OpenCV（一）

OpenCV

官方链接为：https://www.opencv.org/

官方文档链接为：https://docs.opencv.org/

OpenCV下载及安装

下载：

https://www.opencv.org/releases.html

点击该地址，win下安装点击下图方框，不同环境下载不同类型

win下安装：

win下版本下载完成后直接一个可执行程序（其实是一个自解压的zip文件），双击后直接选择安装的路径即可

选择安装路径：

OpenCV3.4.1在VS2017中的配置

首先了解对应关系：Visual Studio 2017对应vc15

第一步：高级系统设置 -- 系统属性 -- 环境变量 -- 用户的变量 -- Path 加入：

D:\opencv-3.4.1\build\x64\vc15\bin

第二步：项目右键属性

VC++目录--》包含目录
C/C++ ----- Additional Include Directories:
D:\opencv-3.4.1\build\include

D:\opencv-3.4.1\build\include\opencv

D:\opencv-3.4.1\build\include\opencv2

VC++目录--》库目录
Linker ----- Additional Library Directories:
D:\opencv-3.4.1\build\x64\vc15\lib

第三步：链接器--》输入--》附加依赖项

Linker ----- Additional Dependencies:
(Debug)
opencv_world341d.lib

(release, 可不填)
opencv_world300.lib

配置完成后在项目中编辑如下代码运行进行测试，如果成功即说明配置无误：

// OpenCVTest1.cpp: 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;

int main()
{
	Mat src = imread("D:/视频跟踪学习/images and videos/lena.png");  //图片路径自行修改
	if (src.empty())
	{
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("test opencv", CV_WINDOW_AUTOSIZE);
	imshow("test opencv", src);
	waitKey(0);
	cout << "1244124" << endl;
	system("pause");
	return 0;
}

　　能够弹出图片证明配置成功，可以进行下步学习。

加载图像（cv::imread）

imread的功能是加载图像文件成为一个Mat对象，其中第一个参数表示图像文件名称，第二个参数表示图像时什么类型，第二个参数全体如下

IMREAD_UNCHANGED            = -1, //!< If set, return the loaded image as is (with alpha channel, otherwise it gets cropped).
IMREAD_GRAYSCALE            = 0,  //!< If set, always convert image to the single channel grayscale image.
IMREAD_COLOR                = 1,  //!< If set, always convert image to the 3 channel BGR color image.
IMREAD_ANYDEPTH             = 2,  //!< If set, return 16-bit/32-bit image when the input has the corresponding depth, otherwise convert it to 8-bit.
IMREAD_ANYCOLOR             = 4,  //!< If set, the image is read in any possible color format.
IMREAD_LOAD_GDAL            = 8,  //!< If set, use the gdal driver for loading the image.
IMREAD_REDUCED_GRAYSCALE_2  = 16, //!< If set, always convert image to the single channel grayscale image and the image size reduced 1/2.
IMREAD_REDUCED_COLOR_2      = 17, //!< If set, always convert image to the 3 channel BGR color image and the image size reduced 1/2.
IMREAD_REDUCED_GRAYSCALE_4  = 32, //!< If set, always convert image to the single channel grayscale image and the image size reduced 1/4.
IMREAD_REDUCED_COLOR_4      = 33, //!< If set, always convert image to the 3 channel BGR color image and the image size reduced 1/4.
IMREAD_REDUCED_GRAYSCALE_8  = 64, //!< If set, always convert image to the single channel grayscale image and the image size reduced 1/8.
IMREAD_REDUCED_COLOR_8      = 65, //!< If set, always convert image to the 3 channel BGR color image and the image size reduced 1/8.
IMREAD_IGNORE_ORIENTATION   = 128 //!< If set, do not rotate the image according to EXIF's orientation flag.

　　如果不设置，默认参数为IMREAD_ANYCOLOR

常用参数如下：

IMREAD_UNCHANGED：加载原图，什么都不做

IMREAD_COLOR ：表示吧原作作为BGR模式加载进来

IMREAD_GRAYSCALE : 表示吧原图作为灰度图像加载进来

注意：OpenCV支持JPG，PNG，TIFF等常见格式图像文件加载

显示图像（cv::namedWindow与cv::imshow）

namedWindoW的功能是创建一个OpenCV窗口，它是有OpenCV自动创建与释放的，你无须去销毁他
常见的用法namedWindow("Window Title", WINDOW_AUTOSIZE)
WINDOW_AUTOSIZE会自动根据图像大小，显示窗口大小，不能人为的改变窗口大小
WINFOW_NORMAL跟QT集成的时候会使用，允许修改窗口大小
imshow根据窗口名称显示图像到指定的窗口上去，第一个参数是窗口名称，第二个参数是Mat对象

修改图像（cv::cvtColor）

cvtColor的功能是把图像从一个彩色空间转换到另外一个色彩空间，有三个参数，第一个参数表示源图像、第二参数表示色彩空间转换之后的图像、第三个参数表示源和目标色彩空间如：COLOR_BGR2HLS、COLOR BGR2GRAY等

cvtColor(image,gray_image,COLOR_BGR2GRAY);

