lucust的博客

当迭代10次不需要计算，两次的计算结果差小于0.01也不需要计算。

通过API：inrange获取对应颜色的mask图像：参考 ：(70条消息) opencv c++ 图像色彩空间转换 掩膜mask处理（12）_lucust的博客-优快云博客 a）查看帧图像颜色分布。 通过插件image watch 来可以快速获取如下像素点坐标，像素值信息。 b）获取正确的颜色range，从而获取mask c）对mask图像进行颜色分析。帧图像处理函数：视频调用函数：

应用：连续的图像移动或图像拼接场景中，确定图像中某一对象的位置。 在x方向和y方向都有最大梯度变化的像素点，衡量这个变化的计算式如下，为xx，xy，yx，yy四个方向的梯度sum值组成的2×2矩阵： a）在实际过程中，会在计算梯度时，乘以一个对应位置的权重 w(x, y)，u，v为沿着对应方向移动的距离。 b）在经过转换后得到新的E(u, v)式子： 其中： k = 0.04~0.6

找出图片中某目标，该目标最好具有直方图特征。 需要输入待找出物体的图片模板：img1，待识别图片：img2。 a）计算直方图：先将图像转为hsv，制作h与s两个通道的二维直方图。 b）计算比率：用待找出物体的图片模板直方图/待识别图片直方图。 c）卷积模糊 b）反向输出 如下找到图片中的手掌区域的应用： 计算直方图3、代码

包括图像的腐蚀、膨胀、开、闭、形态学梯度、顶帽、黑帽、分支主题、结构元素等操作。 具体概念参考：(41条消息) 图像处理-形态学处理_Good@dz的博客-优快云博客_图像处理 形态学 用3×3的核去扫描二值图像，当核与图像中的前景像素（值为1的像素）有交集时，则将二值图像中对应的卷积核中心位置的像素值置为1。 拓展：卷积核可以为任意形状（除1×1），且重置点可以选用卷积核中的任意位置，有‘交集‘就对重置点位置像素置1。 用3×3的核

a）对某点，以其为圆心的圆为无数（一圈圈的圆），将其从x-y平面坐标系上转换到r-θ极坐标系上后，则变成了以r、θ为自变量，为固定值，x、y为因变量的式子： b）其余点作同样操作，可以得到，当半径r为某值时，使得三个圆同时交于1点，从而获取这些点构成的圆的圆心，半径。 圆的参数方程： 注：在实际实现时，会设定一个固定的半径r来进行检测（因为r的范围太大了）。3、代码： 说明：

目的：在进行图像边缘提取后，将数据从平面坐标转换到极坐标空间，即完成了直线的信息提取。1、原理 平面坐标系：通过之间的斜率k和截距b来确定一条直线。y = kx+b 极坐标系：通过半径r、角度θ来确定一条直线。r = xcosθ + y sinθ注：在图像处理中，定义的平面坐标原点位于左上角，横轴为x，右方向为正方向，纵轴为y，下方向为正方向。 对于直线上任意一点，都有： 对于任意点，经过它的线有无数： 将

轮廓逼近：指用越来越多的多边形对轮廓进行拟合，从而获得与轮廓近似的多边形，并获取多边形的形状。目的是为了减少编码点 拟合：生成最相似的圆或多边形。2、代码 API： 只能获取到多边形的边数，可以使用result.rows调用出边数。获取拟合多边形的边数： 拟合圆、椭圆：

a）几何计算公式： p、q为阶数，当p+q = 1时，几何矩为一阶矩，p+q = 2，几何矩为二阶矩，依次类推。。因此，对于二值图像有： 所有前景像素的x坐标之和： 所有前景像素的y坐标之和： 所有前景像素的个数： 注：前景像素为像素值为对应类型的满像素值的像素。b）几何中心矩计算公式 Hu矩计算公式： 性质：Hu矩具有放缩不变性，旋转不变性。

基于格林公式计算：连续型： 离散型 基于L2范数计算距离。 矩形，椭圆等外接形状。查找轮廓： 绘制轮廓：5、示例代码 代码展示了对二值化图像的轮廓查找、轮廓绘制、轮廓面积及周长的计算和应用、轮廓外接矩形、椭圆、带角度的矩形及角度信息的提取。

a）基于像素的扫描方法 b）基于块的扫描方法。将上图左边的块模板分为右边所示的大块分区P、Q、R、S、X。2、将一个等价队列中的标记全部置为最小标记值，如上{1，3，5}队列全置为1。centroids——每个连通组件的（包括背景）的中心坐标信息，数据类型为CV_64F。labels——带标记的与输入图像同大小类型的图像。d）opencv中的连通组件扫描算法——BBDT。，则扫描区域内其余的前景像素与当前像素连通。

