Opencv 笔记
路径问题：
路径输入：Opencv载Qt中不能出现汉字，路径也不能出现汉字在vs中可以出现。
（”D:/QTopencv/.1jpg”）=（”D:\QTopencv\.1jpg”）
形态学函数操作;
Mat element = getStructuringElement( erosion_type, Size( 2*erosion_size + 1, 2*erosion_size+1 ), Point( erosion_size, erosion_size ) );
Erode( I，I1，element)
I：原始图像，I1腐蚀后图像;
Erosion_type（腐蚀类型，MORPH—形态学）
矩形：MORPH_RECT
交叉形：MORPH_CROSS
椭圆：MORPH_ELLIPSE
空间颜色转换：
cvtclolor(原始图像，转换后图像，转换类型)；
blurl滤波
blur(InputArray src,OutputArray dst,Size ksize,Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT )
src：输入图像
dst:输出图像
ksize: 模糊核的大小
常用函数；
Mat srcImage = imread("C:/Users/Administrator/Desktop/车牌识别/车牌图像库/1.jpg");//读入图像函数
imshow("原图",srcImage);//显示图像函数
imwrite("图3.jpg",imageRIO);//保存图像函数
Mat imageRIO = srcImage(Rect(50,50,100,000));//感兴趣区域函数
cvtColor(srcImage,dstImage,CV_BGR2GRAY);//图像灰度化
//边缘检测 Sobel Laplacian Canny 其中Canny算子只能处理（8位）灰度图，其余两种8位32位都可以
Mat grad_x,grad_y;
Sobel(imgGray,grad_x,CV_8U,1,0,3,1,1);//X方向上的Sobel算子检测，其中3，1，0都是默认值
Sobel(imgGray,grad_y,CV_8U,0,1,3,1,0);//Y方向上的Sobel算子检测，其中3，1，0都是默认值
addWeighted(grad_x,0.5,grad_y,0.5,0,dstImage);//合并梯度
Laplacian(imgGray,dstImage,CV_8U);
Canny(imgGray,dstImage,50,200,3);//50和200表示第一个滞后性阈值和第二个滞后性阈值，较小者用于边缘连接，较大者控制强边缘的初始段，达阈值opnecv推荐为小阈值的3倍；
//3表示应用的Sobel算子的孔径大小 有默认值为3；
// 寻找轮廓 只处理8位 即灰度图像
vector<vector<Point>> contours;
findContours(imgGray,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE);
drawContours(dstImage,contours,-1,Scalar(0),3);
imshow("轮廓图",dstImage);
//阈值化操作
threshold(srcImage,dstImage,100,255,3);
imshow("固定阈值化图像",dstImage);
adaptiveThreshold(imgGray,dstImage,255,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY,3,1);
imshow("自适应阈值化图像",dstImage);
// resize函数实现
resize(srcImage,dstImage,Size(),0.5,0.5);//缩小为一半
resize(srcImage,dstImage,Size(),2,2);//放大2倍
resize(srcImage,dstImage,Size(srcImage.cols*3,srcImage.rows*3));//放大3倍
// 金字塔函数实现
pyrUp(srcImage,dstImage,Size(srcImage.cols*2,srcImage.rows*2));// 放大2倍
pyrDown(srcImage,dstImage,Size(srcImage.cols/2,srcImage.rows/2));// 缩小2倍
//漫水填充算法
Rect ccomp;
floodFill(srcImage,Point(50,300),Scalar(155,255,55),&ccomp,Scalar(20,20,20),Scalar(20,20,20));
//膨胀腐蚀
Mat element = getStructuringElement(MORPH_RECT,Size(15,15));
erode(srcImage,dstImage,element);//腐蚀函数
dilate(srcImage,dstImage,element);//膨胀函数
morphologyEx(g_bgrImage,g_bgrImage, MORPH_CLOSE, element);//闭运算
morphologyEx(g_bgrImage,g_bgrImage, MORPH_OPEN, element);//开运算
//滤波
boxFilter(srcImage,dstImage,-1,Size(3,3));
imshow("方框滤波图",dstImage);
blur(srcImage,dstImage,Size(3,3));
imshow("均值滤波图",dstImage);
GaussianBlur(srcImage,dstImage,Size(5,7),1,1);
imshow("高斯滤波图",dstImage);
medianBlur(image,out,7);//中值滤波，7为孔径的线性尺寸
bilateralFilter(src,dst,d,sigmaColor,sigmaSpace);//双边滤波，d表示过滤过程中每个像素邻域的直径，sigmaColor颜色空间滤波器的sigma值，sigmaSpace表示坐标空间中滤波器的sigma值
bilateralFilter(image,out,25,25*2,25/2);
背景问题
颜色属性由两个十六进制数字指定 -- 第一个为背景，第二个则为前景。每个数字可以为以下任何值之一:
0 = 黑色 8 = 灰色
1 = 蓝色 9 = 淡蓝色
2 = 绿色 A = 淡绿色
3 = 湖蓝色 B = 淡浅绿色
4 = 红色 C = 淡红色
5 = 紫色 D = 淡紫色
6 = 黄色 E = 淡黄色
7 = 白色 F = 亮白色
system("color 02");比如这个就是黑底绿字
创建矩阵
Mat scrImmage, dstImage;//原始图像，
1、dstImage. create(srcImage .rows, srcImage .cols, srcImage. type());
2、dstImage = Mat::zeros(srcImage.size(), srcImage.type());
3、dstImage=srcImage.clone();
效果的大小，类型与原图像相同；
创建滑动条
creatTrackbar(const string& trackbarname, const string &winname, int *value ,int count,TrackbarCallback onChange=0,void* userdata=0)
1、第一个参数轨迹条名字，
2、第二个参数窗口名字
3、int性的指针，一个指向整型的指针，表示滑块位置。在创建时滑块的初始位置就是该变量的值。
4、第四个参数int*类型的count，表示滑块可以达到的最大位置，滑块最小位置始终为0；