总结
OpenCV基元检测 Primitive Detection 目录 基元的概念 基元泛指图像中有特点的单元.常说的基元有:边缘.角点.斑点.直线段.圆.等 基元检测是图像分析的基础 边缘(Edge)检 ...
- opencv视频处理和检测学习总结
基于opencv的视频处理--基础数据结构 在一个封装的还算比较好的库中,一般都不会直接采用那些基本的数据结构像char, int 之类,一是 不具有可读性,二是不方便修改移植.通常是通过typede ...
- OpenCV+python:Canny边缘检测算法
1,边缘处理 图像边缘信息主要集中在高频段,通常说图像锐化或检测边缘,实质就是高频滤波.我们知道微分运算是求信号的变化率,具有加强高频分量的作用. 在空域运算中来说,对图像的锐化就是计算微分.由于数字 ...
- OpenCV_颜色直方图的计算、显示、处理、对比及反向投影
首先介绍一下直方图 一.用带权重的样本统计直方图 直方图Histogram,是一种常见的概率分布的非参数(区别于高斯分布,泊松分布等用参数表达概率密度的方法)表达方法.直方图可以看成概率密度分布的离散 ...
- OpenCv中实现了三种立体匹配算法:
OpenCv中实现了三种立体匹配算法: BM算法 SGBM算法 Stereo Processing by Semiglobal Matching and Mutual Information GC算法 ...
- It's OpenCV
OpenCV的全称是Open Source Computer Vision Library,是一个跨平台的计算机视觉库. OpenCV可用于开发实时的图像处理.计算机视觉以及模式识别程序,且授权可以在 ...
- findContours函数
1.findContours函数 函数的作用: 查找图像的轮廓 2.findContours函数,这个函数的原型为: void findContours(InputOutputArray image, ...
- opencv图像处理常用完整示例代码总结
显示图像 #include "StdAfx.h" #include <string> #include <iostream> #include <op ...
最新文章
- 搭建yum仓库定制rpm包
- android GLES20 color
- ProtoBuffer由.proto文件生成.cc/.h
- opengl中gpu与cpu交互_OpenGL 环境配置与教程推荐
- 用户自定义类型(User-defined Type)参数的传递
- IIS7 应用程序池自动回收关闭的解决方案
- 报线上python课程靠谱吗-Python培训线上和线下有什么区别?
- 【Python】Python3.9又更新了:dict内置新功能,正式版十月见面
- 华为手机解锁码快速申请方式
- 201871010114-李岩松《面向对象程序设计(java)》第一周学习总结
- Postman:脚本应用_pm对象
- 大数据时代的 10 个重大变化
- 回溯法——利用解空间树解决0-1背包问题
- golang模拟抢票
- 谷歌浏览器好用的复制粘贴插件_好用到炸的谷歌chrome浏览器必备扩展插件(一)...
- 基于Web的在线教师备课系统毕业设计
- 一篇最通俗易懂的https
- 沐风微信营销水库模型二:建设专属秘密武器库!
- 那些曾经大名鼎鼎的黑客,现在怎么样了?(第一集)
- 《悲惨世界》--[法]雨果
热门文章
- boost::random模块生成随机 8 个字符密码相关的测试程序
- boost::outcome模块coroutine_support相关的测试程序
- Boost.MultiIndex 使用随机访问索引的示例
- boost::math模块使用指定宽度的浮点 typedef估中等复杂的数学函数的测试程序
- boost::geometry::model::d3::point_xyz用法的测试程序
- boost::fusion::as_deque用法的测试程序
- GDCM:gdcm::VM的测试程序
- GDCM:ReadCanRead的测试程序
- VTK:可视化算法之ExponentialCosine
- VTK:Shaders之MarbleShader