OpenCV基本結構(Point、Size、Rect、绝对值）

最新推荐文章于 2025-05-23 00:00:00 发布

田野星

最新推荐文章于 2025-05-23 00:00:00 发布

阅读量6.4k

点赞数 3

分类专栏： opencv

opencv 专栏收录该内容

11 篇文章

订阅专栏

本文介绍了OpenCV中的基本结构，如Point、Size、Rect等，并详细解释了这些结构的用途及赋值方法。此外，还涵盖了OpenCV中的基本运算，包括图像相加、位运算、矩阵操作以及比较操作等内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原文转自：http://monkeycoding.com/?p=521

OpenCV有定義一些基本結構，像Point、Point2f、Size、Size2f、Rect、RotatedRect、Scalar等，方便我們進行影像處理，這些結構通常都當參數輸入，或是函式內部計算之用。

Point：2維整數點類別，通常用於影像的座標點，成員有x和y，要是輸入浮點數的話，則四捨五入取整數，以下為建構式和最基本的兩種賦值方法：

Point(int x, int y) //建構式
Point pt1(20,30);
Point pt2;
pt2.x = 20;
pt2.y = 30;

Point2f：2維浮點數點類別，通常用於幾何計算，用法和Point雷同，只是x和y是浮點數。

Point3i、Point3f、Point3d代表3維點x、y、z，而成員型態分別為int、float、double。

Size：尺寸類別，成員有width和height，分別表示寬和長(int型態)，可用area()函式得到面積，以下為建構式最基本兩種賦值方法：

Size(int width, int height) //建構式
Size size1(150, 100);
Size size2;
size2.width = 150;
size2.height = 100;
int myArea = size2.area();

Size2f：尺寸類別，和Size用法雷同，只是width和height為float型態。

Rect：矩形類別，成員有x、y、width、height，分別表示左上角頂點的x座標，左上角頂點的y座標，矩形寬、矩形高，可用area()函式得到面積，以下為建構式和最基本的兩種賦值方法：

Rect(int x, int y, int width, int height) //建構式
Rect rect1(20,30,150,100);
Rect rect2;
rect2.x = 20;
rect2.y = 30;
rect2.width = 150;
rect2.height = 100;
int myRectArea = rect2.area();

RotatedRect：斜矩形類別，成員有矩形的質心center(Point2f類別)，四周長size(Size2f類別)、旋轉角度angle(float類別)，可用points()函式得到四個頂點，以下為建構式和最基本的兩種賦值方法：

RotatedRect(const Point2f &center, const Size2f &size, float angle) //建構式
RotatedRect rRect1(Point2f(150,150), Size2f(100,50), 30.0);
RotatedRect rRect2; 
rRect2.center = Point2f(150,150);
rRect2.size = Size2f(100,50);
rRect2.angle = 30.0;
Point2f vertices[4];
rRect2.points(vertices);

Scalar：代表4元素的向量，一般用於像素顏色，以下設定給灰階圖和彩色圖像素的方式：

Scalar(a, b, c)：省略透明通道，由於OpenCV的彩色影像通常為BGR的順序，a代表藍色、b代表綠色、c代表紅色。

Scalar(a)：通常用於灰階圖，像素強度為a。

openCV 图像相加，位运算，协方差，绝对值，比较

原文：http://blog.youkuaiyun.com/Dr_Neo/article/details/44107269

（1）基本运算

两图像相加：

add(InputArray src1,InputArray src2, OutputArray dst, InputArray mask=noArray(),int dtype=-1)：如可用add(A,B,C)来计算C=A+B；如果指定了图像掩模mask（注：mask必须为单通道），则运算只在mask对应像素部位null的像素上进行，add(A,B,C,mask)意为if(mask[i]0)c[i]=a[i]+b[i];

addWeighted(InputArray src1,double alpha, InputArray src2, double beta, double gamma,OutputArraydst, int dtype=-1):计算加权和，如addWeighted(A,k1,B,k2,k3,C)表示C=k1*A+k2*B+k3;

scaleAdd(A,k1,B,C)表示C=k1*A+B

减：subtract(A,B,C)表示C=A-B

乘：mutiply(A,B,C,k)表示C=k*A*B

divide(InputArray src1,InputArray src2, OutputArray dst, double scale=1,int dtype=-1)：除法，divide(A,B,C,k)表示C=(A*k/B)；也可以直接用一个scale来除以array，divide(k,B,C)表示C=k/B

当然还有其他计算符，如log()、exp()

位运算：

bitwise_and(InputArray src1,InputArray src2, OutputArray dst, InputArray mask=noArray())：按位与，bitwise_and(A,B,C,mask)表示if(mask[i])a[i]^b[i]=c[i]

bitwise_not(A,B,mask)：按位非，b[i] =~a[i]

bitwise_or(A,B,C)：按位或,C=AB

bitewise_xor(A,B,C)：按位异或，C=AB

此处需要注意的是，所有这些运算都会调用cv：：saturate_cast函数来进行截断操作，以保证输出像素值都在合理的范围之内。另外，OpenCV对c++的很多操作符都进行了重载，所以可以直接使用运算符+,=,*,/,&,|,~,^,<,>等来对图像矩阵进行操作，矩阵求逆m.inv()，矩阵转置m.t()，行列式m.determinant()，向量模v.norm()，向量叉乘v1.cross(v2)，向量点积v1.dot(v2)

（2）矩阵操作

calcCovarMatrix()：计算协方差矩阵

invert(InputArray src,OutputArray dst, int flags=DECOMP_LU):求逆矩阵

sqrt(InputArray src,OutputArray dst)：计算平方根

求绝对值：

abs(const Mat& m)：求绝对值，输入参数可是矩阵也可是表达式，如：C=abs(A)，C=abs(A-B)

absdiff(InputArray src1,InputArray src2, OutputArray dst)：absdiff(A,B,C)等价于C=abs(A-B)

cartToPolar(InputArray x, InputArray y,OutputArray magnitude, OutputArray angle, boolangleInDegrees=false)：计算二维矢量的幅值和向角

dct(InputArray src,OutputArray dst, int flags=0)：离散余弦变换

dft(InputArray src,OutputArray dst, int flags=0, int nonzeroRows=0)：离散傅里叶变换

flip(InputArray src,OutputArray dst, int flipCode)：对图像进行翻转，flipCode>0，进行垂直翻转；flipCode=0，进行水平翻转；flipCode<0，同时进行水平、垂直翻转；

（3）比较操作

CheckRange():用来判断输入array中的每个元素是否都处于某一范围内

compare(InputArray A, InputArray B,OutputArray C, int cmpop):根据参数cmpop的值来决定A和B比较的方式，其值有CMP_EQ,CMP_GT, CMP_GE, CMP_LT, CMP_LE, CMP_NE，结果输出为C;

min()：如C=min(A,B)表示c[i]=min(a[i],b[i])

max()：与min()类似

注意，此处所有函数在调用时都要加上命名空间cv::

opencv里面，基本上矩阵、向量能想到的操作都有相对应的函数，非常之多，在此不能一一列出，具体的在opencv的online documentation里面都有。建议大家在实际编程时，遇到跟矩阵相关的运算、操作时都先去查阅一下opencv的online documentation，要是里面有现成的函数就可以直接调用了，没有的再去自己想办法写。有关矩阵操作符的库函数主要集中在opencv_core模块中。

经过我多次实验的出结论：opencv中求得的协方差矩阵比matlab中的大（n-1）倍！（n是矩阵的行数）