图像识别 图像描边 图像识别教程

1. 像素范围处理函数saturate_cast<uchar>()
2. 定义掩膜：Mat kernel = (Mat_(char)(3,3)<<0,-1,0, -1,5,-1,0,-1,0);
3. Filter2D(src, dst, src.depth(), kernel);
4. 读Gray像素点：Scalar intensity = image.at<uchar>(row, col);( mage.at<uchar>(Point(row, col))
5. 读RGC像素点：Vec3f intensity = img.at<Vec3f>(y,x); Float blue = intensity.val[0];
    
6. 转数据类型src.convertTo(dst, CV_32F);
7. 第6课 图像混合 步骤：1. 直接处理
   void AddWeighted(src1, alpha, src2, alpha, gamma, dest);

1. 第7课 调整图像亮度和对比度：

1. 第8课 模糊图像一

模糊处理：为了给图像预处理时的降低噪声。

步骤：1. 直接处理

均值滤波：取周围像素的平均值。

API：Blur(src, dst, Size(3,3), Point(-1,-1));

高斯滤波：能比较好地保留边缘信息。

API：GaussianBlur(src, dst,(Size(11,11), sigmax, sigmay);

1. 第9课 模糊图像二

步骤：1. 直接处理

中值滤波：将周围像素点排序后，取中值。中值滤波对椒盐噪声有很好的抑报作用。

中值滤波API：medianBlur(src, dst, ksize);

高斯双边滤波：对于像素值差别太大的像素不进行滤波。高斯双边滤波是边缘保留的滤波方法，避免了边缘信息丢失，保留了图像化廓不变。

高斯双边滤波API：bilateralFilter(src, dst, radius, threshold, space);

 

1. 第10课 膨胀与腐蚀

步骤：1. 直接处理

 

膨胀：高亮部分被扩张。掩膜可以不是正方形的，可是横向，可以是纵向。

腐蚀：高亮部分被蚕食

Mat getStructuringElement(MORPH_RECT, Size(5,5), Point(-1,-1));

Dilate(src, dest, kernel);

Erode(src, dest, kernel);

1. 第11课 开操作与闭操作

步骤：1. 直接处理

 

开操作：先腐蚀后膨胀，可以去掉小的对象。Y

API：morphologyEx(img, dst, MOR_OPEN,element);

闭操作：先膨胀后腐蚀，可以填充小的洞。

API：morphologyEx(img, dst, MOR_CLOSE,element);

 

形态学梯度：膨胀减去腐蚀，可以保留边缘轮廓。

API：morphologyEx(img, dst, MOR_GRADIENT,element);

 

顶帽：原图像与开操作之间差值，可以分离比邻近点亮一些的斑块。

API：morphologyEx(img, dst, MOR_TOPHAT,element);

黑帽：闭操作与原科像的的差值，用来分离比邻近点暗一些的斑块。

API：morphologyEx(img, dst, MOR_BLACKHAT,element);

 

1. 第12课 提供水平和竖直直线 步骤：1.输入彩色图像imread；2.转像为灰度图像cvtcolor；3.转化为二值图像adaptiveThreshold；4.定义结构无素；5.开操作。
   API：adaptiveThreshold(src, dest, 255, ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY,15,-1);
2. 第13课 提供水平和竖直直线

步骤：1. 直接处理

 

下采样：缩小图像

上采样：放大图像

高斯不同：就是把同一张图像在不同的参数下做高斯模糊之后的结果相减，得到的输出图像。

1. 第14课 阈值操作

步骤：1. 直接处理

 

API：Threshold(src, dst,0,255,THRESH_TRIANGLE);

1. 第15课 线性滤波 步骤：1. 直接处理
   
   Robert算子
   

Sobel算子

拉普拉斯算子

1. 第16课 边缘处理

API：copyMakeBorder(src, dst, top, bottom, left, right, bordertype, value);

