opencv基础篇 ——（一）简介_opencv 是什么

opencv基础篇 ——（一）简介

OpenCV（Open Source Computer Vision Library）是一个开源的跨平台计算机视觉库，它提供了丰富的图像处理和计算机视觉功能，涵盖了从简单的图像处理操作到复杂的计算机视觉算法的实现。

重要信息

源码地址：opencv
官网地址：官网
官方文档：官方文档
官方教程：官方教程
扩展模块源码：opencv_contrib

特性和功能

• 图像处理： 包括图像加载、保存、显示、剪裁、缩放、旋转等基本操作。
• 计算机视觉： 提供了大量的计算机视觉算法，如特征检测、目标识别、目标跟踪、摄像头标定等。
• 机器学习支持： OpenCV与机器学习库（如MLPack、Scikit-Learn）结合，可实现各种机器学习任务，如分类、回归、聚类等。
• 深度学习集成： 支持使用深度学习框架（如TensorFlow、PyTorch）进行图像识别、目标检测等任务。
• 平台支持： 兼容多个平台，包括Windows、Linux、macOS、Android等。
• 语言支持： 提供C++、Python、Java等多种语言的接口，方便不同语言的开发者使用。

功能模块

OpenCV 是一个功能强大的开源计算机视觉库，提供了丰富的功能模块，用于图像处理、计算机视觉、深度学习等任务。以下是一些 OpenCV 中常用的功能模块：

• Core 模块：

    提供了基本的数据结构、算法和函数，是其他模块的基础。包括图像处理、数组操作、数学运算等功能。
  1

• Imgproc 模块：

    提供了图像处理的各种功能，如滤波、形态学操作、边缘检测、直方图等。
  1

• Video 模块：

    提供了视频处理相关的功能，包括视频捕获、视频编解码、光流估计、帧间差分等。
  1

• HighGui 模块：

    提供了图形用户界面相关的功能，包括窗口管理、鼠标和键盘事件处理等。
  1

• Features2D 模块：

    提供了特征检测和描述子匹配的功能，包括 SIFT、SURF、ORB 等算法。
  1

• Objdetect 模块：

    提供了目标检测和分类的功能，包括 Haar 特征分类器、HOG+SVM 等算法。
  1

• Calib3d 模块：

    提供了相机标定、立体视觉和三维重建的功能，包括相机校正、立体匹配等算法。
  1

• Dnn 模块：

    提供了深度学习模型的加载、推理和微调功能，支持 TensorFlow、PyTorch、Caffe 等框架。
  1

• ML 模块：

    提供了机器学习相关的功能，包括支持向量机、K最近邻、决策树等算法。
  1

• Flann 模块：

    提供了快速最近邻搜索的功能，用于高效的特征匹配和检索。
  1

• Photo 模块：

    提供了图像修复、HDR合成、风格迁移等高级图像处理功能。
  1

• Stitching 模块：

    提供了全景图像拼接的功能，可以将多幅重叠图像拼接成全景图像。
    这些功能模块覆盖了图像处理、计算机视觉、深度学习、机器学习等多个领域，使得 OpenCV 成为一个强大且多用途的计算机视觉库。
  1
  2

常用函数

1. 图像 I/O：

• cv::imread：读取图像文件。
• cv::imwrite：保存图像到文件。
• cv::imshow：显示图像窗口。
• cv::waitKey：等待键盘输入。

2. 图像处理：

• 图像转换：
  • cv::cvtColor：颜色空间转换。
  • cv::resize：图像缩放。
  • cv::flip：图像翻转。
• 图像增强：
  • cv::threshold：图像二值化。
  • cv::equalizeHist：直方图均衡化。
  • cv::GaussianBlur：高斯模糊。
• 图像几何变换：
  • cv::warpAffine：仿射变换。
  • cv::warpPerspective：透视变换。
    3. 图像特征：
• 特征检测：
  • cv::SIFT：尺度不变特征变换。
  • cv::SURF：加速稳健特征。
  • cv::ORB：Oriented FAST and Rotated BRIEF。
• 特征匹配：
  • cv::matchTemplate：模板匹配。
  • cv::BFMatcher：暴力特征匹配器。
    4. 图像分割：
• cv::threshold：阈值分割。
• cv::findContours：查找图像轮廓。
• cv::grabCut：GrabCut 图像分割算法。

5. 目标检测与跟踪：

• 目标检测：
  • cv::CascadeClassifier：级联分类器（用于人脸检测等）。
  • cv::dnn::readNet：加载深度学习模型进行目标检测。
• 目标跟踪：
  • cv::Tracker：目标跟踪器（如 KCF、MIL、CSRT 等）。
    6. 摄像头与视频处理：
• cv::VideoCapture：打开摄像头或视频文件。
• cv::VideoWriter：视频写入器。
• 视频处理函数：如帧读取、帧写入、视频流处理等。

