OpenCV 调用 CUDA

使用opencv来分析地图中用到的一些函数记录

• 灰度图
• 读图像
• 图像二值化
• 显示图像
• 形态学滤波：腐蚀和膨胀
• 形态学滤波：开运算，闭运算，形态学梯度，顶帽，黑帽

灰度图

灰度图，Gray Scale Image 或是Grey Scale Image，又称灰阶图。把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。
黑色：0 白色：255

读图像

Mat src=imread("/home/daniel/map/merge/map.pgm");

imread函数形式：

Mat imread( const string& filename, int flags=1 )
         {
              Mat img;
              imread_( filename, flags, LOAD_MAT, &img );
              return img;
         }

CV_LOAD_IMAGE_UNCHANGED:等价取值为-1,这个标识在新版本中已经被废置，忽略。
CV_LOAD_IMAGE_GRAYSCALE: 等价取值为0,始终将图像转换成灰度再返回。
CV_LOAD_IMAGE_COLOR:等价取值为1,总是转换图像到彩色再返回。
CV_LOAD_IMAGE_ANYDEPTH: 等价取值为2,如果载入的图像的深度为16位或者32位，就返回对应深度的图像，否则则转换为8位深度图像再返回。

enum
{
    CV_LOAD_IMAGE_UNCHANGED = -1,
    CV_LOAD_IMAGE_GRAYSCALE = 0,
    CV_LOAD_IMAGE_COLOR = 1,
    CV_LOAD_IMAGE_ANYDEPTH = 2,
    CV_LOAD_IMAGE_ANYCOLOR = 4
    
}

图像二值化

第一个函数是彩色图像转化为灰度图像：cvtColor函数；
下一个函数是由灰度图转化为二值图像函数：threshold函数

cvtColor函数原型：

void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0 )

src和dst分别是待转的图像（src）和待转图像转换后的图像（dst）
code是一个掩码，表示由src到dst之间是怎么转的，比如是彩色转为灰度，还是彩色转为HSI模式
最后的dstCn表示dst图像的波段数，这个值默认是0，它可以从参数code中推断

code的模式包括：
CV_RGB2GRAY：<彩色图像—灰度图像>
CV_BGR2YCrCb, CV_RGB2YCrCb, CV_YCrCb2BGR, CV_YCrCb2RGB
CV_BGR2HSV, CV_RGB2HSV, CV_HSV2BGR, CV_HSV2RGB
更多变换模式详解opencv官方文档

double cv::thresold(inputArray src,
                    OutputArray dst,
                    double thresh,
                    double maxval,
                    int type)

src：源图像，可以为8位的灰度图，也可以为32位的彩色图像。（两者由区别）
dst：输出图像
thresh：阈值
maxval：dst图像中最大值
type：阈值类型

破折线为将被阈值化的值；虚线为阈值

cv2.THRESH_BINARY 大于阈值的部分被置为maxval，小于部分被置为0

cv2.THRESH_BINARY_INV 大于阈值部分被置为0，小于部分被置为maxval

cv2.THRESH_TRUNC 大于阈值部分被置为threshold，小于部分保持原样

cv2.THRESH_TOZERO 小于阈值部分被置为0，大于部分保持不变

cv2.THRESH_TOZERO_INV 大于阈值部分被置为0，小于部分保持不变

还有很重要的cv2.THRESH_OTSU 作为图像自适应二值化的一个很优的算法Otsu

简单代码示例：

Mat src_gray;
cvtColor(src,src_gray,CV_BGR2GRAY);
Mat src_th;
threshold(src_gray,src_th,230,255,THRESH_BINARY_INV);

显示图像

imshow函数介绍

函数功能：在指定窗口中显示图像。
函数原型：void imshow(const string& winname, InputArray mat);

imshow("image4",src);

形态学滤波：腐蚀和膨胀

形态学操作：就是基于形状的一系列图像处理操作。最基本的形态学操作有两种，膨胀(dilate)和腐蚀(erode)

