opencv笔记

1.Mat  的几种初始化方法：

通过外部指针赋值：  

Mat m(height, width,CV_8UC(3),rgb)  ;

初始化为任意像素：

Mat M(2,2, CV_8UC3, Scalar(0,0,255)); 

初始化为0：

Mat mask = Mat::zeros( pic.size(),CV_8UC1 );

imread 的第二个参数

>0  读取三通道 

=0 读取灰度图

<0 按照其本来的通道读取，可以有alpha通道

Mat m = (Mat<double>(3,3)<<1,2,3,4,5,6,7,8,9);

Mat 增加行：t1.push_back( Mat( 1,t1.cols,t1.type(),Scalar(0) ) );

2. Mat 读像素值，和写像素值

//read

Vec3b p= m[0].at<Vec3b>(j,i);第一个参数是行，第二个参数是列

//write

 _m[i].at<Vec3b>(k,j) = p[3];

unsigned char* p = &(dst.data[(j*width + i)*3 ]) ;

p[0],p[1], p[2] 分别代表BGR

Float  类型

 Mat img1(ROWS , COLS , CV_32FC1); 
 
 for (int i=0; i<ROWS ; i++)   
 {   
     float* pData1=img5.ptr<float>(i);  
     for (int j=0; j<COLS ; j++)   
     {   
         pData1[j] = 3.2f;   
     }   
 }   
 

3.

 画矩形 ：rectangle( m, out, Scalar(0,0,255), 1, 8, 0 );  

画圆： circle( img, center, WINDOW_WIDTH/32 , Scalar(0,0,255) , thickness, linType );

画线 ：line(picture,a,center,Scalar(255,0,0));

写字 ： putText(Mat&img, const string& text, Point org, intfontFace, double fontScale, Scalar color, intthickness=1, int lineType=8, bool bottomLeftOrigin=false)

  如果 thickness等于 CV_FILLED则表示填充整个矩形。

4. 存储图片

char filename[100];
sprintf( filename,"template_%d.png",i );
vector<int> params;
params.push_back(CV_IMWRITE_PNG_COMPRESSION);
params.push_back(9); 
imwrite(filename, _m, params );

5. 将logo加到原图上

addWeighted(roi, 0.5, logo, 0.3, 0., roi);

1、 第1个参数，输入图片1， 

2、第2个参数，图片1的融合比例

3、第3个参数，输入图片2

4、第4个参数，图片2的融合比例

5、第5个参数，偏差

6、第6个参数，输出图片

6. 颜色空间转换

cvtColor( src,dst, COLOR_YUV420sp2BGR)

7. 通道分离

split( src, channels );

img0 = channels.at(0);

8. 通道合并

9 直方图均衡化

equalizeHist( src, dst );

10 二值图像中寻找轮廓

findContours()

11 绘制轮廓

drawContours()

12 图片修复

inpaintMask = Mat::zeros(srcImage1.size(), CV_8U);
inpaint(srcImage1, inpaintMask, inpaintedImage, 3, CV_INPAINT_TELEA);

13 获取运算时间

unsigned long begin = getTickCount();
... ...
unsigned long interv = getTickCount()-begin;

int val = 1000*(interv)/getTickFrequency() ;

14 腐蚀和膨胀

//Point(-1,-1),内核中心点。省略时为默认值。

//iterations:膨胀次数。省略时为默认值1。

dilate(binary,bg,cv::Mat(),cv::Point(-1,-1),6) 

腐蚀函数为erode， 参数和上述一样

开运算 ： 先腐蚀后膨胀，可以用于消除白色噪声

　　　　  

闭运算：把黑色的噪声编程白色，用于扩大选区

　　　　

15：waitKey()

waitKey()函数的功能是不断刷新图像，频率时间为delay，单位为ms。

返回值为当前键盘按键值。

所以显示图像时，如果需要在imshow(“xxxx”,image)后吐舌头加上waitKey()为大于等于0的数即可，那么程序将会停在显示函数处，不运行其他代码;直到键盘值为key的响应之后。

16 BGR转灰度图

17 bgr转换为lab空间为何转换后是0-255？

• L = L * 255 100, a = a + 128, b = b + 128

18 Mat  和  IplImage 互转

IplImage* pBinary = &(IplImage(src)); 

cv::Mat img(pImg,0);

19 打开 ip摄像机

    const std::string videoStreamAddress = "rtsp://192.168.1.156:554/ch1/1"; 
    if(!vcap.open(videoStreamAddress)) {}

打开视频

VideoCapture inputVideo("test.mp4");  

