opencv总结

opencv总结
2018-02-2623:59:02

唉，这软件我很烦躁，今天又搞了好几遍，出错提示的时候总是出问题！

而且，无论什么错误，都是提示一堆乱码！
```
定义ROI区域有两种方法，第一种是使用cv:Rect.顾名思义，cv::Rect表示一个矩形区域。指定矩形的左上角坐标（构造函数的前两个参数）和矩形的长宽（构造函数的后两个参数）就可以定义一个矩形区域。
```
定义ROI区域有两种方法，第一种是使用cv:Rect.顾名思义，cv::Rect表示一个矩形区域。指定矩形的左上角坐标（构造函数的前两个参数）和矩形的长宽（构造函数的后两个参数）就可以定义一个矩形区域。
[cpp] view plain copy
1. //定义一个Mat类型并给其设定ROI区域
2. Mat imageROI;
3. //方法一
4. imageROI=image(Rect(500,250,logo.cols,logo.rows));
另一种定义ROI的方式是指定感兴趣行或列的范围（Range）。Range是指从起始索引到终止索引（不包括终止索引）的一连段连续序列。cv::Range可以用来定义Range。如果使用cv::Range来定义ROI，那么前例中定义ROI的代码可以重写为：
[cpp] view plain copy
1. //方法二
2. imageROI=srcImage3(Range(250,250+logoImage.rows),Range(200,200+logoImage.cols));
边缘检测》》》》

一. 主要函数

1.1 cvCanny

函数功能：采用Canny方法对图像进行边缘检测

函数原型：

void cvCanny(

const CvArr* image,

CvArr* edges,

double threshold1,double threshold2,

int aperture_size=3

);

函数说明：

第一个参数表示输入图像，必须为单通道灰度图。

第二个参数表示输出的边缘图像，为单通道黑白图。

第三个参数和第四个参数表示阈值，这二个阈值中当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割即如果一个像素的梯度大与上限值，则被认为是边缘像素，如果小于下限阈值，则被抛弃。如果该点的梯度在两者之间则当这个点与高于上限值的像素点连接时我们才保留，否则删除。

第五个参数表示Sobel 算子大小，默认为3即表示一个3*3的矩阵。Sobel 算子与高斯拉普拉斯算子都是常用的边缘算子，详细的数学原理可以查阅专业书籍。

为了更好的使用cvCanny()函数，下面再介绍二个实用的函数，这二个函数对后面的程序实现非常有帮助。

1.2 cvCreateTrackbar

函数功能：创建trackbar并添加到指定窗口

函数原型：

intcvCreateTrackbar(

const char* trackbar_name,

const char* window_name,

int* value,

intcount,

CvTrackbarCallback on_change

);

函数说明：

第一个参数表示该trackbar的名称。

第二个参数表示窗口名称，该trackbar将显示在这个窗口内。

第三个参数表示创建时滑块的位置。

第四个参数表示滑块位置的最大值，最小值固定为0。

第五个参数表示回调函数。当滑块位置有变化时，系统会调用该回调函数。

注：被创建的trackbar默认显示在指定窗口的顶端，可以通过函数cvGetTrackbarPos()来获取trackbar显示的位置信息，以及通过函数cvSetTrackbarPos()来重新设置trackbar的显示位置。

1.3 CvTrackbarCallback

函数功能：cvCreateTrackbar()函数所使用的回调函数

函数定义：

typedef void (CV_CDECL *CvTrackbarCallback)(int pos)

函数说明：

当trackbar位置被改变的时，系统会调用这个回调函数，并将参数pos设置为表示trackbar位置的数值。

二. 示例程序代码

下面就给出在OpenCV中使用Canny 边缘检测的程序代码：
[cpp] view plain copy

//图像的Canny边缘检测

//By MoreWindows (http://blog.csdn.net/MoreWindows)

#include <opencv2/opencv.hpp>

using namespace std;

#pragma comment(linker, "/subsystem:"windows" /entry:"mainCRTStartup"")

IplImage *g_pSrcImage, *g_pCannyImg;

const char *pstrWindowsCannyTitle = "边缘检测图(http://blog.csdn.net/MoreWindows)";

//cvCreateTrackbar的回调函数

void on_trackbar(int threshold)

{

    //canny边缘检测

    cvCanny(g_pSrcImage, g_pCannyImg, threshold, threshold * 3, 3);

    cvShowImage(pstrWindowsCannyTitle, g_pCannyImg);

}

int main()

{

    const char *pstrImageName = "001.jpg";

    const char *pstrWindowsSrcTitle = "原图(http://blog.csdn.net/MoreWindows)";

    const char *pstrWindowsToolBar = "Threshold";



    //从文件中载入图像的灰度图CV_LOAD_IMAGE_GRAYSCALE - 灰度图

    g_pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_GRAYSCALE);

    g_pCannyImg = cvCreateImage(cvGetSize(g_pSrcImage), IPL_DEPTH_8U, 1);



    //创建窗口

    cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);

    cvNamedWindow(pstrWindowsCannyTitle, CV_WINDOW_AUTOSIZE);



//创建滑动条

    int nThresholdEdge = 1;

    cvCreateTrackbar(pstrWindowsToolBar, pstrWindowsCannyTitle, &nThresholdEdge, 100, on_trackbar);



    //在指定窗口中显示图像

    cvShowImage(pstrWindowsSrcTitle, g_pSrcImage);

    on_trackbar(1);



    //等待按键事件

    cvWaitKey();



    cvDestroyWindow(pstrWindowsSrcTitle);

    cvDestroyWindow(pstrWindowsCannyTitle);

    cvReleaseImage(&g_pSrcImage);

    cvReleaseImage(&g_pCannyImg);

    return 0;

}
运行效果如图所示：

本篇介绍了Canny边缘检测，这种方法能有效的找出图像中的所有边缘。后面将还有文章介绍在OpenCV中对图像进行轮廓检测，欢迎继续浏览。在对图像进行轮廓检测前必须要先对图像进行二值化，因此请先看《【OpenCV入门指南】第四篇图像的二值化》

转载请标明出处，原文地址：http://blog.csdn.net/morewindows/article/details/8239625
@青山不移，文笔不息。学习，坚持,梦想青春！
相关阅读:
【Android】HAL分析
 【qt】QT 的信号与槽机制
 【驱动】DM9000A网卡驱动框架源码分析
 【驱动】LCD驱动(FrameBuffer)分析
 告别我的OI生涯
 诸神的黄昏——北林退役帖合集
 cf592d
北京林业大学就读体验
 hdu 5442 (ACM-ICPC2015长春网络赛F题)
JAVA入门[4]-IntelliJ IDEA配置Tomcat
原文地址：https://www.cnblogs.com/pengwenzheng/p/8476746.html

边缘检测》》》》

一. 主要函数

1.1 cvCanny

1.2 cvCreateTrackbar

1.3 CvTrackbarCallback

二. 示例程序代码