膨胀和腐蚀的主要功能如下：

• 消除噪声
• 分割(isolate)出独立的图像元素,在图像中连接(join)相邻的元素
• 寻找图像中的明显的极大值区域和极小值区域
• 求出图像的梯度

注意：腐蚀和膨胀是对白色部分（高亮部分）而言的。

相关的核心API函数：
膨胀：dilate函数

void dilate(
	InputArray src,
	OutputArray dst,
	InputArray kernel,
	Point anchor=Point(-1,-1),
	int iterations=1,
	int borderType=BORDER_CONSTANT,
	const Scalar& borderValue=morphologyDefaultBorderValue() 
);

• 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像通道的数量可以是任意的，但图像深度应为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F其中之一。
• 第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。
• 第三个参数，InputArray类型的kernel，膨胀操作的核。若为NULL时，表示的是使用参考点位于中心3x3的核。

我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。

其中，getStructuringElement函数的第一个参数表示内核的形状，我们可以选择如下三种形状之一:

矩形: MORPH_RECT
交叉形: MORPH_CROSS
椭圆形: MORPH_ELLIPSE

而getStructuringElement函数的第二和第三个参数分别是内核的尺寸以及锚点的位置。
我们一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置，有默认值Point(-1,-1)，表示锚点位于中心。且需要注意，十字形的element形状唯一依赖于锚点的位置。而在其他情况下，锚点只是影响了形态学运算结果的偏移。

Mat kernel=getStructuringElement(MORPH_RECT,Size(10,10),Point(-1,-1));

• 第四个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。
• 第五个参数，int类型的iterations，迭代使用dilate（）函数的次数，默认值为1。
• 第六个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。
• 第七个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。

Mat src_morph;
 Mat kernel=getStructuringElement(MORPH_RECT,Size(10,10),Point(-1,-1)); 
 dilate(open_result,src_morph,kernel,Point(-1,-1),1);

腐蚀:erode函数
与dilate函数一样的参数定义：只是将dilate函数换成erode函数

Mat src_morph;
 Mat kernel=getStructuringElement(MORPH_RECT,Size(10,10),Point(-1,-1));  //膨胀8个像素
 erode(open_result,src_morph,kernel,Point(-1,-1),1);

形态学滤波：开运算，闭运算，形态学梯度，顶帽，黑帽

开运算：先腐蚀后膨胀的过程。
闭运算：先膨胀后腐蚀的过程。
形态学梯度：膨胀图与腐蚀图之差。
顶帽：原图与开运算效果图之差。
黑帽：闭运算与原图之差。

各种运算的作用：

• 开运算 ：可以用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。/ 可以清除一些小东西(亮的)，放大局部低亮度的区域
• 闭运算 ：可以清除小黑点
• 形态学梯度：提取物体边缘
• 顶帽：突出原图像中比周围亮的区域
• 黑帽：突出原图像中比周围暗的区域

核心API函数：

void morphologyEx( 
        InputArray src, 
        OutputArray dst, 
        int op, 
        InputArray kernel, 
        Point anchor=Point(-1,-1), 
        int iterations=1, 
        int borderType=BORDER_CONSTANT, 
        const Scalar& borderValue=morphologyDefaultBorderValue() );

第一个参数：src输入图像，图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。

第二个参数：dst输出图像，需和源图片保持一样的尺寸和类型。

第三个参数：op表示形态学运算的类型：
MORPH_OPEN – 开运算（Opening operation）
MORPH_CLOSE – 闭运算（Closing operation）
MORPH_GRADIENT - 形态学梯度（Morphological gradient）
MORPH_TOPHAT - 顶帽（Top hat）
MORPH_BLACKHAT - 黑帽（Black hat）
MORPH_ERODE - 腐蚀
MORPH_DILATE - 膨胀

第四个参数：kernel形态学运算的内核。为NULL，使用参考点位于中心3x3的核。一般使用函数getStructuringElement配合这个参数的使用， 前面讲过

第五个参数：anchor锚的位置，其有默认值（-1，-1），表示锚位于中心。

第六个参数：iterations迭代使用函数的次数，默认值为1。

第七个参数：borderType用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_CONSTANT。

第八个参数：borderValue当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。

简单代码示例

//自定义核
    Mat element=getStructuringElement(MORPH_RECT,Size(5,5));
//开运算 去掉杂点
    Mat open_result;
    morphologyEx(src_th,open_result,MORPH_OPEN,element);