OpenCV2:开头篇 介绍

一.OpenCV简介

OpenCV全部的类和函数都在cv命名空间里面,能够用

using namespace cv;

#include "opencv2/opencv.hpp"

 

1.Core模块--核心组件模块

#include "opencv2/core/core_c.h"

#include "opencv2/core/core.hpp"

基础结构及操做 动态结构  数组操做 绘图函数  XML/YAML  聚类及实用程序  系统函数宏

 

2.Highgui模块--顶层GUI及视频I/O

#include "opencv2/highgui/highgui_c.h"

#include "opencv2/highgui/highgui.hpp"

用户界面 读/写图像及视频 QT新功能

 

3.Imgproc模块--图像处理模块

#include "opencv2/imgproc/imgproc_c.h"

#include "opencv2/imgproc/imgproc.hpp"

图像滤波  几何图像变换 混合图像变换 直方图  结构分析及形状描述  运动分析及目标跟踪/特征/目标检测

 

4.Photo模块--计算图像

#include "opencv2/photo/photo.hpp"

图像修复及去噪

 

5.Video模块--视频分析

#include "opencv2/video/video.hpp"

运动分析及目标跟踪

 

6.Features2d模块--2维特征框架

#include "opencv/features2d/features2d.hpp"

特征检测与描述 特征检测提取匹配接口 关键点与匹配点绘图及对象分类

 

7.Calib3d模块--摄像机标定及3维重建

#include "opencv2/calib3d/calib3d.hpp"

包含摄像机标定及3维重建

 

8.Objdetect模块--目标检测

#include "opencv2/objdetect/objdetect.hpp"

级联分类器及SVM

 

9.ML模块--及其学习

#include "opencv2/ml/ml.hpp"

包含机器学习(统计模型 贝叶斯分类器 最近邻分类器 支持向量机 决策树 提高 梯度提高树  随机树 超随机树  最大指望 神经网络 及 机器学习数据)

 

10.Flann模块--聚类及多维空间搜索

#include "opencv2/flann/miniflann.hpp"

包含计算几何,快速最近邻搜素及聚类

 

11.Contrib模块--贡献及实验成果

#include "opencv2/contrib/contrib.hpp"

未成熟的理论应用,包含立体匹配 人脸识别 视网膜模型等

 

12.Legacy模型--弃用的成果

运动分析 最大指望 直方图 CAPI  特征检测及描述等模块中弃用的成果

 

13.Ocl模块--计算机视觉中OpenCL加速

计算机视觉中OpenCL加速模块

 

14.Nonfree模块--未免费功能

主要包含特征检测与描述相关受保护成果

 

15.Stitching模块--图像拼接

图像拼接顶层操做函数 旋转 自动标定 仿射变换 接缝估计 曝光补充  及 图像融合技术

 

16.Gpu模块--计算机视觉中GPU加速

GPU模块及数据结构,包含图像处理与分析模块

 

二.图像经常使用方法

图像能够分为四种基本类型：二值图像、灰度图像、索引图像、RGB图像
线性代数  矩阵分析
 
图像处理经常使用的方法：
    1.图像变换
 
    2.图像编码与压缩
 
    3.图像加强与复原
 
    4.图像分割
 
    5.图像描述
 
    6.图像分类（识别）
 
    7.图像恢复
 
    8.图像匹配分析
 
1、256色转灰度图
2、Walsh变换
3、二值化变换
4、阈值变换
5、傅立叶变换
6、离散余弦变换
 
数字图像处理领域的二十四个典型算法及vc实现、第二章
7、高斯平滑
8、图像平移
9、图像缩放
10、图像旋转

 

直方图均衡化  常见滤波  图像锐化 边缘提取  二值化

 

三.数字图像处理内容

1.点运算

点运算主要针对图像的像素进行加/减/乘/除等运算.图像的点运算能够有效地改变图像的直方图分布,能够提供图像的分辨率以及图像均衡

2.几何变换

几何变换包括对图像的坐标变换/移动/缩小/放大/选择,多个图像的配准以及图像的扭曲校订

3.图像加强

图像加强的做用主要是突出图像的重要信息,同时减弱或者去除不须要的信息.经常使用的方法有灰度变换加强/直方图加强/频域加强以及彩色加强

4.图像复原

图像复原的主要目的是去除干扰和模糊,恢复图像的原本面目.例如去噪声复原处理经常使用的方法有线性复原和非线性复原

5.图像的重建

图像的重建起源于CT技术的发展,主要是利用采集的数据来重建图像,图像重建的主要算法有代数法/迭代法/傅立叶反投影法和使用最普遍的卷积反投影法

6.图像形态学处理

图像形态学是数学形态学的延伸,能够实现图像的腐蚀/膨胀和细化等效果

7.图像分割

图像分割的主要目的是将用户感兴趣的区域划分出来,主要方法有边缘分割法/阈值分割法/区域分割法和纹理分割法

8.图像的编码

图像编码主要是对图像进行压缩,制定多种编码标准

9.图像匹配

图像匹配是指经过必定的匹配算法在多幅图像之间进行识别,可分为以像素为基础的匹配和以特征为基础的匹配

 

四.OpenCV学习流程

1.先导篇

参考OpenCV2:先导篇 基础数据类型

参考OpenCV2:先导篇 图像分类

 

2.幼儿园篇

参考: OpenCV2:幼儿园篇 第一章 建立图像并显示

参考: OpenCV2:幼儿园篇 第二章 读取图像

参考: OpenCV2:幼儿园篇 第三章 导出图像

参考: OpenCV2:幼儿园篇 第四章 访问图像

参考: OpenCV2:幼儿园篇 第五章 图像几何变换

参考: OpenCV2:幼儿园篇 第六章 图像转换

参考: OpenCV2:幼儿园篇 第七章 界面事件

参考: OpenCV2:幼儿园篇 第八章 视频操做

 

3.小学篇

参考: OpenCV2:小学篇 图像灰度变换技术-阈值化处理

参考: OpenCV2:小学篇 图像灰度变换技术-直方图处理

参考: OpenCV2:小学篇 图像灰度变换技术-距离变换

参考: OpenCV2:小学篇 图像灰度变换技术-其余灰度变换

 

4.初中篇

图像平滑也称为图像模糊,经过图像滤波能够减小图像噪声和伪影,或者用blur()下降图像分辨率

图像平滑从信号处理的角度来看就是去除其中的高频信息,保留低频信息

 

参考: OpenCV2:初中篇 图像平滑技术-图像采样

参考: OpenCV2:初中篇 图像平滑技术-傅里叶变换和卷积

参考: OpenCV2:初中篇 图像平滑技术-图像噪声

参考: OpenCV2:初中篇 图像平滑技术-空间滤波

 

参考: OpenCV2:初中应用篇 图像对比技术-图像类似度

 

5.高中篇

图像锐化是补偿图像轮廓,加强图像的边缘及灰度跳变部分,使得图像变得清晰

 

参考: OpenCV2:高中篇 图像锐化技术-边缘检测算子

 

6.大学篇

图像加强主要是提升图像细节和对比度,经过图像平滑(降噪 去伪影) 和 图像锐化(增强边缘)

 

参考: OpenCV2:大学篇 形态学技术-腐蚀与膨胀操做

 

 

7.硕士篇

参考: OpenCV2:硕士篇 图像分割技术-分水岭分割

 

8.博士篇

 

9.总结篇

参考:OpenCV2:总结篇 core模块

参考:OpenCV2:总结篇 highgui模块

 

参考OpenCV2:总结篇 PS算法实现

 

3.应用篇

参考: OpenCV2:应用篇 QT+OpenCV实现图片编辑器