OpenCV教程

CLion+OpenCV 开发环境搭建

参考链接

参考

OpenCV安装好后只需CLion里编写CMakeList.txt文件指定opencv路径即可,不需要特殊设置

CMakeList.txt

#设置最低版本的cmake要求
cmake_minimum_required(VERSION 3.14)
#设置项目信息
project(cvtest00)
#set(PROJECT_NAME cvtest00)
#project(${PROJECT_NAME})

#设置编译器版本
set(CMAKE_CXX_STANDARD 14)

#设置源文件（主文件名）
#set(SOURCE_FILES main.cpp)
#设置要生成可执行程序的文件名
#add_executable(cvtest00 ${SOURCE_FILES})
#主函数生成可执行文件
add_executable(cvtest00 main.cpp)

#寻找opencv库
find_package(OpenCV REQUIRED)
#添加头文件
include_directories(${OpenCV_INCLUDE_DIRS})

#打印调试信息
MESSAGE(STATUS "Project:cvtest00")
MESSAGE(STATUS "Project Dirrectory: ${PROJECT_SOURCE_DIR}")

#设置调试模式，debug会输出调试信息
SET(CMAKE_BUILD_TYPE DEBUG)

#添加自己写的其他函数文件，注意这个名字不能和工程名冲突
#ADD_LIBRARY( STATIC imgfeatures.cpp imgfeatures.h kdtree.h kdtree.cpp minpq.h minpq.cpp sift.h sift.cpp utils.cpp utils.h xform.h xform.cpp)

#设置链接库
target_link_libraries(cvtest00 ${OpenCV_LIBS})

main.cpp测试代码

#include <opencv2/opencv.hpp>
#include <iostream>
#include <string>
using namespace cv;
using namespace std;
int main(int argc,char **argv)
{
    Mat img = imread("/home/chao/Desktop/test.jpg");    //  绝对路径
    Mat img = imread("../test.jpg");    //  按照编译后可执行程序路径开始算???
    cout<<img;
    if(img.empty())
    {
        cout<<"error";
        return -1;
    }
    cout<<"\nMy picture: "<< img.size() <<endl;
    imshow("image",img);
    waitKey();
    return 0;
}

报错: Gtk-WARNING **: 22:16:16.681: Unable to locate theme engine in module_path:

原因是缺少gnome组件

sudo apt install gnome-themes-standard

报错: terminate called after throwing an instance of 'cv::Exception' what(): OpenCV(3.4.5) /home/chao/opencv/opencv-3.4.5/modules/highgui/src/window_gtk.cpp:1257: error: (-215:Assertion failed) found && "Can't destroy non-registered window" in function 'cvDestroyWindow'

原因是图片没有正确读取,请先测试图片是否正确加载,(文件相对路径似乎是按照编译后的可执行文件的相对路径算??)

报错: CMake throws Error: could not load cache

原因是 CLion自动创建的CMake的 cmake-build-debug 编译文件受损不完整,直接 File---"Reload CMake Project"

Mat类分为了两个部分:矩阵头和指向矩阵数据部分的指针，data就是指向矩阵数据的指针

depth数值 具体类型 取值范围 CV_8U 8 位无符号整数 （0……255） CV_8S 8 位符号整数 （-128……127） CV_16U 16 位无符号整数 （0……65535） CV_16S 16 位符号整数 （-32768……32767） CV_32S 32 位符号整数 （-2147483648……2147483647） CV_32F 32 位浮点数 （-FLT_MAX ………FLT_MAX，INF，NAN) CV_64F 64 位浮点数 （-DBL_MAX ……….DBL_MAX，INF，NAN)

type类型

Mat类

Mat类用于表示一个多维的单通道或者多通道的稠密数组。能够用来保存实数或复数的向量、矩阵，灰度或彩色图像，立体元素，点云，张量以及直方图（高维的直方图使用SparseMat保存比较好）。简而言之，Mat就是用来保存多维的矩阵的。Mat对象OpenCV2.0之后引进的图像数据结构、自动分配内存、不存在内存泄漏的问题，是面向对象的数据结构。