1. 第17课 Sobel算子边缘检测

步骤：1. 高斯滤波

2.转化为灰度图

3.Sobel处理

4. 计算图像A的像素绝对值，输出到图像B

5.AddWeighted

API：cv::Sobel

API：cv:: Scharr

 

1. 第18课 Laplance算子边缘检测

API：Cv: Laplacian

1. 第19课 Canny边缘检测

步骤：1.高斯模糊 – GaussianBlur，2灰度转换 – cvtColor，3.计算梯度 – Sobel/Scharr，4.非最大信号抑制，5.高低阈值输出二值图像

API：cv::Canny

1. 第20课 .霍夫变换-直线

步骤：1.Canny边缘检测，2.霍夫直线检测。

API：cv::HoughLines

1. 第21课 .霍夫圆变换

步骤：1.将图像转化到灰度空间，2.高斯滤波，3. 霍夫圆变换。

API：cv:: HoughCircles

1. 第22课 像素映射

步骤：1.像素映射。

API：cv:: remap

1. 第23课 直方图均衡化

步骤：1.将图像转化到灰度空间，2.直方图均衡化。

API：cv:: equalizeHist

1. 第24课 直方图计算

步骤：1.将图像转化到灰度空间，2.直方图均衡化。

API：calcHist直方图计算，split把多通道图像分为多个单通道图像

 

1. 第25课 直方图比较

步骤：1. 首先把图像从RGB色彩空间转换到HSV色彩空间cvtColor

2.计算图像的直方图，然后归一化到[0~1]之间calcHist和normalize;

3.使用四种比较方法之一进行比较compareHist。

API：cv::compareHist直方图比较

1. 第26课 直方图反向投射

步骤：1.建立直方图模型

2.计算待测图像直方图并映射到模型中

3.从模型反向计算生成图像

。

API：cv::calcBackProject

 

1. 第27课 模板匹配

步骤：1. 模板匹配。

API：cv:: matchTemplate

1. 第28课 轮廓发现

步骤：1. 输入图像转为灰度图像cvtColor

2.使用Canny进行边缘提取，得到二值图像

3.使用findContours寻找轮廓

4.使用drawContours绘制轮廓

API：cv:: findContours，drawContours

1. 第29课 凸包

步骤：1. 首先把图像从RGB转为灰度

2.然后再转为二值图像

3.在通过发现轮廓得到候选点

4.凸包API调用

5.绘制显示。

API：cv:: convexHull

1. 第30课 轮廓周围绘制举行框和圆形框

步骤：1. 首先将图像变为二值图像

2.发现轮廓，找到图像轮廓

3.通过相关API在轮廓点上找到最小包含矩形和圆，旋转矩形与椭圆。

3.绘制它们。

 

API：cv:: approxPolyDP基于RDP算法实现,目的是减少多边形轮廓点数

boundingRect绘制一个矩形

minAreaRect返回旋转矩形

cv::minEnclosingCircle

cv::fitEllipse得到最小椭圆

1. 第30课 图形矩

步骤：1. 提取图像边缘

2.发现轮廓

3.计算每个轮廓对象的矩

4.计算每个对象的中心、弧长、面积

 

API：cv:: moments

contourArea

arcLength

1. 第31课 点多边形测试

步骤：1. 发现轮廓

2.对图像中所有像素点做点 多边形测试，得到距离，归一化后显示

API：cv:: pointPolygonTest

 

1. 第32课 点多边形测试

步骤：1.将白色背景变成黑色-目的是为后面的变换做准备

2. 使用filter2D与拉普拉斯算子实现图像对比度提高，sharp

3. 转为二值图像通过threshold

4. 距离变换

5. 对距离变换结果进行归一化到[0~1]之间

6. 使用阈值，再次二值化，得到标记

7. 腐蚀得到每个Peak - erode

8.发现轮廓 – findContours

9. 绘制轮廓- drawContours

10.分水岭变换 watershed

11. 对每个分割区域着色输出结果

API：cv:: watershed, distanceTransform