打开摄像头

VideoCapture cap(0);

cap.set( CV_CAP_PROP_FRAME_WIDTH,640);

cap.set( CV_CAP_PROP_FRAME_HEIGHT,480 );

if(!cap.isOpened()){

}

 

20 查找面积最大的轮廓，绘制轮廓， 匹配轮廓矩形

//【4】定义轮廓和层次结构
Mat dstImage( src.size(),CV_8U );
vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
findContours( color_mask, contours, hierarchy,
CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE );

hierarchy ：  中的4个值分，第一个表示后一个轮廓，第二个表示前一个轮廓，第三个表示子轮廓，第四个表示父轮廓

//找出面积最大的轮廓，并绘制。
for(int index = 0; index >= 0; index = hierarchy[index][0] )
{
Scalar color( rand()&255, rand()&255, rand()&255 );
//Scalar color( rand()&255, rand()&255, rand()&255 );
double g_dConArea = abs(contourArea(contours[index], true));
cout<<g_dConArea<<endl;
if( g_dConArea > 10000 )
drawContours( dstImage, contours, index, color, CV_FILLED, 8, hierarchy );
}
//查找矩形

RotatedRect box = minAreaRect( dstImage );

   —CV_RETR_EXTERNAL：只检测外轮廓。忽略轮廓内部的洞。

    —CV_RETR_LIST：检测所有轮廓，但不建立继承(包含)关系。

    —CV_RETR_TREE：检测所有轮廓，并且建立所有的继承(包含)关系。也就是说用CV_RETR_EXTERNAL和CV_RETR_LIST方法的时候hierarchy这个变量是没用的，因为前者没有包含关系，找到的都是外轮廓，后者仅仅是找到所哟的轮廓但并不把包含关系区分。用TREE这种检测方法的时候我们的hierarchy这个参数才是有意义的。事实上，应用前两种方法的时候，我们就用findContours这个函数的第二种声明了。

    —CV_RETR_CCOMP：检测所有轮廓，但是仅仅建立两层包含关系。外轮廓放到顶层，外轮廓包含的第一层内轮廓放到底层，如果内轮廓还包含轮廓，那就把这些内轮廓放到顶层去。

21 putText 写文字 函数的参数解释

void putText(Mat&img, const string& text, Point org, intfontFace, double fontScale, Scalar color, intthickness=1, int lineType=8, bool bottomLeftOrigin=false)

参数为

• img – 图像矩阵
• text – string型 文字内容
• org – 文字坐标，以左下角为原点
• fontFace – 字体类型  （包括 FONT_HERSHEY_SIMPLEX,FONT_HERSHEY_PLAIN, FONT_HERSHEY_DUPLEX, FONT_HERSHEY_COMPLEX,FONT_HERSHEY_TRIPLEX, FONT_HERSHEY_COMPLEX_SMALL, FONT_HERSHEY_SCRIPT_SIMPLEX, orFONT_HERSHEY_SCRIPT_COMPLEX,）
• fontScale –字体大小
• color – 字体颜色
• thickness – 字体粗细
• lineType – Line type. See the line for details.
• bottomLeftOrigin – When true, the image data origin is at the bottom-left corner. Otherwise, it is at the top-left corner.

 

如： 

putText(img, "blog.csdn.net/boksic" , Point(0, int(img.rows*0.9)), CV_FONT_HERSHEY_COMPLEX,img.cols/400, cvScalar(200, 200, 200, 0));




22.  点积  A.dot(B)

对应为的乘积 A.mul(B)

叉乘   A*B 


23  直方图均衡化

equalizeHist( frame_gray, frame_gray );

24. 人脸检测

face_cascade->detectMultiScale(frame_gray, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));

　　faces--被检测物体的矩形框向量组；

　　1.1 ： 1.1即每次搜索窗口依次扩大10%

　　2： minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。
        如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
        如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
        这种设定值一般用在用户自定义对检测结果的组合程序上；

　　　　　　　　flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，

　　　　　　　　minSize和maxSize用来限制得到的目标区域的范围。

25 预编译指令判断 opencv版本

#define CV_VERSION_MAJOR 3
#define CV_VERSION_MINOR 3
#define CV_VERSION_REVISION 1

26 opencv CUDA / CUDA 笔记

26.1

// 在CUDA 中执行函数 语法：函数名称<<<block 数目, thread 数目, shared memory 大小>>>(参数...); 

sumOfSquares << <1, 1, 0 >> >(gpudata, result);