Mat类可以分为两个部分：矩阵头和指向像素数据的矩阵指针

矩阵头: 包括数字图像的矩阵尺寸、存储方法、存储地址和引用次数等，矩阵头固定格式，不会随着图像的大小而改变 数据指针: 指向像素数据的矩阵指针

OpenCV行图像复制和传递时，不再复制整个Mat数据，而只是复制矩阵头和指向像素矩阵的指针

构造函数

cv::Mat::Mat(int rows, int cols, int type) # 矩阵的rows行数,cols 列数,存储类型type

cv::Mat::Mat(int rows, int cols,i nt type, const Scalar &s) # 矩阵的rows行数,cols 列数,存储类型type,Scalar &s 通过Scalar数据类来初始化每个通道元素值,向量长度对应通道数目一致

​ Mat M(2,2,CV_8UC3) # 表示M是一个3,4的矩阵，每个通道是8位Unsigned Char类型,3通道, [ 0, 0, 0, 0, 0, 0, 0, 0, 0; 0, 0, 0, 0, 0, 0, 0, 0, 0]

​ Mat M(2,2,CV_8UC3, Scalar(0,0,255)) [ 0, 100, 255, 0, 100, 255, 0, 100, 255; 0, 100, 255, 0, 100, 255, 0, 100, 255]

cv::Mat::Mat(Size size, int type) # 矩阵的大小(Size),以及存储类型(type)

cv::Mat::Mat(Size size, int type, const Scalar &s) # 矩阵的大小(Size),存储类型(type) ,Scalar &s

Mat src2(Size(30, 40), CV_32FC3) # 表示src是一个Size(30,40)的矩阵，且矩阵元素以32位float型存储

cv::Mat::Mat(int ndims, const int * sizes, int type) # 矩阵的维数(ndims),指定维数组形状的整数数组(sizes)??,数组的类型(type)

cv::Mat::Mat(int ndims, const int * sizes,int type, const Scalar& s) #

Mat src1(300, 400, CV_8UC3,Scalar(255,255,255)) # Scalar(255,255,255)以8位无符号数存储，对应RGB通道值。

cv::Mat::create 创建Mat对象 矩阵

Mat M; M.create(4, 3, CV_8UC3); M = Scalar(1,125,255); cout << "M = " << endl << " " << M << endl << endl; uchar firstRow = M.ptr(0); printf("%d", firstRow);

cv::Mat::Mat(const Mat & m) # 引用m矩阵

定义小数组

// Mat(,) << 创建小数组 Mat kernel = (Mat(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0); cout << "kernel =" << endl << kernel << endl;

int sz[3] = {2,2,2};?? Mat L(3,sz, CV_8UC1, Scalar::all(0)); ?? cout << "L = " << endl << " " << L << endl << endl;??

Mat属性

rows 矩阵的行数

cols 矩阵的列数

size 矩阵的大小

size(cols,rows),如果矩阵的维数大于2，则是size(-1,-1)

dims 矩阵的维度

例如5*6矩阵是二维矩阵，则dims=2，三维矩阵dims=3

channels 通道数

矩阵元素拥有的通道数，例如常见的彩色图像，每一个像素由RGB三部分组成，则channels = 3

data 数据指针

uchar型的指针，指向矩阵数据的指针

type 图像类型

表示矩阵中元素的数据类型以及矩阵的通道数，如CV8UC3，它是一系列的预定义的常量，其命名规则为CV(位数）+（数据类型）+（通道数）

U（unsigned integer）无符号整数，S（signed integer）有符号整数，F（float）浮点数，C（channels）通道数

depth 图像深度(精度)

