學習計算機視覺最重要的能力應該就是編程了，為了幫助小伙伴盡快入門計算機視覺，小白準備了【走進OpenCV】系列，主要幫助小伙伴了解如何調用OpenCV庫，涉及到的知識點會做簡單講解。

圖像初始化操作

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; int main（int argc， char** argv） { //這些方式都是自己擁有獨立的內存空間 Mat img1（2， 2， CV_8UC3， Scalar（0， 0， 255））; cout 《《 img1 《《 endl; int sz［3］ = { 2，2，2 }; Mat img2（3， sz， CV_8UC1， Scalar（0， 0， 0））; //cout 《《 img2 《《 endl; Mat img5; img5.create（4， 4， CV_8UC3）;

cout 《《 img5 《《 endl; Mat img6 = Mat：：zeros（4， 4， CV_8UC3）; cout 《《 img6 《《 endl; Mat img7 = img6.clone（）; cout 《《 img7 《《 endl; Mat img8; img6.copyTo（img8）; cout 《《 img8 《《 endl; //下面都是淺拷貝，指針指向同一個實例 Mat img9 = img8; Mat img10（img8）; waitKey（0）; return 0; }

圖像二值化操作

兩種方法，全局固定閾值二值化和局部自適應閾值二值化全局固定閾值很容易理解，就是對整幅圖像都是用一個統一的閾值來進行二值化；局部自適應閾值則是根據像素的鄰域塊的像素值分布來確定該像素位置上的二值化閾值。

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; int main（int argc， char** argv） { Mat image = imread（“lol1.jpg”， CV_LOAD_IMAGE_GRAYSCALE）; //注意了，必須是載入灰度圖 if （image.empty（）） { cout 《《 “read image failure” 《《 endl; return -1; } // 全局二值化 int th = 100; Mat global; threshold（image， global， th， 255， CV_THRESH_BINARY_INV）; // 局部二值化 int blockSize = 25; int constValue = 10; Mat local; adaptiveThreshold（image， local， 255， CV_ADAPTIVE_THRESH_MEAN_C， CV_THRESH_BINARY_INV， blockSize， constValue）; imshow（“全局二值化”， global）; imshow（“局部二值化”， local）; waitKey（0）; return 0; }

腐蝕操作

#include 《iostream》 #include 《opencv2opencv.hpp》 using namespace cv; using namespace std; int main（） { Mat SrcPic = imread（“lena.jpg”）; imshow（“Src Pic”， SrcPic）; Mat element = getStructuringElement（MORPH_RECT， Size（15， 15））; //getStructuringElement函數返回的是指定形狀和尺寸的結構元素 Mat DstPic; erode（SrcPic， DstPic， element）; //腐蝕操作 imshow（“腐蝕效果圖”， DstPic）; waitKey（）; return 0; }

運行效果

均值濾波實現圖像模糊

#include 《iostream》 #include 《opencv2opencv.hpp》 using namespace cv; using namespace std; int main（） { Mat SrcPic = imread（“lena.jpg”）; imshow（“Src Pic”， SrcPic）; Mat DstPic; blur（SrcPic， DstPic， Size（7， 7））; imshow（“均值模糊效果圖”， DstPic）; waitKey（）; return 0; }

canny邊緣檢測

思路：將原始圖像轉化為灰度圖，用blur函數進行圖像模糊以降噪，然后用canny函數進行邊緣檢測。

#include 《iostream》 #include 《opencv2opencv.hpp》 using namespace cv; using namespace std; int main（） { Mat SrcPic = imread（“lena.jpg”）; imshow（“Src Pic”， SrcPic）; Mat DstPic， edge， grayImage; //創建與src同類型和同大小的矩陣 DstPic.create（SrcPic.size（）， SrcPic.type（））; //將原始圖轉化為灰度圖 cvtColor（SrcPic， grayImage， COLOR_BGR2GRAY）; //先使用3*3內核來降噪 blur（grayImage， edge， Size（3， 3））; //運行canny算子 Canny（edge， edge， 3， 9， 3）; imshow（“邊緣提取效果”， edge）; waitKey（）; return 0; }

轉為灰度圖

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; int main（） { Mat img = imread（“lol1.jpg”）; Mat dstImg; cvtColor（img， dstImg，COLOR_BGR2GRAY）;//從宏名字就可以知道，是彩色圖轉換到灰度圖 imshow（“灰度圖”， dstImg）; waitKey（0）; }

灰度圖

訪問圖片中像素

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; //訪問每個像素，我喜歡使用指針的方式 int main（） { Mat img = imread（“lol1.jpg”）; for （int i = 0; i 《 img.rows; i++） { uchar* data = img.ptr《uchar》（i）; //獲取第i行地址 for （int j = 0; j 《 img.cols; j++） { printf（“%d ”，data［j］）; } } waitKey（0）; }

直方圖均衡化

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; //直方圖均衡化 int main（） { Mat img = imread（“lol3.jpg”）; imshow（“原始圖”， img）; Mat dst; cvtColor（img， img， CV_RGB2GRAY）; imshow（“灰度圖”， img）; equalizeHist（img， dst）; imshow（“直方圖均衡化”， dst）; waitKey（0）; }

顯然均衡化后的圖片對比度變高了，變得更加明亮！

常用的數據結構

#include《opencv2opencv.hpp》 #include《opencv2highguihighgui.hpp》 using namespace std; using namespace cv; //常見數據結構使用方法總結 int main（） { //Mat的用法 Mat m1（2， 2， CV_8UC3， Scalar（0， 0， 255））; //其中的宏的解釋：CV_［位數］［帶符號與否］［類型前綴］C［通道數］ cout 《《 m1 《《 endl; //或者，利用IplImage指針來初始化，將IplImage*轉化為Mat IplImage* image = cvLoadImage（“lena.jpg”）; Mat mat = cvarrToMat（image）;

//Mat轉IplImage： IplImage img = IplImage（mat）; //或者 Mat m2; m2.create（4， 5， CV_8UC（2））; //點的表示：Point Point p; p.x = 1; //x坐標 p.y = 1; //y坐標 //或者 Point p2（1， 1）;

//顏色的表示：Scalar（b，g，r）;注意不是rgb，注意對應關系 Scalar（1， 1， 1）; //尺寸的表示：Size Size（5， 5）;// 寬度和高度都是5 //矩形的表示：Rect，成員變量有x，y，width，height Rect r1（0， 0， 100， 60）; Rect r2（10， 10， 100， 60）; Rect r3 = r1 | r2; //兩個矩形求交集 Rect r4 = r1 & r2; //兩個矩形求并集 waitKey（0）; }

結束語

由于時間和文章篇幅有限，本次總結先到這里，下次小白會為小伙伴們帶來OpenCV的濾波操作，各位小伙伴敬請期待。

責任編輯：haq