图像操作

Chivas-Regal

# 视频的生成

视频是由一帧一帧的图像构成
首先打开默认摄像头 VideoCapture cap(0);
然后使用循环对帧进行读取和打印

cv::Mat frame;
while (true) {
  	cap >> frame;
  	cv::imshow("output", frame); // 显示图像
}

1
2
3
4
5

# 画圆函数

# 函数原型

cvCircle (
	cv::Mat img,
  cvPoint center,
  int radius,
  cvScalar color,
  int thickness = 1,
  int lineType = 8,
  int shift = 0
)

1
2
3
4
5
6
7
8
9

# 参数分析

img：源图像
center：圆心坐标
radius：圆半径
color：圆的颜色
thickness：正数表示线条粗细程度，负数表示圆是否被填充
line_type：线条类型
- $8$ 联通线条
- $4$ 联通线条
shift：圆心点坐标与小数点位数

# 膨胀函数

使用像素邻域内的局部极大运算符来膨胀一张图片

void cv::dilate (
	cv::InputArray src, // 源图像，通道数量任意，但是深度必须是 CV_8U,CV_16U,CV_16S,CV_32F,CV_64F 其中之一
  cv::OutputArray dst, // 目标图像，类型、尺寸必须与 src 相同  
  cv::InputArray kernel, // 膨胀核，NULL 表示中旬 3*3 的核
  cv::Point anchor = cv::Point(-1, -1), // 锚的位置，(-1,-1)默认为中心
  int iterations = 1, // 迭代使用 erode() 的次数
  int borderType = cv::BORDER_CONSTANT, // 推断图像外部像素的某种边界模式
  const cv::Scalar &borderValue = cv::morphologyDefaultBorderValue() // 一般不管
)

1
2
3
4
5
6
7
8
9

# 滤波器

是对图像进行平滑处理（也称模糊处理）的工具
可以有效减少图像中的噪声

# 线性滤波器

void cv::blur (
  const cv::Mat &src, // 源图像
  cv::Mat &dst, // 目标图像
  cv::Size ksize, // 滤波器大小
  cv::Point anchor = cv::Point(-1, -1), // 锚点，可省略
  int borderType = BORDER_DEFAULT // 推断边缘像素，可省略
);

1
2
3
4
5
6
7

# 高斯滤波

void cv::GaussianBlur (
	const cv::Mat &src,
  cv::Mat &dst,
  cv::Size ksize,
 	double sigmaX, // x方向的标准差，0为系统自动计算
  double sigmaY, // y方向的标准差，0为系统自动计算
  int borderType = BORDER_DEFAULT
)

1
2
3
4
5
6
7
8

这里说明一下 ksize 这个东西，首先其两个坐标的大小都必须是奇数，比如 $3\times 3$ 、 $5\times 5$ 这类，这样才能在这个滤波器内找到中心点

# 空间滤波

# 滤波过程

就是在滤波器大小内，求一下每一个数值的平均，设为中心点的数值

对所有滤波器大小的子矩阵逐个扫描，最后得到所有位置的数值，就是滤波结束的图像

# 相关、卷积

相关：和上述滤波过程一样，滤波核逐个扫描，计算像素点点积
卷积：虽然也是逐个扫描求点积，但是要先将滤波核旋转 $180^{\circ}$

# 轮廓线

# 提取轮廓线

void findContours (
  cv::Mat image,
  std::vector<std::vector<cv::Point>> &contours, 
  std::vector<cv::Vec4i> &hierarchy, 
  int mode, 
  int method, 
  cv::Point offset = Point()
);

1
2
3
4
5
6
7
8

image：提取轮廓的图像，可以是灰度图，但更常见的是二值图（经过边缘检测算子处理过的图像）
contours：提取出的轮廓，存放多个向量，子向量存放了一个轮廓的点集，父向量为所有的轮廓
hierarchy：存放了多个 vector<int, 4> ，[0] 存放的上一个轮廓的索引，[1] 存放下一个轮廓的索引，[2] 存放父轮廓索引，[3] 存放嵌套轮廓索引
mode 轮廓检测模式
- CV_RETR_EXTERNAL 只检测最外围轮廓
- CV_RETR_LIST 检测所有轮廓，但彼此独立 ，不存在父子轮廓
- CV_RETR_CCOMP 检测所有轮廓，并建立两个等级，所有内部轮廓只属于顶层轮廓
- CV_RETR_TREE 检测所有轮廓，并建立一棵等级树，有完整的父子关系
method 轮廓近似方法
- CV_CHAIN_APPROX_NONE 轮廓所有连续点均传入
- CV_CHAIN_APPROX_SIMPLE 仅保存轮廓拐点
offset 轮廓的偏移量

# 绘制轮廓线

void cv::drawContours (
	cv::Mat &src,
  const std::vector<std::vector<cv::Point>> &contours,
  const int contoursidx,
	const Scalar_<double> &color
  int thickness = 1,
  int lineType = LINE_8
)

1
2
3
4
5
6
7
8

src 源图像
contours 所有提取出的轮廓线的集合
contoursidx 第几条轮廓线，表示 contours[contoursidx]
color 绘制颜色
thickness 绘制线条粗细，负数表示内部填充
lineType 线条类型

# 轮廓线长度

float cv::arcLength (
	const std::vector<cv::Point> &contour, 
  bool closed
)

1
2
3
4

contour 轮廓线
closed 是否封闭

# 封闭轮廓线面积

int cv::contourArea (
	const std::vector<cv::Point> &contour
)

1
2
3

contour 轮廓线

# 逼近曲线

void cv::approxPolyDP (
  const std::vector<std::vector<cv::Point> > &curve,
  std::vector<cv::Point> &approxCurve,
  double epslion,
  bool closed
);

1
2
3
4
5
6

curve 一条轮廓线
approxCurve 生成的近似多边形的顶点
epslion 逼近精度，即原曲线和近似曲线的最大距离
closed 若为真，说明曲线封闭，否则不封闭

# 透视变换

# 由四点计算透视

cv::Mat cv::getPerspectiveTransform (
	cv::Point2f* src, 
  cv::Point2f* dst
)

1
2
3
4

src 原先四点
dst 目标四点

# 图像变换

void cv::warpPerspective(
  const cv::Mat &src, 
  cv::Mat &dst, 
  const cv::Mat &M, 
  cv::Size dsize, 
  int flags = INTER_LINEAR, 
  int borderMode = BORDER_CONSTANT, 
  const Scalar& borderValue = Scalar()
)

1
2
3
4
5
6
7
8
9

src 源图像
dst 目标图像
M 透视变换矩阵
dsize 目标图像的大小
flags 目标图像的插值方式
borderMode 图像边界处理方式
borderValue 边界颜色

数据类型训练与分类