矩阵中元素的一个通道的数据类型，用来度量每一个像素中每一个通道的精度，如CV_8U、CV_8S、CV_16U、CV_16S、CV_32S、CV_32F、CV_64F

depth和type是相关的,将type的预定义值去掉通道信息就是depth值,例如 type为 CV_16SC2，一个2通道的16位的有符号整数,那么depth则是CV_16S

elemSize 矩阵一个元素占用的字节数，例如：type是CV_16SC3，那么elemSize = 3 * 16 / 8 = 6 bytes

elemSize1 矩阵元素一个通道占用的字节数，例如：type是CV_16CS3，那么elemSize1 = 16 / 8 = 2 bytes = elemSize / channe

step

step1 规整化的step，值为step / elemSize1

Mat 方法

create 创建Mat对象 (创建矩阵)

Mat M; M.create(4, 3, CV_8UC3); M = Scalar(1,125,255);

total 返回矩阵的元素总个数

cvtColor 颜色空间转换

convertTo 矩阵存储类型转换

Mat src = imread("test.png",IMREAD_COLOR); src.convertTo(dst, CV_32FC3); # src转换为32位浮点型,存到dst

at(i,j) 访问矩阵元素

读写单通道灰度GRAY像素点的像素值

Mat src = imread("test.jpg"); // （CV_8UC1） int pixel = src.at(y, x); # 访问test.jpg图像的(y, x)元素

读写三通道彩色BGR像素点的像素值

Mat img = imread("test.jpg"); Vec3f pixel = img.at(y, x); // 三个通道像素值存到pixel数组 float blue = pixel.val[0]; // pixel.val[0/1/2] 对应bgr像素值 float green = pixel.val[1]; float red = pixel.val[2];

img.at(y,x)[index]=value 给每个像素点每个通道赋值

at 各种类型的图像对应表??

---------CV_8U

-----------CV_8S

---------CV_16S

--------CV_16U

-----------CV_32S

----------CV_32F

--------CV_64F

--------CV_8UC3

--------CV_32FC3

ptr ??

empty() ??

clone 矩阵完全复制

“深拷贝”，把Mat对象的头部和数据部分一起复制 Mat image1 = imread("test.png",IMREAD_COLOR); Mat image2 = image1.clone();

“”浅拷贝“”赋值，只会复制Mat对象的头和指针部分，不会复制数据部分,即image2实际上指向的是image1的内存单元。当image1提前被释放掉，image2访问无效。 Mat image1 = imread("test.png",IMREAD_COLOR); Mat image2 = image1;

copyTo 矩阵完全复制

与clone作用类似，使用形式不用

Mat image3; image1.copyTo(image3);

mul 矩阵的乘法

inv 矩阵求逆

t 矩阵转置

zeros() 零矩阵

Mat image = Mat::zeros( image.size(), image.type() ); 创建一张跟原图像大小和类型一致的空白图像

ones 全一阵

eye 对角阵

imread() 读取图像

Mat img = imread("../test.jpg"); // 按照编译后可执行程序路径开始算??? Mat img1 = imread("../test.jpg", IMREAD_UNCHANGED); // 加载原图不做任何改变 Mat img2 = imread("../test.jpg", IMREAD_GRAYSCALE); // 把原图作为灰度图像加载进来 Mat img3 = imread("../test.jpg", IMREAD_COLOR); // 把原图作为RGB图像加载进来

namedWindos() 创建窗口

namedWindow("Window WINDOW_AUTOSIZE", WINDOW_AUTOSIZE); // 不可改变大小 namedWindow("Window WINDOW_NORMAL", WINDOW_NORMAL); // 可拖动改变大小

destroyWindow() 销毁窗口

destroyWindow("My Test");

imshow() 输出图像

imshow("image01", img); imshow(image01, img);

imwrite() 保存图像

imwrite("../newimage.png",img); // 路径按照可执行文件的路径算

waitKey() 等待键盘触发

waitKey(); // 等待键盘触发ms,默认0,一直等待 waitKey(3000); // 等待3000ms

getTickCount() 获取时间

CV_Assert() 断言

若括号中的表达式值为false，则返回一个错误信息。

CV_Assert(testImage.depth() == CV_8U); // 若括号中的表达式值为false，则返回一个错误信息。

filter2D() 二维滤波

saturate_cast 截断,防止溢出(0~255)

bitwise_not 像素按位取反

addWeighted 图像混合

两张图像的Size大小和type类型必须一致才可以混合

RNG 随机数生成器类

RNG 可以产生3种随机数, RNG(int seed) 使用种子seed产生一个64位int随机整数，默认种子-1 RNG::uniform 产生一个指定范围的均匀分布随机数, RNG::gaussian 产生一个高斯随分布机数,

