C++与opencv的一些编程和函数的使用错误总结 如何使用RGB来划分颜色，CV_RGB2HSV的转换

1.Vector的使用和清除里面所有的内容：

vector<CvPoint2D64d>edgepoint;

        edgepoint.clear();//清除所有的东西。

 

C++ vector删除特定元素的方法如下：

for(it = v.begin();it!=v.end();){

if(*it == 3){

v.erase(it);

continue;

}

++it;

}

因为vector.erase()方法会将当前要删除的空间注销得并将it指向下一个元素。

所以如果采用常规的for((it = v.begin();it!=v.end();++it)时会发生一些错误，比如

越过一些元素，导致无法将所有为3的元素删除掉，如果末尾元素为3时还可能

发生内存错误。

 

2.关于防止头文件包含重定义的问题解决：

  解决方法是在头文件.h里进行问题消除，其方法大概有两种：

第一种：#pragma once              //其表示这个头文件只进行一次包含，

             extern "c" _declspcl(dllexport)  int   //生成Dll文件的接口函数的类别

              Add(int &a,int &b) ;

第二种：   #ifndef   _aaa_  
                 #define   _aaa_  
                  class   aaa  
                   {  
                   };  
                  #endif 

例子：

#ifndef _STDIO_H_    //这给_STDIO_H_ 可以任意取，表示出现过的这个东西则不再进行声明，没出现过的则进行#define _STDIO_H_ 

#define _STDIO_H_

......

#endif

 

 

 

 

2.cvDrawContours函数如何控制只画一条轮廓和画全部轮廓  

其函数原型为：

函数原型：void cvDrawContours( CvArr *img, CvSeq* contour,
                     CvScalar external_color, CvScalar hole_color,
                     int max_level, int thickness=1,
                     int line_type=8, CvPoint offset=cvPoint(0,0) );

例子：cvDrawContours(drawimg,contour,CV_RGB(255,0,0),CV_RGB(250,0,0,),0,1,8);//这里的cvDrawContours

 第五个参数为负数或0，其是表示只画当前的轮廓，而不是把contour里的所以轮廓都画出来

 

第五个参数. max_level----- 画轮廓的最大层数的详解： 

如果是0，只绘制contour；

如果是1，将绘制contour后和contour同层的所有轮廓；

如果是2，绘制contour后所有同层和低一层的轮廓，以此类推；

100-----如果轮廓层数小于100,一般是小于,将绘除所有轮廓.

如果值是负值，则函数并不绘制contour后的轮廓，但是将画出其子轮廓，一直到abs(max_level) - 1层。

3.cvFitEllipse2与cvFitEllipse函数不同：

第一个是可以返回一个CvBox2D的结构体，其里面包含的是CvPoint2D32f的center、size、angle的结构

用于拟合圆。

例子：

CvBox2D  box；

 box = cvFitEllipse2(contour);

 cvCircle(drawimg, cvPointFrom32f(box.center), box.size.height/2, cvScalar(0, 255, 0),1);   

4.cvFindContours配合自己写的亚像素处理算法时要注意的参数设置，例子：

hSobel(pGrayImage,pEdgeImage,pGradMat,pDirection,10,120);//pGradMat为梯度图,288ms
/*切记，其中的pGrayImage是灰度图，而不是二值图，pEdgeImage才是二值图。如果边缘内是白色，外围是黑色时，cvFindContours使用CV_RETR_LIST
与CV_RETR_EXTERNAL参数检测到的边缘是一个，如果是这里的边缘大概位置才是白色的，则其CV_RETR_LIST会检测到两条边缘，一个是内边缘，另一个是
外边缘，如果不想其平均来计算边缘点，就要使用CV_RETR_EXTERNAL来只检测外边缘。
*/
int mun= cvFindContours(pEdgeImage, storage, &contour, sizeof(CvContour), CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);	//8mms
for (; contour != 0;contour=contour->h_next)
{
	double contours_len = cvArcLength(contour, CV_WHOLE_SEQ, -1);
	if (contours_len>360)  //这里的面积太大则不能进入循环
	{
	  hSubPixelEdge(pGradMat, pEdgeImge_copy, pDirection, pSubEdgeMatH, pSubEdgeMatW, &edgepoint,            contour);
	for (size_t i = 0; i < edgepoint.size(); i++)
		{
			x[i] = edgepoint[i].x;
			y[i] = edgepoint[i].y;
			if (i>1)
			{
		cvLine(drawimg1, cvPoint(cvRound(x[i]), cvRound(y[i])), cvPoint(cvRound(x[i-1]), cvRound(y[i- 1])),    cvScalar(0,255,0),2);
			}
		}
		N = edgepoint.size();
		CircleSim1(x, y, N);
		poit.x = a;
		poit.y = b;
		poit.r = r;
		circle.push_back(poit);
		edgepoint.clear();
    }
}

