OpenCV研发入门基础

N阶二进制

已于 2023-10-28 12:02:40 修改

阅读量113

点赞数 1

分类专栏： opencv 文章标签： opencv 人工智能计算机视觉 linux

于 2023-10-26 07:00:00 首次发布

本文链接：https://blog.youkuaiyun.com/ARV000/article/details/133985064

版权

opencv 专栏收录该内容

5 篇文章

订阅专栏

本文介绍了OpenCV的基础知识，包括Mat数据结构、图像读取与显示、像素操作、图像处理算法如平滑和边缘检测，以及特征检测如角点检测。还概述了目标检测、跟踪、深度学习和性能优化的使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. OpenCV基础知识:

1.1 OpenCV的数据结构：Mat（矩阵）、Point、Rect等。

在OpenCV中，cv::Mat 是一个非常重要的数据结构，用于表示图像、矩阵和其他多维数组。它是OpenCV中最常用的数据类型之一。下面详细解释一下 cv::Mat 数据结构：

cv::Mat 的基本属性：
1. 维度（Dimensions）： cv::Mat 可以是一个或多个维度的数组。例如，二维图像是一个矩阵，而三维图像可以包含多个矩阵（用于表示不同的颜色通道）。
2. 数据类型（Data Type）： cv::Mat 可以存储不同数据类型的元素，如整数、浮点数等。常见的数据类型包括 CV_8U（8位无符号整数，即uchar）、CV_32F（32位浮点数）等。
3. 通道数（Channels）： 对于彩色图像，通常有三个通道（B、G、R），每个通道表示一种颜色。灰度图像只有一个通道。
cv::Mat 的主要特性：
1. 数据指针（Data Pointer）： cv::Mat 包含一个指向数据的指针。这个指针指向内存中存储图像像素值的区域。
2. 内存管理（Memory Management）： cv::Mat 使用智能指针技术，它会自动管理内存的分配和释放。你不需要手动释放 cv::Mat 对象的内存，当 cv::Mat 对象超出作用域时，内存会自动释放。
3. 图像的宽度和高度（Width and Height）： cv::Mat 对象可以使用 .rows 和 .cols 成员变量获取图像的高度和宽度。
4. 图像的通道数（Number of Channels）： cv::Mat 对象可以使用 .channels() 函数获取图像的通道数。
5. 数据访问（Accessing Pixel Values）： 可以使用 Mat::at<type>(row, col) 函数或者数组下标直接访问图像的像素值。
示例：
```
cv::Mat image = cv::imread("example.jpg"); // 读取图像
int width = image.cols; // 获取图像宽度
int height = image.rows; // 获取图像高度
int channels = image.channels(); // 获取图像通道数
uchar pixelValue = image.at<uchar>(y, x); // 获取图像像素值
```
在这个示例中，cv::Mat 对象 image 存储了读取的图像数据。你可以通过 .cols 和 .rows 成员变量获取图像的宽度和高度，通过 .channels() 函数获取通道数，通过 at<type>(row, col) 函数访问像素值。

这只是 cv::Mat 的基本介绍。在实际应用中，你还可以对 cv::Mat 进行各种操作，包括图像处理、矩阵运算等。希望这些信息能帮助你更好地理解 cv::Mat 数据结构。

1.2 图像的读取、保存和显示。

1.3 像素操作：读取像素值、修改像素值。

1.4 图像通道操作和色彩空间转换。

1.5 图像的基本几何变换，比如旋转、缩放等。

1.6 ROI（Region of Interest）操作。

2. 图像处理算法

图像平滑：包括均值滤波、高斯滤波等。
图像边缘检测：Sobel、Canny等算法。
直方图均衡化和直方图匹配。
形态学操作：腐蚀、膨胀、开运算、闭运算等。

2.1 图像金字塔和图像轮廓。

在OpenCV中，图像轮廓（Contours）是指连接具有相同颜色或强度的相邻像素的曲线。轮廓在图像分析和计算机视觉中非常有用，它们常常被用来检测和识别物体。在OpenCV中，你可以使用findContours函数来查找图像中的轮廓。以下是一个使用OpenCV查找图像轮廓的基本示例：

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

int main() {
    // 读取图像
    cv::Mat image = cv::imread("path/to/your/image.jpg");

    // 将图像转换为灰度图
    cv::Mat gray;
    cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);

    // 二值化处理（可以根据实际情况选择合适的阈值）
    cv::Mat binary;
    cv::threshold(gray, binary, 128, 255, cv::THRESH_BINARY);

    // 查找图像轮廓
    std::vector<std::vector<cv::Point>> contours;
    std::vector<cv::Vec4i> hierarchy;
    cv::findContours(binary, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

    // 绘制轮廓
    cv::Mat result = image.clone();
    cv::drawContours(result, contours, -1, cv::Scalar(0, 255, 0), 2); // 在结果图像上绘制轮廓

    // 显示原始图像和带有轮廓的图像
    cv::imshow("Original Image", image);
    cv::imshow("Contours", result);
    cv::waitKey(0);

    return 0;
}