sundy的专栏

如果要合并两张或者多张图片，我们可以采用这样的思路，设置ROI。以合并两张大小320x240的图像为例：A 需要创建一张640x240的图像dstImage。B 把dstImage的ROI设置为Rect(0,0,320,240)，刚好可以放一张小图像。C 然后把小图像image1 COPY到dstImage中。D 重新设置ROI，针对第二张小图像image2重复B和C的操作。I

#include #include #pragma comment( lib, "cv.lib" )#pragma comment( lib, "cxcore.lib" )#pragma comment( lib, "highgui.lib" )int main(){ IplImage * src=cvLoadImage("lena.jpg",0);// cvSmooth(src

有很多函数有mask，代表掩码，如果某位mask是0,那么对应的src的那一位就不计算，mask要和矩阵/ROI/的大小相等大多数函数支持ROI，如果图像ROI被设置，那么只处理ROI部分少部分函数支持COI，如果COI设置，只处理感兴趣的通道矩阵逻辑运算void cvAnd(const CvArr* src1,const CvArr* src2, CvArr* d

我们可以对图像做点事情尝试扩大其动态范围，对这个操作最常用的技术是直方图均衡化，可以将比较淡的图像变换为比较深的图像（即增强图像的亮度及对比度）。直方图均衡化后面潜在的数学原理是一个分布（输入的亮度直方图）被映射到另一个分布（一个更宽，理想统一的亮度值分布），映射函数是一个累积分布函数。对于连续分布，结果将是准确的均衡化。在cvEqualizeHist中，原始图像及目标图像必须是单通道，大小相同的

虽然Canny之类的边缘检测算法可以根据像素间的差异检测出轮廓边界的像素，但是它并没有将轮廓作为一个整体。下一步是要将这些边缘像素组装成轮廓。轮廓是构成任何一个形状的边界或外形线。直方图对比和模板匹配根据色彩及色彩的分布来进行匹配，以下包括：轮廓的查找、表达方式、组织方式、绘制、特性、匹配。首先回忆下几个结构体：首先是图像本身的结构体：typedef struct

// m_imgFeature为黑白目标图像，白色为前景，黑色为背景// 注意此函数会修改m_imgFeature内容。若其不可更改，应另建立副本// 1. count contourCvMemStorage* storage = 0;storage = cvCreateMemStorage(0);         //开辟默认大小的空间CvSeq* contour = 0;

================================1 显示IplImage到指定窗口==================================public:BITMAPINFO *m_pBITMAPINFO_24;// 24位真彩图BITMAPINFO格式固定，提前创建1次并保存指针BITMAPINFO *m_pBITMAPINFO_08;// 8位灰度图BIT

[图片] 图像连通域的标定（OpenCv版）[图片] 图像连通域的标定（OpenCv版）[代码] [C/C++]代码view sourceprint?01#include "cv.h"02#include "cxcore.h

获得像素点的值便可以更加灵活的进行图像处理，在OpenCV里可以通过cvGet2D()和cvSet2D()两个函数加上一个CvScalar结构体做到。OpenCV中，CvScalar结构为：typedef struct CvScalar{    double val[4];}CvScalar; 4个double型变量，算法处理时不至于被强制类型转换而降低精度了。

首先，参看上图。假设褐色的大图为待测图片，红色小图为模板图片。       1.result中数据的含义。       模板匹配函数cvMatchTemplate依次计算模板与待测图片的重叠区域的相似度，并将结果存入映射图像result当中，也就是说result图像中的每一个点的值代表了一次相似度比较结果。      2.result的尺寸大小。       如图可