opencv 3.0 常用函數(shù) (1)

引言

這些Opencv內(nèi)容我之前經(jīng)常在工作時(shí)候用到,在這里我總結(jié)一下方便以后使用以及復(fù)習(xí)。

1.創(chuàng)建Mat

      Mat matSrc (Size(320,240),CV_8UC3) ;

2.讀取Mat圖像

     Mat matSrc = imread("C:\\Tmp.jpg");        
     if( matSrc.empty())
     {
          return FALSE;
     }

3.讀取單通道圖像

     Mat matSrc = imread("C:\\Tmp.jpg", 0);        
     if( matSrc.empty())
     {
          return FALSE;
     }

4.保存Mat圖像

     if( matSrc.empty())
     {
          return FALSE;
     }
     imwirte("C:\\Tmp.jpg", matSrc);  

5.Mat與Iplimage互轉(zhuǎn)

Mat->Iplimag

     Mat matSrc(pSrcImg, false);//注意:當(dāng)將參數(shù)copyData設(shè)為true后褂傀,則為深拷貝(復(fù)制整個(gè)圖像數(shù)據(jù))

Iplimage-> Mat

     IplImage SrcImg(matSrc);//此方法為淺拷貝

6.復(fù)制Mat圖像

此方法會(huì)額外的創(chuàng)建一個(gè)圖像內(nèi)存?zhèn)浞荼翘且谩?/p>

   matImg = matSrc.clone();

7.灰度化

彩色圖像RGB轉(zhuǎn)灰度公式:gray = R * 0.299 + G * 0.587 + B * 0.114。CV_BGR2GRAY為彩色轉(zhuǎn)灰度诵冒,CV_GRAY2BGR為灰度轉(zhuǎn)彩色。

     Mat matGray;
     cvtColor( matSrc , matGray, CV_BGR2GRAY );

8.反轉(zhuǎn)圖像

     flip(matSrc , matSrc , -1);

9.判斷輸入圖像的數(shù)據(jù)是否為空

    if (!matSrc.data)
    {
        return FALSE;
    }

10.判斷輸入圖像的大小是否滿足想關(guān)條件

    if (matSrc.cols < 100 || matSrc.rows < 100)
    {
        return FALSE;
    }

11.腐蝕算法

腐蝕算法使二值圖像減小一圈 谊惭。原理:腐蝕替換當(dāng)前像素位像素集合中找到的最小像素值汽馋。iErode參數(shù)為腐蝕次數(shù)

    for (int i = iErode; i > 0; i--)
    {
        erode(matSrc, matSrc, Mat());
    }

12.膨脹算法

膨脹算法使二值圖像減小一圈侮东。原理:膨脹是替換當(dāng)前像素位像素集合中找到的最大像素值。 idilate參數(shù)為膨脹次數(shù)

    for (int i = iDilate; i > 0; i--)
    {
        dilate(matSrc, matSrc, Mat());
    }

13.高斯濾波算法

線性平滑濾波豹芯,適用于消除高斯噪聲悄雅。(iSmooth必須為單數(shù))

    if (iSmooth % 2 == 0)
    {
        iSmooth = 1;
    }    
    GaussianBlur(matSrc, matSrc, Size(iSmooth, iSmooth), 0);

14.中值濾波算法

非線性平滑技術(shù),它將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值铁蹈。(iSmooth必須為單數(shù))

    if (iSmooth % 2 == 0)
    {
        iSmooth = 1;
    }    
    medianBlur (matSrc, matSrc, iSmooth );

15.二值化

就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255宽闲。iThreshold為二值化參數(shù)范圍(0~255)

     threshold(matSrc, matSrc, iThreshold, iThreshold , THRESH_BINARY);

16.大律法自適應(yīng)二值化

OTSU的中心思想是閾值T應(yīng)使目標(biāo)與背景兩類的類間方差最大。iThreshold為二值化參數(shù)范圍(0~255)

     threshold(matSrc, matSrc, iThreshold , iThreshold , CV_THRESH_OTSU);
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末握牧,一起剝皮案震驚了整個(gè)濱河市便锨,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌我碟,老刑警劉巖放案,帶你破解...
    沈念sama閱讀 219,039評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異矫俺,居然都是意外死亡吱殉,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,426評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門厘托,熙熙樓的掌柜王于貴愁眉苦臉地迎上來友雳,“玉大人,你說我怎么就攤上這事铅匹⊙荷蓿” “怎么了?”我有些...
    開封第一講書人閱讀 165,417評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵包斑,是天一觀的道長流礁。 經(jīng)常有香客問我,道長罗丰,這世上最難降的妖魔是什么神帅? 我笑而不...
    開封第一講書人閱讀 58,868評(píng)論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮萌抵,結(jié)果婚禮上找御,老公的妹妹穿的比我還像新娘。我一直安慰自己绍填,他們只是感情好霎桅,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,892評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著讨永,像睡著了一般滔驶。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上住闯,一...
    開封第一講書人閱讀 51,692評(píng)論 1 305
  • 那天瓜浸,我揣著相機(jī)與錄音澳淑,去河邊找鬼比原。 笑死插佛,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的量窘。 我是一名探鬼主播雇寇,決...
    沈念sama閱讀 40,416評(píng)論 3 419
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼蚌铜!你這毒婦竟也來了锨侯?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,326評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤冬殃,失蹤者是張志新(化名)和其女友劉穎囚痴,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體审葬,經(jīng)...
    沈念sama閱讀 45,782評(píng)論 1 316
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡深滚,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,957評(píng)論 3 337
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了涣觉。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片痴荐。...
    茶點(diǎn)故事閱讀 40,102評(píng)論 1 350
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖官册,靈堂內(nèi)的尸體忽然破棺而出生兆,到底是詐尸還是另有隱情,我是刑警寧澤膝宁,帶...
    沈念sama閱讀 35,790評(píng)論 5 346
  • 正文 年R本政府宣布鸦难,位于F島的核電站,受9級(jí)特大地震影響员淫,放射性物質(zhì)發(fā)生泄漏明刷。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,442評(píng)論 3 331
  • 文/蒙蒙 一满粗、第九天 我趴在偏房一處隱蔽的房頂上張望辈末。 院中可真熱鬧,春花似錦映皆、人聲如沸挤聘。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,996評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽组去。三九已至,卻和暖如春步淹,著一層夾襖步出監(jiān)牢的瞬間从隆,已是汗流浹背诚撵。 一陣腳步聲響...
    開封第一講書人閱讀 33,113評(píng)論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留键闺,地道東北人寿烟。 一個(gè)月前我還...
    沈念sama閱讀 48,332評(píng)論 3 373
  • 正文 我出身青樓,卻偏偏與公主長得像辛燥,于是被迫代替她去往敵國和親筛武。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,044評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容