彩色图像 ：三通道，像素值一般为0~255；灰度图像：单通道，像素值一般为0~255；二值图像：单通道，像素值一般为0（黑色）、255（白色）；threshold()

以图像像素值突变最大的方向作为边缘法线，与边缘法线垂直的就是边缘。边缘强度：局部图像上的像素值突变程度（图像局部一阶梯度和二阶梯度值）。

两种常用类型的图像传感器CCD和CMOS采集图像过程中，由于受传感器材料属性、工作环境、电子元器件和电路结构等影响，会引入各种噪声，如电阻引起的热噪声、场效应管的沟道热噪声、光子噪声、暗电流噪声、光响应非均匀性噪声。d——双边模糊近邻选用像素点半径，和sigmaSpace一起控制卷积核大小，如果为0，则只由sigmaSpace制卷积核大小。对像素点进行处理时，对周围像素点赋予权值，像素值相近的周边点赋予较高权值，像素值差距大的赋予较低权值。inputMat——在生成噪声图像时的输入矩阵为与原始图像。

注：也可仿照robot算子示例输入3×3的卷积核，并赋予对应的sobel值进行梯度图像获取。分别使用x、y方向的算子来获取Gx，Gy，然后选用梯度计算方法来获取对应像素点的梯度值。获取图像上沿着某一方向或多个方向上，像素值的突变图像。分别为： 四邻域算子、八邻域算子、变种算子。即二阶导数的图像应用。之间相互独立的函数，

根据选定的ROI区域的颜色直方图选定若干点，然后计算空间点图心。如果在过程中图心始终位于该ROI的中心，则对象没有移动，若图心改变，则对象朝图心改变的方向移动。但它不会允许改变边界框大小（即只允许图像对象的平动，不允许前后运动）。在meanshift的基础上可以自适应边界框大小，还可以追踪对象的方向。涉及算法：meanshift，CAMshift。

【代码】opencv c++ 高斯混合模型使用。

有时一张图片上有多个待识别物体，图像在被转换成二值化图像后，对应的物体部分会明显与背景有区别，每个物体之间也会有着不同的轮廓（物体均有间隔距离）。labels //与image相同大小的Mat，其中的同一连通域的像素点会带有相同索引。获取针对不同物体获取其轮廓，分别保存为与输入图像相同大小的Mat并输出。connectivity // 连通域查找方法4，8。itype // 标签图像类型。image // 输入图像。

在进行除法操作前，需要将image和shine_back均进行浮点类型转换(此时两个图像的所有像素值均在0~1之间)，在除法操作时，为1 - (shine_back/image )，同样shine_back与image的同时亮光部分的像素值会在操作后被置0，而只有image亮的部分会被置1。再对输入图像进行直接阈值处理后，会在部分区域出现伪影，而伪影常常会伴随着白噪声，这使得后续对图像的边缘提取会造成一定的困难，因此需要对该部分进行去除。

对于空间（x、y）和色彩域内做卷积操作，会考虑色彩空间像素值的差异，只对同一通道内差异大的像素值进行处理。sigmaColor应设置一个较大的值，sigmaSpace为sigmaColor的1/10左右。高斯核从最中心到边缘的权值逐渐变小，服从如下正态分布，从而使得中心像素占的比例最大。当窗口尺寸设置为（0，0）时， 模糊效果会达到最佳。当设置了Size的时候，sigma的设置将无效果。int d 设置为0；，因为偶数无法中心化。

这里的窗口一般被称为卷积核（kernal），卷积核中的元素被称为权值。注意，当输入图像通道数为多个时，对应的卷积核也有同样的通道数量。用一个小于图像的矩阵窗口在图像上按照一定的。这里的blur函数步长始终为1。，将对应像素点与窗口权值进行。移动，在窗口覆盖的图像。

直方图均衡化，公式推导，实际案例解释。

1、转换输入图像为HSV。（注：H通道取值范围0~180，S通道的范围为0~255）定义bin参数，将H通道的bin尺寸定为30，每个bin长度6个像素值，S通道bin尺寸定为32，每个bin长度为8个像素值。其余calcHist函数所需参数定义。2、逐个bin来获取对应bin区域的密度值，并绘制对应的矩形。背景：将彩色图BGR转换为HSV时，原来的三通道会被转换为。，由此可以对转换后的HSV图像进行二维直方图绘制。