26.2  thread block

dim3 blocks(32,32);

dim3 threads(16,16);（与dim3 threads（16,16,1）等价）

　　dim3是神马？dim3是一个内置的结构体，dim3结构变量有x，y，z，表示3维的维度,如果只需要二维，定义时只需将第三元缺省或置为1。

kernelfun<<<blocks, threads>>>();

blocks表示Gird里有二维的32*32个block，而每个block中又用了16*16的二维的thread组。好吧，我们这个施令动用了262144个线程

 

26.3

在内核函数内部，CUDA为我们内建了一些变量用于访问线程格、线程块的尺寸和索引等信息，它们是：

      1. gridDim：代表线程格（grid）的尺寸，gridDim.x为x轴尺寸，gridDim.y、gridDim.z类似。拿上图来说，
它的gridDim.x = 3，gridDim.y = 2，gridDim.z = 1;

      2. blockIdx：代表线程块（block）在线程格（grid）中的索引值，拿上图来说，Block（1,1）的索引值为：blockIdx.x = 1，blockIdx.y = 1;

      3. blockDim：代表线程块（block）的尺寸，blockDIm.x为x轴尺寸。拿上图来说，注意到Block（1,1）包含了4 * 3个线程，因此blockDim.x = 4, blockDim.y = 3;

      4. threadIdx：代表线程的索引，如Thread(3,2)，则threadIdx.x=3,threadIdx.y=2;

 

26.3  <<<>>> 中参数的含义

 

 

26.4 opencv 中出现 mutiple 的解决方法

#include <opencv2/cudev.hpp>
#include "opencv2/core/cuda/common.hpp"
#include <opencv2/core/cuda.hpp>
#include <opencv2/core/cuda_stream_accessor.hpp>

这些文件只能包含到.cu文件里去，千万不要包含到头文件中。

global 函数的声明和定义都要加“__global__”  修饰符    

device函数只需要加声明上就行了，定义不需要加

global 和 device 函数要放在两个cu文件中定义  不然会出奇葩的错误 ， 我也不知道是为什么。。

 

 

 

 

27 漫水填充    https://www.cnblogs.com/xixixing/p/6040732.html

 

 28翻转、旋转和转置

28.1  翻转 flip

C++: void flip(InputArray src, OutputArray dst, int flipCode)

参数介绍：

src: 即输入矩阵

dst: 即输出矩阵

flipCode: 旋转码，即控制函数对矩阵进行怎样的旋转。当参数flipCode=0时，将对矩阵沿X轴方向翻转；当flipCode>0时，将对矩阵沿Y轴方向翻转；当flipCode<0时，将对矩阵沿XY轴方向翻转。

 28.2 转置

 transpose(m1, m3);  

28.3 旋转90度

29   resize  参数

• INTER_NEAREST - 最邻近插值
• INTER_LINEAR - 双线性插值，如果最后一个参数你不指定，默认使用这种方法
• INTER_AREA - resampling using pixel area relation. It may be a preferred method for image decimation, as it gives moire’-free results. But when the image is zoomed, it is similar to the INTER_NEAREST method.
• INTER_CUBIC - 4x4像素邻域内的双立方插值
• INTER_LANCZOS4 - 8x8像素邻域内的Lanczos插值

31特征点、单应性矩阵等

31.1   

Mat H = findHomography(obj, scene, RANSAC);                          //  根据一一对应的点集obj 和 scene 找出单应性矩阵H

perspectiveTransform(obj_corners, scene_corners, H);              //  根据输入点和单应性矩阵H   计算投影区域    obj_corners 和 scene_corners 为已知

31.1   opencv3 中  特征点检测，  和2不一样了

opencv3.3   中SurfFeatureDetector、SurfDescriptorExtractor、BruteForceMatcher这三个的使用方法已经和原先2.4版本前不一样了。

使用方法示例如下：

cv::Ptr<Feature2D> detector = xfeatures2d::SURF::create(400);
std::vector<KeyPoint> keypoints_object, keypoints_scene;

detector->detect(img_object, keypoints_object);
detector->detect(img_scene, keypoints_scene);

Mat descriptors_object, descriptors_scene;
detector->compute(img_object, keypoints_object, descriptors_object);
detector->compute(img_scene, keypoints_scene, descriptors_scene);

 

 

32  随机数

RNG可以产生3种随机数
RNG(int seed)         使用种子seed产生一个64位随机整数，默认-1
RNG::uniform( )      产生一个均匀分布的随机数
RNG::gaussian( )    产生一个高斯分布的随机数

RNG::uniform(a, b )  返回一个[a,b)范围的均匀分布的随机数，a,b的数据类型要一致，而且必须是int、float、double中的一种，默认是int。

