Android App机器学习Open CV

opencv api 笔记

2017-10-20  本文已影响97人  肖丹晨

前言
opencv在图像处理中使用广泛,许多常见的应用场景例如人脸识别,车牌识别等都是基于opencv开发的。本文是学习opencv api的一些笔记。
感兴趣的朋友欢迎加入学习小组QQ群: 193765960

版权归作者所有,如有转发,请注明文章出处:https://xiaodanchen.github.io/archives/

《openCV中文网站》

Mat-基本图像容器

Mat官方解释
教程
基本上讲 Mat 是一个类,由两个数据部分组成:矩阵头(包含矩阵尺寸,存储方法,存储地址等信息)和一个指向存储所有像素值的矩阵(根据所选存储方法的不同矩阵可以是不同的维数)的指针。矩阵头的尺寸是常数值,但矩阵本身的尺寸会依图像的不同而不同,通常比矩阵头的尺寸大数个数量级。因此,当在程序中传递图像并创建拷贝时,大的开销是由矩阵造成的,而不是信息头。OpenCV是一个图像处理库,囊括了大量的图像处理函数,为了解决问题通常要使用库中的多个函数,因此在函数中传递图像是家常便饭。同时不要忘了我们正在讨论的是计算量很大的图像处理算法,因此,除非万不得已,我们不应该拷贝 大 的图像,因为这会降低程序速度。

为了搞定这个问题,OpenCV使用引用计数机制。其思路是让每个 Mat 对象有自己的信息头,但共享同一个矩阵。这通过让矩阵指针指向同一地址而实现。而拷贝构造函数则 只拷贝信息头和矩阵指针 ,而不拷贝矩阵。

但某些时候你仍会想拷贝矩阵本身(不只是信息头和矩阵指针),这时可以使用函数** clone() **或者 copyTo()

Mat::ptr

ptr API文档
Returns a pointer to the specified matrix row
返回指向指定矩阵行的指针

Mat::channels

channels API文档
Returns the number of matrix channels.
对channels(通道)的理解可能会比较抽象一些,可以参考下列链接:
《图像的通道(channels)问题》

API

imread

imread API文档
imread:读取图片文件,并按照一定的格式将其返回(Mat对象)
C++: Mat imread(const string& filename, int flags=1 )
Python: cv2.imread(filename[, flags]) → retval
C: IplImage* cvLoadImage(const char* filename, int iscolor=CV_LOAD_IMAGE_COLOR )
C: CvMat* cvLoadImageM(const char* filename, int iscolor=CV_LOAD_IMAGE_COLOR )
Python: cv.LoadImage(filename, iscolor=CV_LOAD_IMAGE_COLOR) → None
Python: cv.LoadImageM(filename, iscolor=CV_LOAD_IMAGE_COLOR) → None

Parameters:

cvtColor

cvtColor API文档
对图片进行处理,从一种颜色空间转换到另一种颜色空间(Converts an image from one color space to another.)

split

split API文档
split函数的主要功能是把一个彩色图像分割成3个通道,方便进一步的图像处理,具体说明如下:
split Divides a multi-channel array into several single-channel arrays.
C++: void split(const Mat& mtx, Mat* mv)
C++: void split(const Mat& mtx, vector& mv)

merge

merge API文档
merge可以实现与split相反的操作,简单说明如下:
merge Composes a multi-channel array from several single-channel arrays.
C++: void merge(const Mat* mv, size_t count, OutputArray dst)
C++: void merge(const vector& mv, OutputArray dst)

mixChannels

mixChannels API文档

equalizeHist

equalizeHist API文档
直方图均衡化
将灰度图进行直方图均衡化(直方图均衡化是通过拉伸像素强度分布范围来增强图像对比度的一种方法)

C++: void equalizeHist(InputArray src, OutputArray dst)
Python: cv2.equalizeHist(src[, dst]) → dst
C: void cvEqualizeHist(const CvArr* src, CvArr* dst)
Parameters:
src – Source 8-bit single channel image.
dst – Destination image of the same size and type as src .

原理:
1,Calculate the histogram H for src .
2,Normalize the histogram so that the sum of histogram bins is 255.
3,Compute the integral of the histogram:


求和

4,Transform the image using H' as a look-up table: dst(x,y) = H'(src(x,y))

The algorithm normalizes the brightness and increases the contrast of the image.

threshold

threshold API文档
阈值化

C++: double threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type)
Python: cv2.threshold(src, thresh, maxval, type[, dst]) → retval, dst


阈值函数的5种类型

erode

erode API文档
腐蚀操作
C++: void erode(InputArray src, OutputArray dst, InputArray kernel, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue() )
Python: cv2.erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) → dst

dilate

dilate API文档
膨胀操作
C++: void dilate(InputArray src, OutputArray dst, InputArray kernel, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue() )
Python: cv2.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) → dst

open

开运算:开运算是通过先对图像腐蚀再膨胀实现的,能够排除小团块物体(假设物体较背景明亮)。
dst = open(src,element) = dilate( erode(src, element) )

开操作

close

闭运算:闭运算是通过先对图像膨胀再腐蚀实现的,能够排除小型黑洞(黑色区域)。
dst = close(src,element) = erode( dilate(src, element) )

闭操作

形态梯度(Morphological Gradient)

膨胀图与腐蚀图之差,能够保留物体的边缘轮廓。
dst = morph_grad(src,element) = dilate(src, element) - erode(src, element)

形态梯度

顶帽(Top Hat)

原图像与开运算结果图之差。
**dst = tophat(src,element) = src - open(src, element) **


顶帽

黑帽(Black Hat)

闭运算结果图与原图像之差。
dst = blackhat(src,element) = close(src, element) - src

顶帽

findcontours

findcontours API
在图像中寻找轮廓

Sobel算子

上一篇下一篇

猜你喜欢

热点阅读