5.cout时，会输出1.#INF或者-1.#INF，代表什么？

这两个数代表着无穷的意思，一般是除法时的分母为零了，所以除法时要进行分母是否为零检测

例子：

				case 1:
					nG0=(pGradImage+h*nGradWidthStep)[w-1];//这些提取的是梯度值
					nG1=(pGradImage+h*nGradWidthStep)[w];
					nG2=(pGradImage+h*nGradWidthStep)[w+1];
					valuex = nG0 + nG2 - 2 * nG1;
					if (valuex >= -EPSILON && valuex <= EPSILON)
					{
						fEdgeH = h;
						fEdgeW = w;
					}
					else
					{
						fEdgeH = h;
						fEdgeW = w + ((double)(nG0 - nG2) / (nG0 + nG2 - 2 * nG1))*0.5;
						//cout<<"1h:"<<h<<"  w:"<<w<<"  fw:"<<fEdgeW<<"  "<<nG0<<" "<<nG2<<" "<<nG1<<endl;
						//cout << "1= " << valuex << endl;						
					}
					break;

6. Mat图像类型的初始化，例子：

    Mat cimage = Mat::zeros(bimage.size(), CV_8UC3);

    Mat M（2,2，CV_8UC3，Scalar(0,0,255)） ;

    Mat M（2,2，CV_8UC3，Scalar::all(0)） ;

    Mat M（2,2，CV_8UC3） ;

    M=Scalar::all(0);

7、如何通过RGB来划分颜色:

 

3、CV_RGB2HSV的转换：

cv在把RGB空间转换为HSV和CIE（Lab）空间之前先把RGB的值转换到0～1。

如果不在转换成0-1的话，直接转换出来的转换是有问题的，在实际项目使用中，例如颜色替换等操作都是会出现问题的。

因为颜色替换步骤是：保留原始图像的V值，把新颜色的hs替换原始图像的hs即可。 

import cv2
from skimage.color import rgb2hsv
import numpy as np

if __name__ == '__main__':
    #把原始图像的RGB转换为0-1的值
    img_rgb=(np.array([[[130,66,241]]])/255.).astype(dtype='float32')
    # img_rgb=cv2.imread("temp/timg.jpg")
    #这样子得出的结果才符合理论值：
    cv_HSV = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2HSV)
    print(cv_HSV)
    print(rgb2hsv(img_rgb))
    skimage_HSV = np.array(rgb2hsv(img_rgb) * 255).astype(np.uint8)
    print(skimage_HSV)

输出结果为：

[[[261.94284      0.726141     0.94509804]]]
[[[0.727619   0.7261411  0.94509804]]]
[[[185 185 241]]]

然后，对于HSV： 
On output 0≤V≤1, 0≤S≤1, 0≤H≤360. 
The values are then converted to the destination data type: 
8-bit images: 
V <- V*255, S <- S*255, H <- H/2 (to fit to 0..255) 
16-bit images (currently not supported): 
V <- V*65535, S <- S*65535, H <- H 
32-bit images: 
H, S, V are left as is 

对于CIE（Lab）： 
On output 0≤L≤100, -127≤a≤127, -127≤b≤127 
The values are then converted to the destination data type: 
8-bit images: 
L <- L*255/100, a <- a + 128, b <- b + 128 
16-bit images are currently not supported 
32-bit images: 
L, a, b are left as is