opencv基础用法

1. 简介

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，由一系列 C 函数和少量 C++ 类构成，同时提供了 Python、Java、MATLAB 等语言的接口，广泛应用于图像和视频的处理、分析以及机器学习领域。opencv支持最广泛的两种语言为python和c++，本文以c++为例进行讲解。

2. 基础用法

2.1 opencv的基本模块

openv包含多个模块，每个模块专注于不同的任务，本小节仅对笔者项目中所用到的模块进行介绍。

2.1.1 core模块

其提供基本数据结构和函数，如图像存储、矩阵操作、文件 I/O 等。数据结构如下：

Mat：用于存储图像和矩阵数据。
Point、Size、Rect：用于表示点、尺寸和矩形区域。
Scalar：用于表示颜色或像素值

2.1.2 Imgproc 模块

imgproc 模块提供了图像处理功能，包括滤波、几何变换、颜色空间转换等。常用类和函数有：cvtColor, GaussianBlur, Canny, threshold, resize, warpAffine。

2.1.3 Imgcodecs模块

该模块用于图像文件的读取和保存，支持多种图像格式。常用的类和函数有：imread, imwrite, imdecode, imencode。

2.1.4 Videoio模块

该模块用于视频输入输出功能，支持多种视频格式和摄像头，常用的类和函数为：VideoCapture, VideoWriter, CAP_PROP_FRAME_WIDTH, CAP_PROP_FRAME_HEIGHT。

2.2 图片的创建、显示、读取、保存

首先，图片在程序里边就是一个二维数组，每一个格子代表一个像素点，0为纯黑，255为纯白。创建图像的API如下所示：

cpp 复制代码

/*创建一个6x8的灰度图，所有像素填100，CV_8UC1代表8位无符号，1个通道*/
cv::Mat image(6, 8, CV_8UC1, cv::Scalar(100));

/*创建一个6x8的红色图像，3个通道*/
cv::Mat newImage(480, 640, CV_8UC3, cv::Scalar(0, 0, 255));

需要注意的是：灰度图指的是1个通道，彩色图有3个通道。

图像显示的API如下，第一个参数为窗口名称，第二个参数为需要显示的图像；waitkey函数与显示函数是固定搭配，因为需要调用该函数来刷新窗口，参数为0代表无限等待用户按键：

cpp 复制代码

cv::imshow("Display Window", image);

cv::waitKey(0); // 等待按键按下

图像读取的API如下：

cpp 复制代码

/*第一个参数代表图像路径，第二个参数代表读图的形式
*IMREAD_GRAYSCALE代表灰度图，IMREAD_COLOR代表彩色图像
*/
cv::Mat image = cv::imread(image_path, cv::IMREAD_GRAYSCALE);

图像保存的API如下：

cpp 复制代码

/*第一个参数是保存图像的路径，第二个参数是要保存的图像*/
cv::imwrite("output.jpg", image);

2.3 图像的裁剪

用法如下，其中roi指的是感兴趣区域，表示从大图里边裁剪出一小块出来，仅观测这一小块：

cpp 复制代码

// 形式1：直接指定坐标和尺寸
Rect roi(100, 100, 200, 200);//(x, y, width, height)

/*从原图image裁剪出由
*矩形roi指定的子区域，并
*将子区域赋值
*/
Mat croppedImage = image(roi);

// 形式2：从某个结构体（如 checkpoint.roi）中读取数据
cv::Rect roi_rect(
    checkpoint.roi.x,
    checkpoint.roi.y,
    checkpoint.roi.width,
    checkpoint.roi.height
);
Mat croppedImage = image(roi_rect);

需要注意的是：使用image函数裁剪的是彩色图像，如果要裁剪灰色图像，需要用函数gray。

2.4 灰度均值

灰度均值指的是把roi里边的所有像素值加起来除以像素个数，得到平均亮度。用法如下：

cpp 复制代码

/*计算灰度均值，roi可以是灰度图或者彩色图
*函数返回scalar对象
*scalar指的是4个double值的容器
*通常用来存储：
*灰度图：只用第 0 个元素（索引 [0]）存放灰度均值，
*[1]、[2]、[3] 均为 0。
*彩色图（BGR 顺序）：[0] 为蓝色通道均值，[1] 为绿色，
*[2] 为红色，[3] 为 0。
*mean_with_label[0]：取 Scalar 的第一个元素，
*即 ROI 的灰度均值（假设 roi 是单通道灰度图）
*/
cv::Scalar mean_with_label = cv::mean(roi);
std::cout << "ROI 灰度均值: " << mean_with_label[0] << std::endl;

2.5 阈值检测

此处指的是最简单的灰度阈值检测，代表设定一个阈值，用灰度均值与设定阈值进行比较，大于阈值为OK，否则为NG。用法如下：

cpp 复制代码

    std::cout << "=== 检测原理 ===" << std::endl;
    double threshold = 120.0;
    std::cout << "设定阈值: " << threshold << std::endl;
    std::cout << "有标签: 均值=" << mean_with_label[0]
              << (mean_with_label[0] >= threshold ? " >= 阈值 -> OK" : " < 阈值 -> NG")
              << std::endl;
    std::cout << "没标签: 均值=" << mean_without_label[0]
              << (mean_without_label[0] >= threshold ? " >= 阈值 -> OK" : " < 阈值 -> NG")
              << std::endl;

3. 总结

本文仅分享自己在项目中所用到的一些opencv的基础用法。实际上opencv还有很多用法，建议在做项目时用到再进行学习。