保存图像(cv：imwrite)

保存图像文件到指定目录路径，只有8位、16位的PNG、JPG、Tiff文件格式而且是单通道或者三通道的BGR的图像才可以通过这种方式保存
保存PNG格式的时候可以保存透明通道的图片
可以指定压缩参数

案例：读取图片，然后修改图片，显示出两个图片，最后把修改后的图片保存

// OpenCVTest1.cpp: 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;

int main()
{
	Mat src = imread("D:/视频跟踪学习/images and videos/lena.png");
	if (src.empty())
	{
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("test opencv", CV_WINDOW_AUTOSIZE);
	imshow("test opencv", src);

	Mat out_image;
	//cvtColor(src, out_image, CV_BGR2HLS);  //这种转变方式也可以
	cvtColor(src, out_image, COLOR_BGR2GRAY);
	namedWindow("change window", CV_WINDOW_AUTOSIZE);
	imshow("change window", out_image);

	imwrite("D:/change.png", out_image);

	waitKey(0);
	system("pause");
	return 0;
}

矩阵的掩膜操作

获取图像像素指针

CV_Assert(mylmage.depth() == CV_8U);

Mat.ptr<uchar>(int i=0)获取像素矩阵的指针，索引 i 表示第几行，从0开始计行数。

获得当前行指针const uchar* current=mylmage.ptr<uchar>(row);

·获取当前像素点P(row,col)的像素值p(row,col)=curent[col]

像素范围处理saturate_cast<uchar>

将不再范围内的像素点归并到范围内，确保RGB值得范围在0~255之间：

saturate_cast<uchar>(-100)，返回0。
saturate_cast<uchar>(288)，返回255
saturate_cast<uchar>(100)，返回100

掩膜操作实现图像对比度调整

如上图，红色是中心像素，对每一个点通过周围的四个点，做锐化处理后，得到的图片既是调高对比度后的图片（Mat对象）

公式为I(i,j) = 5 * I(i,j) - [I(i+1,j)+I(i-1,j)+I(i,j-1)+I(i,j+1)]

实现代码如下：

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;

int main()  //图片掩膜操作
{
	Mat src, dst;
	src = imread("D:/视频跟踪学习/images and videos/lena.png");
	if (src.empty())
	{
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("test opencv", CV_WINDOW_AUTOSIZE);
	imshow("test opencv", src);

	int cols = (src.cols - 1) * src.channels();  //channels是通道，算出来为列，长度
	int offsetx = src.channels();  //通道数
	int rows = src.rows;  //行数,高度

	dst = Mat::zeros(src.size(), src.type());
	for (int row = 1; row < (rows - 1); row++)  //从（1,1）开始，行数外层循环
	{
		const uchar* previous = src.ptr<uchar>(row - 1);  //获取当前行的指针
		const uchar* current = src.ptr<uchar>(row);  //获取上一行的指针
		const uchar* next = src.ptr<uchar>(row + 1);  //获取下一行指针
		uchar* output = dst.ptr<uchar>(row	);  //按旧图行数获取新图当前行指针
		for (int  col = offsetx; col < cols; col++)  //列数内层循环
		{
			output[col] = saturate_cast<uchar>(5 * current[col] - (current[col - offsetx] + current[col + offsetx] + previous[col] + next[col]));
		}
	}
        namedWindow("changed opencv", CV_WINDOW_AUTOSIZE);
	imshow("changed opencv", dst);
	waitKey(0);
	return 0;
}

　　左图为锐化处理后的图片

函数调用filter2D功能直接进行锐化处理

OpenCV有专门的函数可直接实现如上的效果，如下

Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, - 1, 0);  //定义掩膜
filter2D(src, dst, src.depth(), kernel);  //其中src与dst是Mat类型变量、src.depth表示位图深度，有32、24、8等。

　　计算运行素的代码如下：

double t = getTickCount();
。。。。。。。。。。。。。。。
。。。。。。。。。。。。。。。
double timeconsume = (getTickCount() - t) / getTickFrequency();
printf("time consume %.2f", timeconsume);

　　上面简化后的代码：

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;

int main()  //图片掩膜操作
{
	Mat src, dst;
	src = imread("D:/视频跟踪学习/images and videos/lena.png");
	if (src.empty())
	{
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("test opencv", CV_WINDOW_AUTOSIZE);
	imshow("test opencv", src);
	
	double t = getTickCount();
	Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, - 1, 0);  //定义掩膜
	filter2D(src, dst, src.depth(), kernel);  //其中src与dst是Mat类型变量、src.depth表示位图深度，有32、24、8等。
	double timeconsume = (getTickCount() - t) / getTickFrequency();
	printf("time consume %.2f", timeconsume);

	namedWindow("changed opencv", CV_WINDOW_AUTOSIZE);
	imshow("changed opencv", dst);
	waitKey(0);
	return 0;
}

　　效果和上面相同