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。

//创建RNG对象，使用默认种子“-1”
RNG rng; // rng既是一个RNG对象，也是一个随机整数

//产生64位整数
int N1 = rng;

//注意: 总是得到double类型数据0.00，因为会调用uniform(int,int),只会取整数，所以只产生0
double N1a = rng.uniform(0,1); // 输入为int型参数,会调用uniform（int，int），只能产生0

//产生[0,1)范围内均匀分布的double类型数据
double N1b = rng.uniform((double)0,(double)1);

//产生[0,1)范围内均匀分布的double类型数据。
double N1d = rng.uniform(0.,1.);

//产生符合均值为0，标准差为2的高斯分布的随机数
double N1g = rng.gaussian(2);

RNG::next 取出下一个64位随机整数,

RNG rng;
int N2 = rng.next(); //返回下一个随机整数，即N1.next();

RNG:: operator 返回下一个指定类型的随机数

int N2a = rng.operator uchar(); //返回下一个无符号字符数
int N2g = rng.operator float(); //返回下一个浮点数
int N2h = rng.operator double(); /返回下一个double型数
int N2i = rng.operator ()(); /和rng.next( )等价
int N2j = rng.operator ()(100); //返回[0,100)范围内的随机数

RNG::fill 用随机数填充矩

//产生[1,1000)均匀分布的int随机数填充 ff 矩阵 Mat ff(3,3);
rng.fill(ff,RNG::UNIFORM,1,1000);
cout << "ff = " << ff << endl ;

Size 图像大小类

Size类成员为width 和 height，分別表示寬和長

Size类操作

默认构造 Size sz;Size2i sz; Size2f p2; 拷贝构造 Size sz2(sz1); 数值初始化 Size sz(w,h); 成员访问 sz.width; sz.height; 计算区域面积 sz.area();

Size size1 = Size(200,100); //Size size1(200, 100); // 或者 Size size2; size2.width = 150; size2.height = 50; int myArea = size2.area(); cout << "Size size1 =" << " " << size1 << endl;

// 输出Size结果数据格式 Size size1 = [200 x 100]

Scalar 标量??长度为4的向量

用来存放4个double型的数组,一般像素各个通道的颜色值，最多可以存放4个通道，默认是0

// OpenCV中 Scalar 的定义 typedef struct Scalar { double val[4]; }Scalar;

Scalar类的操作:

1 默认构造 Scalar s; 2 拷贝构造 Scalar s2(s1); 3 数值初始化 Scalar s(x0); Scalar s(x0,x1,x2,s3); 4 数组元素相乘 s1.mul(s2); 5 共轭 s1.conj();

Scalar color = Scalar(11, 22, 255); // 颜色 //Scalar color(11, 22, 255); // 或者
cout << "Scalar color =" << " " << color << endl;

// 输出Scalar结果数据格式 Scalar color = [11, 22, 255, 0]

Point 点类

成員有x和y,位置坐标,要是輸入浮點數的話，則四捨五入取整數

Point类的操作：

默认构造 Point2i p1;Point3f p2; 拷贝构造 Point3f p2(p1); 数值初始化 Point2i p1(x0,x1);Point3f p2(x0,x1,x2); 转换到Vector类型 (Vec3f) p; 成员访问 p.x; p.y; 点积运算 float x = p1.dot(p2); 双精度点积 double x = p1.ddot(p2); 向量积(仅适用三维) p1.cross(p2); 查询是否在某区域(rectangle)内(仅适用二维) p.inside(r);

