<学习opencv> opencv 概述及初探
目录
Opencv3 当前模块
Core // 该模块包含Opencv库的基础结构以及基本操作.
Improc // 图像处理模块,包含基本的图像转换,包括滤波以及类似的卷积操作.
High // 包括三个部分,分别为imcodecs,videoio,以及highui.
包含用于显示图像或者简单的输入的用户交互函数.可视为轻量级的Windows UI工具包.
Video // 视频模块,包含读取和写视频流的函数.
Calib3d // 该模块包含校准单个,双目以及多个相机的算法实现.
Feature2d // 该模块包含用于检测,描述以及匹配特征点的算法.
Objdectect // 该模块包含检测特定目标,比如人脸或者行人的算法;也可以训练检测器并用来检测其他物体.
Ml // 本身完备的机器学习模块,包含大量的机器学习算法实现并且这些算法都能和Opencv的数据类型自然交互.
Flann // 快速最邻近库,该库包含在数据集中进行最邻近搜索的相关算法
GPU // GPU模块主要是函数在CUDA GPU上的优化实现,
有一些仅用于GPU的功能,其中一些函数能够返回很好的结果,但是需要足够好的计算资源.
若硬件没有GPU,则不会有什么提升.
Photo // 这个一个新的模块,包含计算摄影学的一些函数工具
Stitching // 该模块是一个精巧的图像拼接流程实现
Nonfree (在opencv3.0中,被移到opencv_contrib/xfeatures2d)
// 该模块包含一些受到专利保护的或者受到使用限制的(比如SIFT算法)
这些算法被隔离到他们自己的模块中,以表明你需要做一些特殊的工作,才可以在商业产品中使用它们.
Contrib (在opencv3.0中,被融合到opencv_contrib) //该模块包含了一些新的,但还没有被集成进Opencv库里的东西
Legacy (在opencv3.0中,被取消) //该模块包含了一些老的尚未完全被取消的东西
Ocl (在opencv3.0中,被取消,取而代之的是T-API) //一个较新的模块,可以认为它和GPU模块相似,实现了开放并行编程的Khronos OpenCL标准.
虽然现在模块的特性比GPU模块少很多,但Ocl模块的目标是提供可以运行在任何GPU或者其他可以搭载Khronos的并行设备.OpenCV 贡献库(opencv_contrib)
包含的模块列表
Dnn // 深度神经网络
Face // 人脸识别
Text // 文本检测以及识别,基于许多开源的OCR算法
Rgbd // 处理由Kinect或者其他深度传感器(或者简单的由双目匹配得到的)获取的RGB+深度图像
Bioinspired // 一些基于生物学启发的视觉技术
ximgproc和xphoto // 先进的图像处理以及计算摄影学方法
Tracking // 现代目标追踪算法OpenCV 头文件
../include/opencv2/opencv.hpp 包含各个模块的头文件：
#include "opencv2/core/core_c.h" // 旧式C风格的结构以及运算
#include "opencv2/imgproc/imgproc_c.h" // 旧式C风格的图像处理函数
#include "opencv2/highgui/highgui_c.h" // 旧式C风格的显示,滑动条,鼠标操作以及输入输出相关
#include "opencv2/core/core.hpp" //C++数据结构和算术例程
#include "opencv2/flann/miniflann.hpp" //近似最近邻匹配函数
#include "opencv2/imgproc/imgproc.hpp" //特定于处理和恢复照片的算法
#include "opencv2/video/photo.hpp" //视频跟踪和背景分割例程
#include "opencv2/features2d/features2d.hpp" //二维功能跟踪支持
#include "opencv2/objdetect/objdetect/hpp" //级联人脸检测器；检测的SVM；系首长；平面斑块检测器
#include "opencv2/calib3d/calib3d.hpp" //校准和立体声
#include "opencv2/ml/ml.hpp" //机器学习：聚类和模式识别
#include "opencv2/highgui/highgui.hpp" //C++图像显示，滑块，按钮，鼠标，I/O
#include "opencv2/contrib/contrib.hpp" //用户贡献的代码：肉体检测，模糊均值平移跟踪，自旋图像，自相似特征[注]若使用头文件opencv.hpp来包含所有可能在openCV函数中用到的头文件,这样的好处是使用简单不用单独使用某一模块的头文件,但带来的弊端是这会减慢编译的速度.相反,如果只针对图像处理相关的函数使用某一个头文件,那么程序用于编译的时间会少上很多.
具体导入方式,还需视情况而定.
