【OpenCV】基本数据类型及常见图像模式

是什么？能做什么？解决什么问题？为什么用它？

OpenCV:是一个基于开源发行的跨平台计算机视觉库，实现

一、应用场景：

目标识别：人脸、车辆、车牌...
自动驾驶
医学影像分析
视频内容理解与分析：文字识别、公众人物识别、物品分类...

二、opencv基本数据类型：

1. 点和向量类型

二维点，如：
- Point2i（或Point）：整数坐标点（x, y）。
- Point2f：浮点数坐标点。
- Point2d：双精度坐标点。
三维点，如：
- Point3f：三维浮点数点（x, y, z）。

2. 标量类型（多通道值）

多通道值，常用于表示颜色或像素值（顺序为BGR）

** Scalar(a, b, c)：**对于 BGR 图像，表示蓝色（B=a）、绿色（G=b）、红色（R=c）

Scalar green(0, 255, 0); // 绿色

单通道值，使用uchar或Scalar(val)表示

Scalar(val)： 所有通道赋值为val（如灰度图像）

uchar grayValue = 128; // 中灰度值

Scalar gray(128); // 等效表示

三、图像模式：

图像： 一些亮度各异的点

位图模式：是1位二进制深度的图像，黑和白两种颜色
灰度模式：1个通道
RGB模式：3个通道

（1）雪花屏：

Mat noise = cv::Mat::zeros(img.size(), CV_8UC1);

randu(noise, cv::Scalar::all(0), cv::Scalar::all(255));

第一个参数 (noise)：
- 这是一个输出参数，表示生成的随机数将存储在这个矩阵中。noise 是一个 cv::Mat 类型的变量，它预先定义了大小和类型（在这个例子中是 CV_8UC1，即8位无符号整型），用于存储生成的随机数。
第二个参数 (cv::Scalar::all(0))：
- 这是生成随机数的最小值。cv::Scalar::all 是一个方便的函数，用于创建一个所有元素都相同的 cv::Scalar 对象。这里它创建了一个所有元素都是0的 cv::Scalar 对象。
第三个参数 (cv::Scalar::all(255))：
- 这是生成随机数的最大值。同样使用 cv::Scalar::all 函数，创建了一个所有元素都是255的 cv::Scalar 对象。这意味着生成的随机数范围是从0到255。

（2）高斯模糊：

Mat gao_img;
GaussianBlur(img, gao_img, cv::Size(17,17), 0, 0);

参数说明

src：输入图像（源图像）
dst：输出图像（结果），必须与输入图像有相同的尺寸和类型
ksize ：高斯核大小，例如 Size(5, 5)，必须为奇数
sigmaX：X 方向的高斯核标准差
sigmaY：Y 方向的高斯核标准差（默认 0，表示与 sigmaX 相同）

（3）中值滤波：

cv::medianBlur(img, imgBack, 53);

参数说明：第三个参数必须为奇数

（4）毛玻璃：

Mat glass_img;

blur(img, glass_img, cv::Size(15, 15));

（5）灰度

cv::Mat gray;

cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);

第三个参数：

COLOR_BGR2GRAY：BGR → 灰度图
COLOR_BGR2RGB：BGR → RGB
COLOR_BGR2HSV：BGR → HSV
COLOR_GRAY2BGR：灰度图 → BGR

（6）方向模糊

void bilateralFilter(InputArray src, OutputArray dst, int d,

double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT);
Mat direction_img;

cv::bilateralFilter(img, direction_img, 29, 75, 75); // 常用参数组合

参数：

src：输入图像（8 位或浮点型，单通道或三通道）。
dst：输出图像，与输入图像大小和类型相同。
d：滤波时使用的像素邻域直径。若为负数，则自动从 sigmaSpace 计算。
sigmaColor：颜色空间滤波器的标准差，值越大表示越远的颜色会被混合。
sigmaSpace：坐标空间滤波器的标准差，值越大表示越远的像素会相互影响。
borderType：边界处理方式，默认 BORDER_DEFAULT。