Point(int x, int y) // 建構式 Point p1 = Point(20, 30); // 定义点 //Point p1(20, 30); // 或者 Point p2; // 定义点 p2.x = 200; p2.y = 300;

Rect 矩形类

成員有x、y、width、height，分別表示左上角頂點的x座標，左上角頂點的y座標，矩形寬、矩形高，可用area()函式得到面積

Rect类操作

1 默认构造 Rect r; 2 拷贝构造 Rect r2(r1); 3 数值初始化 Rect r(x, y, w , h); 4 点坐标及大小初始化构造 Rect r(p,sz); 5 两点初始化构造 Rect r(p1, p2); 6 成员访问 r.x; r.y; r.width; r.height; 7 计算区域面积 r.area(); 8 提取左上角点 r.tl(); 9 提取右下角点 r.br(); 10 判断点是否在某区域内 r.contains(p); 11 12 重载操作符对象间的运算： 13 矩形1与矩形2的交集 Rect r3 = r1 & r2; 14 包含矩形1与矩形2的最小矩形 Rect r3 = r1 | r2; 15 平移左上角坐标矩形大小不变 Rect r2 = r1 + p; 16 放大或缩小矩形大小，左上角点不变 Rect r2 = r1 + sz; 17 判断两个矩形是否相等 bool eq = ( r1 == r2);bool ne = ( r1 != r2);

Rect(int x, int y, int width, int height) //建構式 Rect rect1 = Rect(100, 40, 150, 300); // 定义矩形位置和长宽 Rect rect2; rect2.x = 20; rect2.y = 30; rect2.width = 250; rect2.height = 100; int myRectArea = rect2.area(); Scalar color = Scalar(255, 0, 0); // 颜色 rectangle(bgImage, rect1, color, 2, LINE_8); // 在bgImage上画矩形

RotatedRec 斜矩形类

成員有矩形的質心center(Point2f類別)，四周長size(Size2f類別)、旋轉角度angle(float類別)，可用points()函式得到四個頂點

RotatedRect类操作

1 默认构造 RotatedRect rr(); 2 拷贝构造 RotatedRect rr2(rr1); 3 数值初始化 RotatedRect rr(p,sz,theta); 4 两点初始化 RotatedRect rr(p1，p2); 5 成员访问 rr.center; rr.size; rr.angle; 6 返回4角点坐标 rr.points(pts[4]);

RotatedRect(const Point2f &center, const Size2f &size, float angle) //建構式 RotatedRect rRect1(Point2f(150,150), Size2f(100,50), 30.0); RotatedRect rRect2; rRect2.center = Point2f(150,150); rRect2.size = Size2f(100,50); rRect2.angle = 30.0; Point2f vertices[4]; rRect2.points(vertices);

line 画直线

line(bgImage, p1, p2, color, 1, LINE_AA); // 在bgImage上画直线

rectangle 画矩形

Rect rect1 = Rect(100, 40, 150, 300); // 定义矩形位置和长宽 Scalar color = Scalar(255, 0, 0); // 颜色 rectangle(bgImage, rect1, color, 2, LINE_8); // 在bgImage上画矩形

circle() 画圆

Scalar color = Scalar(0, 255, 255); // 颜色 Point center = Point(bgImage.cols / 2, bgImage.rows / 2); // 圆心 circle(bgImage, center, 150, color, 2, 8); // 在bgImage上画圆

ellipse() 画椭圆

Scalar color = Scalar(0, 255, 0); // 颜色 Point center = Point(bgImage.cols / 2, bgImage.rows / 2); // 椭圆中心 ellipse(bgImage, center, Size(200,100), 90, 0, 360,color, 2, LINE_8);

polylines

fillPoly 填充多边形??

