计算机视觉全系列实战教程:(七)opencv的improc模块基本介绍

本文主要是介绍计算机视觉全系列实战教程:(七)opencv的improc模块基本介绍,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.颜色转换

  • A.函数转换函数原型:
void cv::cvtColor(cv::InputArray src, // 输入序列cv::OutputArray dst, // 输出序列int code, // 颜色映射码int dstCn = 0 // 输出的通道数 (0='automatic')
);
  • B.基本使用:
cv::Mat imGray;
cv::cvtColor(imBGR, imGray, cv::COLOR_BGR2GRAY); //转为灰度图像
cv::Mat imHsv;
cv::cvtColor(imBGR, imHsv, cv::COLOR_BGR2HSV); //转为HSV图像
  • C.参数介绍:
// BGR和RGB相互转换
cv::COLOR_BGR2RGB
cv::COLOR_RGB2BGR
cv::COLOR_RGBA2BGRA
cv::COLOR_BGRA2RGBA
// 添加和去除alpha通道
cv::COLOR_BGR2BGRA
cv::COLOR_RGB2RGBA
cv::COLOR_BGRA2BGR
cv::COLOR_RGBA2RGB

2.绘制基本图形

(1)绘制矩形

void cv::rectangle	(	InputOutputArray 	img, //在img中绘制矩形Point 	PLeftTop, //矩形的左上角Point 	PRgtBtm, //矩形的右下角const Scalar & 	color, //矩形框的颜色int 	thickness = 1, //线的宽度int 	lineType = LINE_8, //线的类型int 	shift = 0 //坐标中的小数位数
)

(2)绘制圆形

void circle( Mat img, cv::Point center, //圆形int radius, //半径cv::Scalar color, //圆形线条的颜色 int thickness=1,  //圆形线条的宽度,负数表示填充,正数表示宽度int line_type=8, //线条的种类int shift=0 //圆心和半径的小数位数);

(3)绘制椭圆

void ellipse(Mat img,Point PCenter, //椭圆中心Size size, //长轴和短轴的长度double angle, //椭圆旋转角度double startAngle, //开始角度double endAngle, //终止角度Scalar &color, //椭圆线条的颜色int thickness = 1, //椭圆线条的宽度,负数表示填充int line_type = 8, //线条类型int shift = 0 //圆心和轴坐标的精度(小数的位数))

(4)绘制线段

void line(Mat img,Point PStart, //线段起点坐标Point PEnd, //线段终点坐标Scalar &color, //线段颜色int thichness = 1, int line_type = 8, int shift =  0)

(5)绘制文字

void putText(Mat &img,const string &text,Point POrigin, //文本框的左下角int fontFace, //字体,如FONT_HERAHEY_PLAINdouble fontScale, //尺寸因子,越大则文字越大Scalar color, //文字颜色int thickness = 1, //线条粗细int lineType = 8, //线条类型(8邻域和4领域)boo

3.随机数使用

  • (1)基本用法
//创建RNG对象 RNG rng(uint64 seed);
cv::RNG rng(time(NULL));
int iNum01 = rng; //返回第一个随机数
int iNum02 = rng.next(); //返回下一个随机数
int iNum03 = rng.operator()(); //等价于next()
int iNum04 = rng.operator()(100); //[0,100)范围内的随机数
double dNum05 = rng.operator double(); //返回下一个double数值
  • (2)生成分布数据
double a = rng.uniform(0,1);//产生一个均匀分布的double数据
double b = rng.gaussian(0.f, 1.f);//高斯分布的double数据,均值为0,方差为1.0

(3)使用随机数填充矩阵

  • A.函数原型
void fill(Mat img,int distType, //均匀分布(UNIFORM),高斯分布(NORMAL)InputArray a, InputArray b, //与对应的分布有关,如均匀分布表示均匀分布的区间bool saturateRange = false //只针对均匀分布有效);
  • B.使用方法
// 均匀分布cv::Mat_<double> matTmp(5, 5);cv::RNG rng;rng.fill(matTmp, cv::RNG::UNIFORM, 1 , 3);
// 正态分布
cv::Mat_<float> matTmp02(5, 5);
rng.fill(matTmp02, cv::RNG::NORMAL, 1, 3);

4.为图像添加边框

  • A.函数原型
void copyMakeBorder(cv::Mat &imSrc, //输入图像cv::Mat &imDst, //输出图像int top, //顶部填充像素数量int bottom,int left, int right,int borderType, //填充类型,如BORDER_REPLICATE, BORDER_REFLECT_101, BORDER_CONSTANT等const Scalar &value = Scalar() //默认值即可);
  • B.参数介绍(borderType)
		BORDER_CONSTANT    = 0, //!< `iiiiii|abcdefgh|iiiiiii`  with some specified `i`BORDER_REPLICATE   = 1, //!< `aaaaaa|abcdefgh|hhhhhhh`BORDER_REFLECT     = 2, //!< `fedcba|abcdefgh|hgfedcb`BORDER_WRAP        = 3, //!< `cdefgh|abcdefgh|abcdefg`BORDER_REFLECT_101 = 4, //!< `gfedcb|abcdefgh|gfedcba`BORDER_TRANSPARENT = 5, //!< `uvwxyz|abcdefgh|ijklmno`

5.查找轮廓

(1)概述

对灰度图像、二值图像进行边缘提取(通常是二值图像)进行轮廓提取。

void findContours(Mat &imGray, //单通道图像vector<vector<Point>> &vCntsOut, //轮廓组(输出参数)OutputArray &hierarchy, //包含抽取图像的拓扑信息int mode, //轮廓提取模式,如CV_RETR_EXTERNAL, CV_RETR_LIST, CV_RETR_CCOMP等int method, //轮廓的近似方法,如CV_CHAIN_APPROX_NONE, CV_CHAIN_APPROX_SIMPLE等Point offset=Point() //轮廓的偏移量);

(2)使用

//读取图像
cv::Mat imRead = cv::imread("xxx.jpeg");
//高斯去噪
cv::GaussianBlur(imread, imread, cv::Size(3,3), 0);
//提取图像边缘
cv::Mat imEdge;
cv::Canny(imRead, imEdge, 30, 100);
//提取轮廓
std::vector<std::vector<cv::Point>> vCnts;
std::vector<cv::Vec4i> hierarchy;
cv::findContours(imEdge,vCnts,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE);

(3)绘制轮廓

void cv::drawContours(cv::Mat &imSrc,InputArrayOfArrays vCnts,int contourIdx, //绘制轮廓向量中哪一个索引,负数表示绘制所有轮廓const cv::Scalar &color, //绘制的颜色int thickness = 1, //宽度,负数表示填充轮廓int lineType =8, InputArray hierarchy = noArray(), //findContours输出的向量int maxLevel = INT_MAX, //绘制轮廓的最高等级,有heirarchy时才生效cv::Point offset);

这篇关于计算机视觉全系列实战教程:(七)opencv的improc模块基本介绍的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1031912

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传