机器学习和深度学习-- 李宏毅（笔记与个人理解）Day 14-CFANZ编程社区

OpenCV C++ 学习笔记(一)

文章目录

OpenCV C++ 学习笔记(一)

写在前面

网络上OpenCV C++ 的学习笔记相对Python比较少
目的是记录学习过程同时希望能给到正在学习的朋友帮助
大部分是参考官方教程强烈推荐官方文档
OpenCV documentation index

安装

OpenCV库直接安装就行，双击安装->选择安装目录->安装

在VS中使用

新建VS工程
右键属性 -> C/C++ -> 常规 -> 附加包含库目录 -> opencv的安装路径（如 D:\opencv\build\include）
导入库:右键属性 -> 链接器 -> 常规 -> 附加库目录 -> 选择opencv build目录下 /x64/vc16/lib对应.lib（如：D:/opencv/build/x64/vc16/lib/opencv_world470d.lib）

也可以使用 #pragma

#pragma comment(lib,"D:/opencv/build/x64/vc16/lib/opencv_world470d.lib")

还需要注意一个vs 版本
一些说明
opencv 安装后是可以通过配置环境变量改变让使用变得更简单方便的
但个人更倾向与手动配置并且写在明处更容易看到的地方方便后期拷贝到其它地方编译使用

可参考官方用法

一些小栗子

图像变换

void example1()
{
    // 读取图像
    //cv::Mat img = cv::imread("./wallhaven-6oe337_1920x1080.png");
    cv::Mat img = cv::imread("image/lena.jpg");

    // 如果加入了opencv路径 OPENCV_SAMPLES_DATA_PATH  可直接使用下方法 
    //cv::Mat img = cv::imread(cv::samples::findFile("lena.jpg",true,true));
    if (img.empty())
    {
        std::cout << "imread image is empty";
        return;
    }

    cv::Mat gray,hsv;
    // 图像变换
    cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);
    cv::cvtColor(img, hsv, cv::COLOR_BGR2HSV);

    namedWindow("Original");
    // 显示图片
    cv::imshow("Original", img);
    // Gray
    cv::imshow("Gray", gray);
    cv::imshow("Hsv", hsv);

    // 等待任意按键按下 阻塞程序
    cv::waitKey(0);

    // 释放所有窗口
    cv::destroyAllWindows();

}

修改对比度和亮度

// 设置对比度、亮度  g(i,j)=α⋅f(i,j)+β :
void example5()
{
    Mat img = imread("image/lena.jpg");
    if (img.empty())
    {
        std::cout << "image is empty" << std::endl;
        return;
    }

    Mat new_img = Mat::zeros(img.size(), img.type());
    double alpha = 3.0;     // Contrast 对比度 [1.0-3.0]
    int beta = 0;           // Brightness 亮度 [0-100]

    for (int y = 0; y < img.rows; y++) {
        for (int x = 0; x < img.cols; x++) {
            for (int c = 0; c < img.channels(); c++) {
                new_img.at<Vec3b>(y, x)[c] =
                    saturate_cast<uchar>(alpha * img.at<Vec3b>(y, x)[c] + beta);
            }
        }
    }
    imshow("Original Image",img);
    imshow("New Image", new_img);

    waitKey(0);
    destroyAllWindows();

    return;
}

离散傅里叶变换

void example6()
{
    Mat I = imread("image/lena.jpg", IMREAD_GRAYSCALE);
    if (I.empty())
    {
        std::cout << "imread Falid";
        return;
    }

    // 输入图像展开最佳大小
    Mat padded;
    int m = getOptimalDFTSize(I.rows);  // 获取最佳DFT点数 一般是 2^N  且>= inputcount
    int n = getOptimalDFTSize(I.cols);

    // 按最佳DFT点数调整图像 并在周边填充0 
    copyMakeBorder(I, padded, 0, m - I.rows, 0, n - I.cols, BORDER_CONSTANT, Scalar::all(0));

    // 创建两个数组作为复数 虚部用0填充
    Mat planes[] = { Mat_<float>(padded),Mat::zeros(padded.size(),CV_32F) };
    Mat complexI;
    // 将多个单通道数组创建为一个多通道数组
    merge(planes, 2, complexI);
    // 离散傅里叶变换  in-place
    dft(complexI, complexI);

    // compute the magnitude and switch to logarithmic scale
    // => log(1 + sqrt(Re(DFT(I))^2 + Im(DFT(I))^2))
    split(complexI, planes);    // merge的反向操作 
    // 计算幅度 dst(I)= sqrt(x(I)^2+y(I)^2)
    magnitude(planes[0], planes[1], planes[0]);
    Mat magI = planes[0];

    // 对幅度 求log10  +1是避免出现log(0)
    magI += Scalar::all(1);
    log(magI, magI);

    normalize(magI, magI, 0, 1, NORM_MINMAX);
    imshow("magI",magI);

    // 如果频谱的行或列数为奇数，则对其进行裁剪
    magI = magI(Rect(0, 0, magI.cols & -2, magI.rows & -2));
    int cx = magI.cols / 2;
    int cy = magI.rows / 2;

    Mat q0(magI, Rect(0, 0, cx, cy)); //左上
    Mat q1(magI, Rect(cx, 0, cx, cy));  //右上
    Mat q2(magI, Rect(0, cy, cx, cy));  // 左下
    Mat q3(magI, Rect(cx, cy, cx, cy)); // 右下

    Mat tmp;
    q0.copyTo(tmp);     //交换象限(左上右下)
    q3.copyTo(q0);
    tmp.copyTo(q3);

    q1.copyTo(tmp);     //交换象限(右上与左下)
    q2.copyTo(q1);
    tmp.copyTo(q2);

    imshow("Input Image", I);
    imshow("Spectrum magintude", magI);
    waitKey(0);

    destroyAllWindows();
}

参考

官方文档

参考