直方图的大小范围，像素取值范围0~255时，最少有256个bin，256除以bin的大小应是整数结果。对图像中各个像素点点值的统计（即对每段像素值计算其出现次数）。&bgr_plane[0] //单通道图像地址。，故此直方图能广泛应用于图像处理各个领域。在对图像进行平移、旋转、缩放等操作时，其。

视频清晰度划分：SD：标清HD：高清。

如果要打开视频文件的话，将上述代码capture(0)，改为capture(videopath)即可。当使用 VideoCapture capture（0）时，能实现电脑摄像头调用。3、视频链接or URL of video stream (eg.1、视频路径，name of video file (eg.

【代码】opencv c++图像旋转（21）

flipcode // 0——上下翻转，1——左右翻转， -1——对角线翻转。附：将图像翻转与随机ROI区域裁剪，对比度调整等结合使用，可以实现图像增广。目的：对图像进行翻转（镜像处理）。src //输入图像。dst //输出图像。

dsize // 输出图像与原图像尺寸比例，Size类型。用途：几何变换，透视变换（视角切换），插值计算新像素。输出图像与原图像x尺寸比例，输出图像与原图像y尺寸比例。src //输入图像。dst //输出图像。

2、在imshow中，输入图像像素值类型为float型时，在之前必须进行归一化处理，不然无法正常显示，因为imshow函数会自动对float型的像素值乘以255.1、在进行归一化前，必须将输入的图像像素值使用converTo函数转换为float型。beta = 0——范围归一化的最大值，该参数不能用于范数归一化的模式。alpha = 1——范围归一化的最小值（NORM_MINMAX）mask = noArray（）——用于判断是否。dtype = -1——为负数时，

/定义全局变量来辅助记录鼠标状态Mat temp;sp——鼠标左键点击点，初始化为（-1，-1）ep——鼠标左键松开点，初始化为（-1，-1）temp——用于保存原图，在实时反馈框图时不被过多的框遮住原图（即在鼠标移动绘制过程中，将带框图像重置为原图，并绘制新框图）这里需要定义鼠标左键被点击时、鼠标移动时，鼠标左键抬起时的事件。2、1鼠标左键被点击时更新起始点，反馈点击位置即可。2、2鼠标左键抬起时更新终止点，当框图是从左上往右下绘制时，绘制方框，并显示被方框框住的ROI区域，最后重置。

API：polylines(预定义的背景画布, 点数组, true, 颜色, 线宽, 线形, shift参数);fillPoly(定义的背景画布, 点数组, 颜色, 线形, shift参数);

opencv内置随机数API。RNG rng(随机数种子)

用途：框住图像中某个物体。（人脸识别）调用API：rectangle（输入图像，矩形，颜色（Scalar形式），线宽，线形，shift参数）circle（输入图像，圆心坐标(Point)，半径，颜色，线宽，线形，shift参数）；line(输入图像, 左边界坐标, 右边界坐标, 颜色，线宽，线形，shift参数);ellipse(输入图像, 椭圆, 颜色，线宽，线形);矩形定义示例：Rect rect;

minMaxLoc（输入图像，最小值，最大值，最小值坐标，最大值坐标，Mat（））；的，如果需要求RGB通道的，可以通过split函数来将其拆解成三部分实现。meanStdDev（输入图像，均值矩阵，方差矩阵）；目的：获取像素的最大值、最小值、均值、方差等数据。：minMaxLoc的输入图像要求是。

知识点：色彩空间及其转换RGB色彩空间HSV色彩空间YUV色彩空间YCrCb色彩空间API：cvtColor——色彩空间转换inRange——提前指定色彩范围区域。

说明：根据from_to来交换，入开始的0，2意为将通道0交换到通道2。——将src的各通道图像矩阵值赋予mv。使用API函数split和merge进行通道的分离和合并。——将mv合并到dst。mv——定义的空白图像数组矩阵。

/空白图像创建//在图像内添加矩阵}rectangle（输入图像，形状函数（形状参数），颜色， 线宽， 图形学处理~一般用LINE_8即可，0）

用于实现图像的各种色系转换。函数：src——输入图像dst——输出图像。

1、在对视频进行分析时，waitKey值应尽可能小。2、在键盘输入时，鼠标应提前点击图像窗口。思路：用循环和特定输入来。