weixin_46318945的博客

以前都是使用Python下的Opencv，numpy的强大矩阵运算似的使用opencv时甚至没有感觉到图像数据的一系列基础操作。但对于C++的Opencv，就不得不考虑数据类型以及定义与赋值等接本操作。在C++中，Opencv提供了一个Mat类用于存储矩阵数据。1. Mat类介绍2. Mat类构造与赋值3. Mat类支持的运算col row colRange rowRange4. Mat类元素的读取...

1. 基本概念内插是在诸如放大、收缩、旋转和几何校正等任务中广泛应用的基本工具，内插是基本的图像重采样方法。从根本上来看，内插是用已知数据来估计未知位置的数值的处理。2. 最邻近内插法、双线性内插法与双三次内插法假设一幅大小为500×500像素的图像要放大1.5倍到750×750像素。一种简单的方法就是创建一个假想的750×750的网格，它与原始图像有相同的间隔，然后将其收缩，使它准确地原图像匹配。显然，收缩后的750×750网格的像素间隔要小于原图像的像素间隔。为了对覆盖的没一个点赋以灰度值，

1. 空间分辨率空间分辨率是图像中可辨别的最小细节的度量。在数量上，空间分辨率可以有很多方法表示。其中每单位距离线对数和每单位距离点数（像素数）是最通用的度量。每单位距离点数是印刷和出版业中最常用的图像分辨率的度量。在美国，这一度量通常使用每英寸点数（dpi）来表示。例如，报纸用75dpi的分辨率印刷，杂志是133dpi，光鲜的小册子是175dpi，《数字图像处理》书页是以2044dpi印刷的。空间分辨率的度量必须针对空间单位来规定才有意义。图像大小本身并不会告诉我们全部内容。如果没有规定图像包含的

原理：梯度本质上就是导数。OpenCV 提供了三种不同的梯度滤波器，或者说高通滤波器：Sobel，Scharr 和Laplacian。Sobel，Scharr 其实就是求一阶或二阶导数。Scharr 是对Sobel（使用小的卷积核求解求解梯度角度时）的优化。Laplacian 是求二阶导数。1.Sobel 算子和Scharr 算子Sobel 算子是高斯平滑与微分操作的结合体，所以它的抗噪声能力很好。你可以设定求导的方向（xorder 或yorder）。还可以设定使用的卷积核的大小（ksize）.