OpenCV（第一章）

简介

环境搭建

跳过，Windows可以去OpenCV官网下载动态库。

简单入门

图形读取与显示

cpp 复制代码

#include <iostream>

using namespace std;
#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{

    cv::Mat src = cv::imread("D:\\python\\picture\\1.jpg",IMREAD_GRAYSCALE);//图片路径,第二个参数指定加载灰色图形
    namedWindow("test",WINDOW_FREERATIO); //可以让图片全部填充满


    cv::imshow("test", src);
    cv::waitKey(0);

    cv::destroyAllWindows();

    cout << "Hello Opencv!" << endl;
    return 0;
}

图形色彩空间转换

什么是HSV图像呢？

HSV 图像是一种基于人类视觉感知的颜色模型，它将颜色表示为色调（Hue）、饱和度（Saturation）和明度（Value）三个属性。HSV 模型更接近人类对颜色的感知方式，因此在某些图像处理任务中比 RGB 模型更直观和有用。

组成部分：

色调（Hue）：
- 表示颜色的种类，通常用角度来表示，范围从 0 到 360 度。
- 0 度通常对应红色，120 度对应绿色，240 度对应蓝色，其他颜色则位于这些主色之间。
饱和度（Saturation）：
- 表示颜色的纯度或强度，范围从 0（灰色）到 100%（最纯的颜色）。
- 饱和度越高，颜色越纯；饱和度越低，颜色越接近灰色。
明度（Value）：
- 表示颜色的亮度，范围从 0（黑色）到 100%（白色）。
- 明度越高，颜色越亮；明度越低，颜色越暗。

应用：

HSV 模型在图像处理和计算机视觉中有许多应用，特别是在颜色分割和颜色识别方面。例如：

颜色分割：通过设置特定的色调、饱和度和明度范围，可以从图像中提取特定颜色的对象。
颜色校正：调整图像的色调、饱和度和明度，以改善图像的视觉效果。
颜色识别：识别图像中特定颜色的对象，如交通信号灯识别、水果分类等。

在OpenCV中，BGR就是RGB.

COLOR_BGR2GRAY = 6 BGR到GRAY

COLOR_GRAY2BGR = 8 GRAY到BGR

COLOR_BGR2HSV = 40 BGR到HSV

COLOR_HSV2BGR = 54 HSV到BGR

cpp 复制代码

void QuickDemo::colorspace_demo( Mat& image)
{
    // imshow("test",image);

    Mat gray,hsv;
    //这里打开的时候图片imread不能以灰度图IMREAD_GRAYSCALE打开，不然会core
    cvtColor(image,hsv,COLOR_BGR2HSV);
    cvtColor(image,gray,COLOR_BGR2GRAY);

    imshow("hsv",hsv);
    imshow("gray",gray);

    imwrite("./gray.png",gray);
    imwrite("./hsv.png",hsv);
}

图像对象的创建和赋值

cpp 复制代码

void QuickDemo::mat_cration_demo(Mat &image)
{
    Mat dst1,dst2 ;
    dst1 = image.clone(); //深拷贝
    image.copyTo(dst2); //深拷贝
    Mat dst3 = image;//浅拷贝

    // cout << image.data<<endl;//char*指针  image是三维数组
    cout <<"clonse "<< (image.data == dst1.data )<<endl;
    cout <<"copyto "<<  (image.data == dst2.data)<<endl;
    cout <<"=== "<<  (image.data == dst3.data)<<endl;

    //创建空白图像
    Mat m3 = Mat::zeros(Size(8,8),CV_8UC3); //全是0zeros CV_8UC1
    // m3 = 100; //赋值第一个通道
    m3 = Scalar(2,3,4);//同时给3通道赋值

    printf("width:%d height:%d,channels:%d\n",m3.rows,m3.cols,m3.channels());

    cout<< m3<<endl;

}

图像像素的读写操作

图像像素的算术操作

图像几何形状绘制

cpp 复制代码

void QuickDemo::drawing_demo(Mat &image)
{
    //电脑屏幕的坐标系是左上角
    //数学坐标是屏幕中心。

    Rect rect;
    rect.x = 10;
    rect.y = 10;
    rect.width = 100;
    rect.height = 100;

    Mat bg = Mat::zeros(image.size(),image.type());

    rectangle(bg,rect,Scalar(0,0,255),-1,8,0);
    circle(bg,Point(100,100),15,Scalar(0,255,0),2,8,0);
    line(bg,Point(10,10),Point(100,100),Scalar(255,0,0),10,LINE_AA,0);

    RotatedRect rrt;
    rrt.center = Point(50,50);
    rrt.size = Size(20,20);
    rrt.angle = 0;

    ellipse(bg,rrt,Scalar(0,255,255),4,LINE_AA);

    Mat dst;
    addWeighted(image,0.7,bg,0.3,0,dst);

    imshow("drawing_demo",dst);
}

人脸检测

cpp 复制代码

#include <iostream>
#include <opencv2/opencv.hpp>
#include "quickdemo.h"

using namespace std;
using namespace cv;

int main()
{
#if 1
    // 路径使用双反斜杠或原始字符串字面量
    std::string pb_path = "D:/C++/project/OpenCV/opencv_tutorial_data/models/face_detector/opencv_face_detector_uint8.pb";
    std::string pbtxt_path ="D:/C++/project/OpenCV/opencv_tutorial_data/models/face_detector/opencv_face_detector.pbtxt";
    // std::string pb_path = "D:/C++/project/OpenCV/cmake_test/opencv_face_detector_uint8.pb";
    // std::string pbtxt_path ="D:/C++/project/OpenCV/cmake_test/opencv_face_detector.pbtxt";

    // 加载模型
    dnn::Net net = cv::dnn::readNetFromTensorflow(pb_path, pbtxt_path);

    VideoCapture cap(0);
    Mat frame;

    while (1)
    {
        cap.read(frame);
        if (frame.empty())
        {
            continue;
        }

        Mat blob = dnn::blobFromImage(frame, 1.0, Size(300, 300), Scalar(104, 177, 123), false, false);
        net.setInput(blob);
        Mat probs = net.forward();

        // 1 x1 xNx7
        Mat detectMat(probs.size[2], probs.size[3], CV_32F, probs.ptr<float>());
        for (int row = 0; row < detectMat.rows; row++)
        {
            float conf = detectMat.at<float>(row, 2);
            if (conf > 0.5)
            {
                float x1 = detectMat.at<float>(row, 3) * frame.cols;
                float y1 = detectMat.at<float>(row, 4) * frame.rows;
                float x2 = detectMat.at<float>(row, 5) * frame.cols;
                float y2 = detectMat.at<float>(row, 6) * frame.rows;
                Rect box(x1, y1, x2 - x1, y2 - y1);
                rectangle(frame, box, Scalar(0, 0, 255), 2, 8);
            }
        }
        flip(frame,frame,1); //镜像翻转 左右互换

        imshow("Opencv人脸检测", frame);
        char c = waitKey(1);
        if (c == 27)
            break;
    }

    // 确保所有窗口都被关闭

    return 0;
#endif

   
}