例程
#include <opencv2/opencv.hpp> //包含每个支持的Open函数的文件
int main()
{
//读取图像(支持图像格式：JPEG，PNG，BMP，DIB，JPE，PBM，PGM，PPM，SR)
Mat img = imread("") ; //可处理单通道，多通道，整数值，浮点值
if (img.empty()) return -1 ;
//建立窗口并指定名称 WINDOW_AUTOSIZE/0 设置窗口属性
namedWindow("img",WINDOW_AUTOSIZE) ;
//要求程序停下来等待按键
waitKey(0) ;
//关闭窗口并释放任何相关的内存使用情况
destroyWindow("img") ;
}
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv ;
int main()
{
namedWindow("Video",WINDOW_AUTOSIZE) ;
VideoCapture cap ; //实例化视频捕捉对象
cap.open(string("")) ; //捕获对象被赋予一个字符串，其中包含要打开的视频路径和文件名
Mat frame ; //实例化一个数据对象保存帧
for (;;){ //进入死循环
cap >> frame ; //不断从捕获对象流中逐帧读取视频文件
if (frame.empty()) break ; //检查数据是否实际从视频文件中读取 若没有 则退出视频
imshow("Video",frame) ; //如果是视频帧 成功读入，则显示通过imshow()
if (waitKey(33) >= 0) break ; //如果在此期间按下某个键，退出读取循环。否则继续循环
}
return ;
}
#include "opencv4/opencv2/opencv.hpp"
#include "opencv2/highgui/highgui.cpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <fstream>
using namespace std ;
using namespace cv ;
int g_slider_position = 0 ; //[1]定义全局变量保持轨迹栏滑块的位置状态
//以单步模式开始
int g_run = 1; //实例化对象，只要它不等于1，就会显示新的帧
int g_dontset = 0 ; //允许在不触发单步模式情况下更新轨迹栏的位置
VideoCapture g_cap ; //[2]回调访问捕获对象，也定义为全局变量
void onTrackbarSlide(int pos, void*) { //传递pos为新的轨迹栏位置
g_cap.set(CAP_PROP_POS_FRAMES,pos) ; //使用新请求的位置来实际将视频回放推进到新位置
if (!g_dontset) g_run = 1 ; //将程序设置为在下一个新帧进入后进入单步模式
g_dontset = 0 ;
}
int main(int argc, char ** argv){
namedWindow("Video",WINDOW_AUTOSIZE) ;
g_cap.open(string(argv[1])) ;
//这些例程允许我们配置VideoCapture对象的各种属性
//用来确定视频中的帧数以及视频图像的宽度和高度
int frames = (int)g_cap.get(CAP_PROP_FRAME_COUNT) ; //传递CAP_PROP_FRAME表明以帧为单位设置读取位置
int tmpw = (int)g_cap.get(CAP_PROP_FRAME_WIDTH) ; //宽度
int tmph = (int)g_cap.get(CAP_PROP_FRAME_HEIGHT) ; //高度
cout << "视频：" << frames << "维度框架:(" << tmpw << "," << tmph << ")" << endl ;
//创建轨迹栏
//指定标签和放置轨迹栏的窗口。将变量绑定到轨迹栏，轨迹蓝的最大值(视频中的帧数)，移动滑块时的回调
createTrackbar("Position","Video",&g_slider_position,frames,onTrackbarSlide) ;
Mat frame ; //实例化一个数据对象保存帧
for (;;){
if (g_run!=0){
g_cap >> frame ;
if (frame.empty()) break ;
int current_pos = (int)g_cap.get(CAP_PROP_POS_FRAMES) ;
g_dontset = 1 ; //设置参数以便下一个轨迹栏回调不会进入单步模式
//调用轨迹栏回调来更新显示的滑块轨迹栏的位置
setTrackbarPos("Position","Video",current_pos) ;
imshow("Video",frame) ;
g_run -= 1 ; //保持单步模式或者让视频根据用户按键设置的先前状态运行
}
char c = (char)cv::waitKey(10) ;
if (c = 's') //如果按下S，计入单步模式，允许读取单帧
{g_run = 1; cout << "单步，运行=" << g_run << endl ;}
if (c = 'r') //如果按下R，进入连续视频模式
{g_run = -1; cout << "运行模式，运行=" << g_run << endl ;}
if (c == 27) break ; //如果按下ESC，程序终止
}
return 0 ;
}
#include <opencv2/opencv.hpp>
void Smooth(const Mat&image){
namedWindow("in",WINDOW_AUTOSIZE) ; //创建输入窗口
namedWindow("out",WINDOW_AUTOSIZE) ; //创建输出窗口
imshow("in",image) ; //显示输入图像
Mat out ; //实例化输出图像矩阵
//图像平滑处理
/*GaussianBlur() blur() median() bilateralFilter()*/
GaussianBlur(image,out,Size(5,5),3,3) ; //输入图像被5*5高斯卷积滤波器模糊并写入out
GaussianBlur(out,out,Size(5,5),3,3) ; //out用做输入输出，进行双重模糊
