opencv解析dcm转jpg opencv dct变换

【说明】 看的教程书上是用的opencv基于C的函数，但是在代码实现过程用的是C++的函数。因此，下文中的函数介绍和示例代码会有一些出入，理解效果就好，都是通用的。

一、卷积（convolution）

一个特殊卷积所实现的功能是由其卷积核的形式决定的。这个核本质是一个大小固定、由数值参数构成的数组，数组的参考点（anchor point）通常位于数组的中心。数组的大小成为核支撑（support of the kernel）。

1. opencv函数—cvFilter2D

• 方法名

void cvFilter2D(
        const CvArr *   src,     
        CvArr *         dst,
        const CvMat *   kernel,
        CvPoint         anchor = cvPoint(-1,-1)
                );

• 参数说明

• anchor 参考点的位置，默认值（cvPoint（-1，-1））指参考点为核的中心。
• src 和dst 大小应该相同。因为opencv在处理时，在原图像上通过复制边缘像素的方法创建了虚拟边界。因此，dst大小与src保持相同即可。

2. 示例

• 代码

// 加载原始图像
    Mat src_door = imread("../source/door.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    imshow("源图像", src_door);

    // 生成一个新的核
    Mat mask = (Mat_<char>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
    Mat dst;
    // 卷积处理图像
    filter2D(src_door, dst, src_door.depth(), mask);
    imshow("卷积图像", dst);

• 效果

• 二、卷积边界

如上文所述，在使用filter2D时，需要对边界进行预处理，此函数就是用不同方式处理的边界。它可以使特定的图像轻微变大，然后以各种方式自动填充图像边界。

1. opencv函数—cvCopyMakeBorder

• 方法名

void cvCopyMakeBorder(
        const CvArr *   src,     
        CvArr *         dst,
        CvPoint         offset,
        int             bordertype,
        CvScalar        value = cvScalarAll(0)
                );

• 参数说明

• offset 将源图像的副本放到目标图像中的位置

• 如果核为N X N，N为奇数，那么边界在每一侧的宽度都应该是 (N-1)/2，即这幅图像比源图像宽或高 N-1。此时可以把offset设置为 CvPoint（(N-1)/2, (N-1)/2 )，使得边界在每一侧都是偶数。

• bordertype

• IPL_BORDER_CONSTANT 固定值填充
• IPL_BORDER_REPLICATE 行列复制
• BORDER_REFLECT
• BORDER_REFLECT_101
• BORDER_WRAP
• -

2. 示例

• 代码

// 加载原始图像
    Mat src_door = imread("../source/door.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    imshow("源图像", src_door);

    Mat mask = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
    Mat dst_replicate, dst_reflect, dst_reflect101, dst_wrap, dst_constant;
    int winsize = 40;
    copyMakeBorder(src_door, dst_replicate, winsize, winsize, winsize, winsize,
        BORDER_REPLICATE);
    copyMakeBorder(src_door, dst_reflect, winsize, winsize, winsize, winsize,
        BORDER_REFLECT);
    copyMakeBorder(src_door, dst_reflect101, winsize, winsize, winsize, winsize,
        BORDER_REFLECT_101);
    copyMakeBorder(src_door, dst_wrap, winsize, winsize, winsize, winsize,
        BORDER_WRAP);
    copyMakeBorder(src_door, dst_constant, winsize, winsize, winsize, winsize,
        BORDER_CONSTANT);

    imshow("BORDER_REPLICATE", dst_replicate);
    imshow("BORDER_REFLECT", dst_reflect);
    imshow("BORDER_REFLECT_101", dst_reflect101);
    imshow("BORDER_WRAP", dst_wrap);
    imshow("BORDER_CONSTANT", dst_constant);

• 效果

三、梯度和Sobel导数

• 一般用作边缘检测
• 一个最重要最基本的卷积就是导数的计算，通常用Sobel微分算子来表达微分；
• Sobel并不是真正意义的导数，只是通过多项式拟合得到的结果；
• 通常人们都用较大的核，因为较大的核有更好的逼近，同时也会使更多像素参与拟合计算。

1. opencv函数—cvSobel

• 方法名

void Sobel (
             InputArray      src,  //输入图
             OutputArray     dst,  //输出图
             int             ddepth,//输出图像的深度
             int             dx,
             int             dy,
             int             ksize=3,
             double          scale=1,
             double          delta=0,
             int             borderType=BORDER_DEFAULT );

• 参数说明

• src 和 dst 是输入图像和输出图像
• ddepth 输出图像的深度，支持如下src.depth()和ddepth的组合：
  若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
  若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
  若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
  若src.depth() = CV_64F, 取ddepth = -1/CV_64F
• dx 和 dy是求导的阶数，只能为0, 1, 2
• ksize 是方形滤波器的宽（或高）并且只能是奇数，目前支持1， 3， 5， 7
• scale 是计算导数值时的缩放因子，默认1
• borderType 是边界形式

2. 示例

• 代码

// 加载原始图像
    Mat src_door = imread("../source/door.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    imshow("源图像", src_door);

    Mat dst_gradx, dst_grady;// x和y方向的求导 
    Mat abs_gradx, abs_grady;
    Mat dst_addweight;

    // x 导数
    Sobel(src_door, dst_gradx, src_door.depth(), 1, 0, 3); // Sobel检测
    convertScaleAbs(dst_gradx, abs_gradx); // 线性转换成8位无符号整形

    // y 导数
    Sobel(src_door, dst_grady, src_door.depth(), 0, 1, 3);
    convertScaleAbs(dst_grady, abs_grady);

    // 方向加权
    addWeighted(abs_gradx, 0.5, abs_grady, 0.5, 0, dst_addweight);

    imshow("x方向导数", dst_gradx);
    imshow("y方向导数", dst_grady);
    imshow("加权结果", dst_addweight);

• 效果

• （未完待续。。。）