7. 深度学习集成：
* cv::dnn::readNet：加载深度学习模型。
* cv::dnn::Net::forward：模型推理前向传播。
* 深度学习模型支持：如 TensorFlow、PyTorch、Caffe 等。
8. 机器学习与统计：
* cv::ml::SVM：支持向量机。
* cv::ml::KNearest：K最近邻分类器。
* cv::ml::EM：期望最大化算法。
9. 其他模块：
* 形状分析： cv::moments、cv::contourArea 等。
* 图像绘制： cv::rectangle、cv::circle、cv::line 等。
* 图像处理工具： cv::getStructuringElement、cv::filter2D 等。

了解cv::Mat

• cv::Mat 中的数据以连续的方式存储在内存中。对于单通道图像，数据是按行存储的；对于多通道图像，每个通道的数据是连续存储的，但通道之间可能不连续。
• cv::Mat 中的数据类型可以是整型、浮点型或者其他自定义类型，如 CV_8UC1 表示8位无符号单通道图像，CV_32FC3 表示32位浮点型三通道图像。

cv::Mat 是表示图像或任意多维数组的基本数据结构。以下是一些 cv::Mat 常用的操作：

• 创建 cv::Mat 对象：

  • 从已有数据创建：使用构造函数或者 cv::Mat::create 函数。
  • 从图像文件加载：使用 cv::imread 函数加载图像文件。

• 访问像素值：

  • 使用 at 方法：mat.at(row, col)，例如 mat.at(i, j)。
  • 使用指针访问：mat.ptr(row)[col]，例如 mat.ptr(i)[j]。

• 图像属性：

  • rows：图像的行数。
  • cols：图像的列数。
  • size：图像的大小。
  • type：图像的数据类型。
  • channels：图像的通道数。

• 数据拷贝：

  • 深拷贝：cv::Mat::clone 或者 cv::Mat::copyTo。
  • 浅拷贝：直接赋值操作符 =。

• 图像操作：

  • 图像裁剪：使用 cv::Rect 创建感兴趣区域（ROI）。
  • 图像拼接：使用 cv::vconcat 或者 cv::hconcat 进行垂直或水平拼接。
  • 图像融合：使用 cv::addWeighted 进行图像加权融合。

• 图像类型转换：

  • 转换颜色空间：使用 cv::cvtColor 进行颜色空间转换。
  • 转换数据类型：使用 cv::Mat::convertTo 进行数据类型转换。

• 图像操作：

  • 图像缩放：使用 cv::resize 进行图像大小调整。
  • 图像旋转：使用 cv::warpAffine 进行仿射变换。
  • 图像平移：使用 cv::warpAffine 进行平移变换。

• 图像统计：

  • 计算均值和方差：使用 cv::meanStdDev 计算图像的均值和标准差。
  • 计算直方图：使用 cv::calcHist 计算图像的直方图。

• 图像通道分离与合并：

  • 通道分离：使用 cv::split 将多通道图像分离成单通道图像。
  • 通道合并：使用 cv::merge 将多个单通道图像合并成多通道图像。

• 图像显示与保存：

  • 图像显示：使用 cv::imshow 显示图像。
  • 图像保存：使用 cv::imwrite 保存图像到文件。

示例

图片处理

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("image.jpg", IMREAD_GRAYSCALE);
    if (image.empty()) {
        cout << "无法读取图像文件！" << endl;
        return -1;
    }

    Mat binary;
    threshold(image, binary, 128, 255, THRESH_BINARY);

    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;

    // 查找轮廓
    findContours(binary, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);

    // 绘制轮廓
    Mat result = Mat::zeros(image.size(), CV_8UC3);
    drawContours(result, contours, -1, Scalar(0, 255, 0), 2);

    // 显示结果
    imshow("Contours", result);
    waitKey(0);

    return 0;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

视频处理

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main(int argc, char** argv)
{
	cv::VideoCapture cap;   //声明相机捕获对象
	cap.set(cv::CAP_PROP_FOURCC, cv::VideoWriter::fourcc('M', 'J', 'P', 'G'));
	cap.set(cv::CAP_PROP_FRAME_WIDTH, 640); //图像的宽，需要相机支持此宽
	cap.set(cv::CAP_PROP_FRAME_HEIGHT, 480); //图像的高，需要相机支持此高,图像分辨率640×480
	int deviceID = 0; //相机设备号
	cap.open(deviceID); //打开相机，如果打开视频文件，直接输入视频文件路径和文件名
	if (!cap.isOpened()) //判断相机是否打开
	{
		std::cerr << "ERROR!!Unable to open camera\n";
		return -1;
	}
	cv::Mat img;
	while (true)
	{
		cap >> img; //以流形式捕获图像
		cv::namedWindow("example", 1); //创建一个窗口用于显示图像，1代表窗口适应图像的分辨率进行拉伸。
		if (img.empty() == false) //图像不为空则显示图像
		{
			cv::imshow("example", img);
		}
		int  key = cv::waitKey(30); //等待30ms
		if (key == int('q')) //按下q退出
		{
			break;
		}
	}
	cap.release(); //释放相机捕获对象
	cv::destroyAllWindows(); //关闭所有窗口
	return 0;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37