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
CoovallyAIHub16 小时前
Pipecat:构建实时语音 AI Agent 的开源编排框架,500ms 级端到端延迟
深度学习·算法·计算机视觉
CoovallyAIHub16 小时前
Energies | 8版YOLO对8版Transformer实测光伏缺陷检测,RF-DETR-Small综合胜出
深度学习·算法·计算机视觉
娇娇yyyyyy17 小时前
QT编程(15): Qt 按键事件和定时器事件
开发语言·qt
梦醒过后说珍重17 小时前
医学图像超分辨率:如何构建“教科书级”的模型评测与交互式可视化流水线?
opencv
CoovallyAIHub18 小时前
2.5GB 塞进浏览器:Mistral 开源实时语音识别,延迟不到半秒
深度学习·算法·计算机视觉
scott19851219 小时前
扩散模型之(十六)像素空间生成模型
人工智能·深度学习·计算机视觉·生成式
no_work19 小时前
yolo摄像头下的目标检测识别集合
人工智能·深度学习·yolo·目标检测·计算机视觉
格林威20 小时前
工业相机参数解析:曝光时间与运动模糊的“生死博弈”
c++·人工智能·数码相机·opencv·算法·计算机视觉·工业相机
GIS阵地21 小时前
QgsDataSourceUri解析
数据库·c++·qt·开源软件·qgis
zl_vslam1 天前
SLAM中的非线性优-3D图优化之相对位姿Between Factor-四元数(十二)
人工智能·算法·计算机视觉