Point pts[1][5]; pts[0][0] = Point(100, 100); pts[0][1] = Point(100, 200); pts[0][2] = Point(200, 200); pts[0][3] = Point(200, 100); pts[0][4] = Point(150, 150); const Point *ppts[] = {pts[0]}; int npt[] = {5}; Scalar color = Scalar(255, 12, 255); fillPoly(bgImage, ppts, npt, 1, color, 8);

putText() 图片添加文字

putText(image, "OpenCV Tutorial", Point( 200, 100),CV_FONT_HERSHEY_PLAIN, 2.0, Scalar(0, 255, 0), 3, LINE_8);

blur() 均值滤波模糊

blur(Mat src, Mat dst, Size(xradius, yradius), Point(-1,-1)); blur(src, dst, Size(11, 11), Point(-1, -1)); // 均值滤波模糊

GaussianBlur() 高斯模糊

GaussianBlur(Mat src, Mat dst, Size(11, 11), sigmax, sigmay); // 其中Size（x, y）, x, y 必须是正数而且是奇数 GaussianBlur(src, gblur, Size(11, 11), 11, 11); // 高斯模糊

medianBlur() 中值模糊

medianBlur（Mat src, Mat dest, ksize）

bilateralFilter() 双边模糊

bilateralFilter(src, dest, d=15, 150, 3);

getStructuringElement() 获取结构化元素

getStructuringElement(int shape, Size ksize, Point anchor)

• 形状 (MORPH_RECT 矩形 / MORPH_CROSS 交叉形 / MORPH_ELLIPSE 椭圆形)
• 大小
• 锚点 默认是Point(-1, -1)意思就是中心像素

Mat structureElement = getStructuringElement(MORPH_RECT, Size(s, s), Point(-1, -1));

dilate() 膨胀

dilate(src, dst, structureElement, Point(-1, -1), 1);

erode() 腐蚀

erode(src, dst, structureElement);

createTrackbar() 创建滑动条

createTrackbar(const String & trackbarname, const String winName, int value, int count, Trackbarcallback func, void userdata=0)

namedWindow("窗体名", CV_WINDOW_AUTOSIZE);  // 创建窗体
createTrackbar("标签:", "窗体名", &滑动后的值, 滑动条的最大值, 回调函数 );  // 在创建的窗体中创建一个滑动条控件,每当滑动条的值改变, 就会调用回调函数

morphologyEx

morphologyEx( InputArray src, OutputArray dst, int op, InputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar& borderValue = morphologyDefaultBorderValue() );

• src – 输入图像
• dest – 输出结果
• op – 形态学操作类型
• kernel – 结构元素
• anchor 锚的位置，默认值（-1，-1），锚位于中心
• iteration 迭代次数，默认是1
• borderType 用于推断图像外部像素的某种边界模式。有默认值BORDER_CONSTANT
• borderValue 当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()

1. MORPH_DILATE 膨胀

   亮色部分被腐蚀,分割独立的图像元素

2. MORPH_ERODE 腐蚀

   亮色部分膨胀,连接相邻的元素

3. MORPH_OPEN 开运算

   先腐蚀后膨胀,可以去掉小的亮对象

4. MORPH_CLOSE 闭运算

   先膨胀后腐蚀,可以去掉小的黑点

5. MORPH_GRADIENT 形态学梯度

   形态学梯度=膨胀图-腐蚀图,保留图像边缘

6. MORPH_TOPHAT 顶帽

   顶帽=原图-开运算,分离邻近点亮一些的斑块，进行背景提取

7. MORPH_BLACKHAT 黑帽

   黑帽=闭运算-原图,分离比邻近点暗一些的斑块

adaptiveThreshold 转换为二值图像

提取直线: 开运算(用直线结构元素)

去除背景直线: 开运算(用矩形结构元素)

pyrUp 上采样

pyrUp(Mat src, Mat dst, Size(src.cols2, src.rows2)) // 生成的图像是原图在宽与高各放大两倍

降采样pyrDown

pyrDown(Mat src, Mat dst, Size(src.cols/2, src.rows/2)) // 生成的图像是原图在宽与高各缩小1/2

高斯不同(Difference of Gaussian-DOG)

把同一张图像在不同的参数下做高斯模糊之后的结果相减，得到的输出图像。