1.cvCvtColor()
色彩空间转换函数
格式:cvCvtColor(源图像,输出图像,code)
code是指色彩空间转换的模式.
选用CV_BGR2GRAY时表示转换为灰度图片,BGR TO GRAY 原来是这个意思呀.
除了能转换成灰度之外还能转换成HSV等类型.
OK先了解到这里好了.
2.cvSmooth()
图像平滑函数
格式:cvSmooth(源图像,输出图像,smoothtype)
smoothtype是指平滑方法.
比如这么写 cvSmooth(pImg8u,pImg8uSmooth,CV_GAUSSIAN,3,0,0) = cvSmooth(pImg8u,pImg8uSmooth);
其实是一样的,因为后三个参数这么写其实是默认值
CV_GAUSSIAN (gaussian blur) - 对图像进行核大小为 param1×param2 的高斯卷积.
3.cvCanny()
边缘检测,使用Canny算法
格式:cvCanny(源图像,输出图像,lowThresh,highThresh,int apertureSize)
aperture:['æpətʃə; -tj(ʊ)ə] n.孔,光圈,孔径.
源图像必须是灰度图像.
输出图像也是灰度图像,其实是黑白图像,或者按着书上说的是布尔图像.
用于检测轮廓必须要区分轮廓像素与区域的像素:
像素的梯度>上限阈值highThresh => 边缘像素
像素的梯度<下限阈值lowThresh => 区域的像素 (会被抛弃)
apertureSize = 3 默认值. 先不做研究.
4.cvHoughLines2()
在图像中寻找直线,圆等简单形状的方法.
搜到的是cvHoughLines,不知道是不是第二代的意思......
也许是因为它可以访问两种变换算法
"此函数是opencv图像变换函数中的一个，主要用来访问霍夫变换的两个算法———标准霍夫变换（SHT）和累计概率霍夫变换（PPHT）。"
格式:
CvSeq* cvHoughLines2( CvArr* image, void* line_storage, int method, double rho, double theta, int threshold, double param1=0, double param2=0 );
- image
- 输入 8-比特、单通道 (二值) 图像
- 补充:虽然是8bit单通道,但是输入信息被看成是二值的,非零的那些像素都被认为是相等的相当于只有零和非零像素两类
- 另一点注意,当用CV_HOUGH_PROBABILISTIC方法检测的时候其内容会被函数改变!!
- line_storage
- 检测到的线段存储仓. (也是可以是内存存储仓 这里略掉一部分)
- method
- Hough 变换变量，是下面变量的其中之一：
- CV_HOUGH_STANDARD - 传统或标准 Hough 变换. 每一个线段由两个浮点数 (ρ, θ) 表示，其中 ρ 是直线与原点 (0,0) 之间的距离，θ 线段与 x-轴之间的夹角。因此，矩阵类型必须是 CV_32FC2 type.
- CV_HOUGH_PROBABILISTIC - 概率 Hough 变换(如果图像包含一些长的线性分割，则效率更高). 它返回线段分割而不是整个线段。每个分割用起点和终点来表示，所以矩阵（或创建的序列）类型是 CV_32SC4.补充: 所谓"概率" 是指只累加 累加器平面 内的一部分点.想法是,如果峰值足够高,只用一小部分时间去寻找他就够了.这个猜想能够实质性地减少计算时间.
- CV_HOUGH_MULTI_SCALE - 传统 Hough 变换的多尺度变种。线段的编码方式与 CV_HOUGH_STANDARD 的一致。(先无视之)
- rho
- 与象素相关单位的距离精度,rho的单位是像素
- theta
- 弧度测量的角度精度
- threshold
- 阈值参数。如果相应的累计值大于 threshold， 则函数返回的这个线段.
- 这个变量实际上表示支持所返回的直线的点的数量.
- param1
- 第一个方法相关的参数:
- 对传统 Hough 变换，不使用(0).
- 对概率 Hough 变换，它是最小线段长度.
- 对多尺度 Hough 变换，它是距离精度 rho 的分母 (大致的距离精度是 rho 而精确的应该是 rho / param1 ).
- param2
- 第二个方法相关参数:
- 对传统 Hough 变换，不使用 (0).
- 对概率 Hough 变换，这个参数表示在同一条直线上进行碎线段连接的最大间隔值(gap), 即当同一条直线上的两条碎线段之间的间隔小于param2时，将其合二为一。
- 对多尺度 Hough 变换，它是角度精度 theta 的分母 (大致的角度精度是 theta 而精确的角度应该是 theta / param2).
eg. 使用概率Hough变换的例子
CvSeq* lines=cvHoughLines2(pImgCanny,storage,CV_HOUGH_PROBABILISTIC,1,CV_PI/180,140,70,10);
//在原图像上画红直线,将直线标示出来
int i;
for(i=0;i<lines->total;i++) //对所有检测到的直线
{
CvPoint* point=(CvPoint*)cvGetSeqElem(lines,i);
cvLine(pImg,point[0],point[1],CV_RGB(255,0,0),1,8,0);
}
5.cvSobel()
Sobel微分算子
格式:cvSobel(输入图像,输出图像,xorder,yorder)
void cvSobel( const CvArr* src, CvArr* dst, int xorder, int yorder, int aperture_size=3 );
src: 输入灰度以及高斯去噪之后的图像.
xorder,yorder : 指的是求导的阶数,0表示这个方向不求导,1表示求1阶导数,最多求2阶导数.
1,0 表示对x方向求导,过滤掉"横线",留下"竖线";
0,1 表示对y方向求导,过滤掉"竖线",留下"横线".
如图,分别表示对x求导与对y求导,最后附上原图
以上内容部分摘自http://www.opencv.org.cn/index.php/Cv%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86
部分摘自<<学习OpenCV中文版>>