RNG::gaussian( σ)   返回一个均值为0，标准差为σ的随机数。

33  计时

        cv::TickMeter tm;
        tm.reset();
        tm.start();
        std::vector<Window> faces = detector.DetectFace(img);
        tm.stop();
        std::cout << "Image: " << i << std::endl;
        std::cout << "Time Cost: "<< tm.getTimeMilli() << " ms" << std::endl;

34  opencv  各版本的差异

http://www.cnblogs.com/shine-lee/p/9884551.html

35  opencv 静态库

IlmImfd.lib
ippicvmt.lib
ippiwd.lib
ittnotifyd.lib
libjasperd.lib
libjpegd.lib
libpngd.lib
libtiffd.lib
libwebpd.lib
zlibd.lib
opencv_core340d.lib
opencv_highgui340d.lib
opencv_imgproc340d.lib

opencv_imgcodecs340d.lib

IlmImf.lib
ippicvmt.lib
ippiw.lib
ittnotify.lib
libjasper.lib
libjpeg.lib
libpng.lib
libtiff.lib
libwebp.lib
zlib.lib
opencv_core340.lib
opencv_highgui340.lib
opencv_imgproc340.lib
opencv_imgcodecs340.lib

35  

cv::convertScaleAbs()用于实现对整个图像数组中的每一个元素，进行如下操作：

36 matchTemplate  参数解释

https://blog.csdn.net/qq_18343569/article/details/48004497

37  霍夫直线检测

HoughLinesP参数分析

void HoughLinesP(InputArray image,OutputArray lines, double rho, double theta, int threshold, double minLineLength=0,double maxLineGap=0 )

image为输入图像，要求是单通道，8位图像

lines为输出参数，4个元素表示，即直线的起始和终止端点的4个坐标（x1,y1）,(x2,y2)

rho为距离分辨率，一般为1

heta为角度的分辨率，一般CV_PI/180

threshold为阈值，hough变换图像空间值最大点，大于则执行

minLineLength为最小直线长度（像素），即如果小于该值，则不被认为是一条直线

maxLineGap为直线间隙最大值，如果两条直线间隙大于该值，则被认为是两条线段，否则是一条。

38    reshap 函数

C++: Mat Mat::reshape(int cn, int rows=0) const

参数比较少，但设置的时候却要千万小心。

cn: 表示通道数(channels), 如果设为0，则表示保持通道数不变，否则则变为设置的通道数。

rows: 表示矩阵行数。 如果设为0，则表示保持原有的行数不变，否则则变为设置的行数。

39:  depth   

上面是一个 3 X 4 X 6 的矩阵，假设其数据类型为 CV_16SC4，也就是 short 类型

• M.dims == 3 ; M.channels() == 4 ; M.elemSize1() == sizeof(short) == 2 ;
• M.rows == M.cols == –1；
• M.elemSize() == M.elemSize1() * M.channels() == M.step[M.dims-1] == M.step[2] == 2 * 4 == 8;
• M.step[0] == 4 * 6 * M.elemSize() == 192；
• M.step[1] == 6 * M.elemSize() == 48；
• M.step[2] == M.elemSize() == 8；
• M.step1(0) == M.step[0] / M.elemSize() == 48 / 2 == 96 （第一维度(即面的元素个数) * 通道数）；
• M.step1(1) == M.step[1] / M.elemSize() == 12 / 2 == 24（第二维度(即行的元素个数/列宽) * 通道数）；
• M.step1(2) == M.step[2] / M.elemSize() == M.channels() == 4（第三维度(即元素) * 通道数）；

40   mat  表示3维矩阵

float* d1=new float[a*b*c];
    for(int i=0;i<a*b*c;i++)
        d1[i] =(float)i;
    Mat myND=Mat(3,size,CV_32F,d1);

https://www.cnblogs.com/phoenixdsg/p/6908029.html

41  二范数：

double l2 = cv::norm(diffm, cv::NORM_L2);

//l2 = sqrt(   a00*a00 + ... + ann*ann ); 

42   threshold

cv::threshold(src, src, 128, 255,cv::THRESH_TOZERO);   //小于128 设置为0
cv::threshold(src, src, 128, 255, cv::THRESH_TOZERO_INV); //大于128设置为0
cv::threshold(src, src, 64, 255, cv::THRESH_BINARY);  // 二值化  ， 128 为分界点

43  ipp 库  最小值滤波

　　ippiFilterMinBorder_8u_C1R(src.data, w, dst.data, w, { w,h }, { 17,17 },  ippBorderMirror, 0, tmp);