imshow("out",out) ; //显示生成模糊图像
waitKey(0) ; //等待按键
}
#include <opencv2/opencv.hpp>
int main(int argc, char ** argv)
{
Mat img1, img2 ;
namedWindow("img1",WINDOW_AUTOSIZE) ;
namedWindow("img2",WINDOW_AUTOSIZE) ;
string path = "" ;
img = imread(path) ;
imshow("img1",img1) ;
pyrDown(img1, img2) ; //下采样
imshow("img2",img2) ;
waitKey(0) ;
}
#include <opencv2/opencv.hpp>
int main(int argc, char ** argv)
{
Mat img_rgb, img_gry,img_cny ;
namedWindow("Grey",WINDOW_AUTOSIZE) ;
namedWindow("Canny",WINDOW_AUTOSIZE) ;
string path = "" ;
img_rgb = imread(path) ;
cvtColor(img_rgb,img_gry,COLOR_BGR2GRAY) ; //转换颜色空间到 BGB到灰度
imshow("gray",img_gry) ;
Canny(img_gry,img_cny,10,100,3,true) ; //边缘检测器生成的图像是输入图像的全尺寸
imshow("canny",img_cny) ;
waitKey(0) ;
return 0 ;
}
cvtColor(img_rgb,img_gry,COLOR_BGR2GRAY)
pyrDown(img_gry,img_pyr) ;
pyrDown(img_pyr,img_pyr2) ;
Canny(img_pyr2, img_cny, 10,100,3,true) ;
int x = 16 , y = 32 ;
Vec3b intensity = img_rgb.at<Vec3b>(y,x) ;
uchar blue = intensity[0] ;
uchar green = intensity[1] ;
uchar red = intensity[2] ;
cout << "At(x,y)=(" << x << "," << y
<< "):(blue,green,blue)=("
<< (unsigned int)blue << ","
<< (unsigned int)green << ","
<< (unsigned int)red << ")" << endl ;
cout << "Gray pixel there is:" << (unsigned int)img_gry.at<uchar>(y,x) << endl ;
x /= 4; y /= 4 ;
cout << "Pyramid2 pixel there is:" <<
<< (unsigned int)img_pyr2.at<uchar>(y,x) << endl ;
img_cny.at<uchar>(x,y) = 128 ; //将canny像素设置为128
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std ;
using namespace cv ;
int main(int argc,char ** argv)
{
namedWindow("Video",WINDOW_AUTOSIZE) ;
VideoCapture cap ;
string path = "" ;
if (argc == 1)
{
cap.open(0) ; //打开第一台相机
} else {
cap.open(path) ;
}
if (!cap.isOpened()){ //检查是否成功
cerr << "Coundn't open capture." << endl ;
return -1 ;
}
}
//从VideoReader对象中逐帧读取视频，转换帧以对象极坐标格式，并将对象坐标帧一次一个写入新的视频文件
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std ;
using namespace cv ;
int main(int argc,char ** argv){
namedWindow("Video",WINDOW_AUTOSIZE) ;
namedWindow("Log_Polar",WINDOW_AUTOSIZE) ;
VideoCapture capture(argv[]1) ;
//注意：可以通过将摄像头ID作为int来从摄像机捕获
double fps = capture.get(CAP_PROP_FPS) ;
Size size(
(int)capture.get(CAP_PROP_FRAME_WIDTH) ,
(int)capture.get(CAP_PROP_FRAME_HEIGHT)
);
VideoWriter writer ;
/*参数说明 */
//argv[2] 新文件的文件名
//CV_FOURCC('M','J','P','G') 用于压缩视频流的视频编解码器
//fps 重放帧速率
//size 使用图像的大小
writer.open(argv[2],CV_FOURCC('M','J','P','G'),fps, size) ;
Mat logpolar_frame,bgr_frame ;
for (;;){
capture >> bgr_frame ;
if (bgr_frame.empty()) break ;
imshow("bgr_frame",bgr_frame) ;
logPolar(
bgr_frame， //输入颜色框
logpolar_frame, //输出对数极坐标框架
Point2f( //对数极坐标变换的中心点
bgr_frame.cols / 2, //x
bgr_frame.rows / 2 //y
),
40, //幅度(比例参数)
WARP_FILL_OUTLIERS //用“零”填充异常值
)；
imshow("Log_Polar",logpolar_frame) ;
writer << logpolar_frame ;
if (c == 27) break ;
}
capture.release() ;
}手机扫一扫
移动阅读更方便
你可能感兴趣的文章