初入OpenCV

OpenCV简介

OpenCV是一个开源的跨平台计算机视觉库,它实现了图像处理和计算机视觉方面的很多通用算法。

应用场景:

目标识别:人脸、车辆、车牌、动物;

自动驾驶;医学影像分析;

视频内容理解分析:文字识别、公众人物识别、识别各类物品

OpenCV图像模式

位图模式

位图模式就是1位二进制深度的图像模式,只有黑白两种颜色。它可以由扫描或置入黑色的矢量线条图像生成,也只能由灰度模式转换而来。

灰度模式

灰度模式是8位二进制深度的图像模式,在全黑和全白间插有254个灰度等级的颜色来描绘灰度模式的图像,所有模式的图像都能转换成灰度模式。

RGB模式

简而言之就是彩色。

新建项目

进入Qt新建一个项目,打开.pro文件,添加以下代码

cpp 复制代码
INCLUDEPATH +=/usr/local/include/
LIBS+=/usr/local/lib/libopencv_world.so

引入头文件和域

cpp 复制代码
#include <opencv2/opencv.hpp>
using namespace cv;

加载图像

示例

我们来使用OpenCV来实现加载一张图片

cpp 复制代码
    Mat img=imread("image/dog.jpg");
    imshow("img",img); // 显示图片
    waitKey(0); // 等待用户操作

Mat类似于一个图片信息的类。

imread("path")读取图片信息,path为路径。

imshow()显示图片。

waitKey(0)类似于一个死循环等待用户操作,如果我们写waitKey(1000)就等待1s就消失,当然waitKey的话只要接收到键盘输入值就消失。

结果

处理图像像素点

示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

Mat image_process(Mat &img){
   int row=img.rows; // 获取行
   int col=img.cols * img.channels(); // 获取列

   // 改变图片像素点
   for(int i=0;i<row;i++){
       // 获取第i行地址
       uchar* data=img.ptr<uchar>(i);
       for(int j=0;j<col;j++){
           /*int q=rand()%col;
           data[q]=155;*/
           data[j]-=70;
       }
   }
   return img;
}

int main()
{
    // 读取图片信息
    // Mat:图片信息的类
    Mat img=imread("image/dog.jpg",IMREAD_GRAYSCALE);
    image_process(img);
    imshow("img",img);
    while(1){
        int key=waitKey(0); // 等待用户操作
        if(key==10)
            break;
    }
    return 0;
}

结果

简易毛玻璃特效

示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

// 毛玻璃特效
Mat img_glass(Mat &img)
{
    RNG rng;
    int random=0;
    for(int i=0;i<img.rows;i++)
    {
        for(int j=0;j<img.cols-5;j++)
        {
            random=rng.uniform(0,5);
            // at<>访问Mat数据域(BGR)
            img.at<Vec3b>(i,j)[0]=img.at<Vec3b>(i+random,j+random)[0]; // B
            img.at<Vec3b>(i,j)[1]=img.at<Vec3b>(i+random,j+random)[1]; // G
            img.at<Vec3b>(i,j)[2]=img.at<Vec3b>(i+random,j+random)[2]; // R
        }
    }
    return img;
}

int main()
{
    // 读取图片信息
    // Mat:图片信息的类
    Mat img=imread("image/dog.jpg");
    img_glass(img);
    imshow("img",img);
    while(1){
        int key=waitKey(0); // 等待用户操作
        if(key==10)
            break;
    }
    return 0;
}

结果

读取视频

示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat frame;
    VideoCapture cap("video/carMove.mp4");
    while(cap.read(frame))
    {
        imshow("video",frame);
        waitKey(40);
    }

    return 0;
}
相关推荐
blasit1 小时前
笔记:Qt C++建立子线程做一个socket TCP常连接通信
c++·qt·tcp/ip
CoovallyAIHub3 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
范特西.i5 天前
QT聊天项目(8)
开发语言·qt
这张生成的图像能检测吗5 天前
(论文速读)XLNet:语言理解的广义自回归预训练
人工智能·计算机视觉·nlp·注意力机制
十铭忘5 天前
自主认知-行动1——架构
人工智能·计算机视觉
yuzhuanhei5 天前
YOLO26实操记录(自用)
人工智能·计算机视觉·目标跟踪