OpenCV学习笔记__入门篇（三）

11、霍夫线变换：使用OpenCV的以下函数 HoughLines 和 HoughLinesP 来检测图像中的直线.

霍夫线变换是一种用来寻找直线的方法。
是用霍夫线变换之前, 首先要对图像进行边缘检测的处理，也即霍夫线变换的直接输入只能是边缘二值图像。

OpenCV实现了以下两种霍夫线变换:

 标准霍夫线变换

    - 原理在上面的部分已经说明了. 它能给我们提供一组参数对  的集合来表示检测到的直线

    - 在OpenCV 中通过函数 HoughLines 来实现

    

 统计概率霍夫线变换

    - 这是执行起来效率更高的霍夫线变换. 它输出检测到的直线的端点 

    - 在OpenCV 中它通过函数 HoughLinesP 来实现

步骤：

Canny( );  边缘检测

cvtColor( );

vector<Vec2f> lines;

HoughLines( );

line( );

代码：

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include <iostream>

using namespace cv;

using namespace std;

void help()

{

 cout << "\nThis program demonstrates line finding with the Hough transform.\n"

  "Usage:\n"

  "./houghlines <image_name>, Default is pic1.jpg\n" << endl;

}

int main(int argc, char** argv)

{

 const char* filename = argc >= 2 ? argv[1] : "e:\\jay.jpg";

 Mat src = imread(filename, 0);

 if (src.empty())

 {

  help();

  cout << "can not open " << filename << endl;

  return -1;

 }

 Mat dst, cdst;

 Canny(src, dst, 50, 200, 3);

 cvtColor(dst, cdst, CV_GRAY2BGR);

#if 0

 vector<Vec2f> lines;

 HoughLines(dst, lines, 1, CV_PI / 180, 100, 0, 0);

 for (size_t i = 0; i < lines.size(); i++)

 {

  float rho = lines[i][0], theta = lines[i][1];

  Point pt1, pt2;

  double a = cos(theta), b = sin(theta);

  double x0 = a*rho, y0 = b*rho;

  pt1.x = cvRound(x0 + 1000 * (-b));

  pt1.y = cvRound(y0 + 1000 * (a));

  pt2.x = cvRound(x0 - 1000 * (-b));

  pt2.y = cvRound(y0 - 1000 * (a));

  line(cdst, pt1, pt2, Scalar(0, 0, 255), 3, CV_AA);

 }

#else

 vector<Vec4i> lines;

 HoughLinesP(dst, lines, 1, CV_PI / 180, 50, 50, 10);

 for (size_t i = 0; i < lines.size(); i++)

 {

  Vec4i l = lines[i];

  line(cdst, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 0, 255), 3, CV_AA);

 }

#endif

 imshow("source", src);

 imshow("detected lines", cdst);

 waitKey();

 return 0;

}

      霍夫圆变换

    - 使用OpenCV函数 HoughCircles 在图像中检测圆.

代码：

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include <iostream>

#include <stdio.h>

using namespace cv;

using namespace std;

/** @function main */

int main(int argc, char** argv)

{

 Mat src, src_gray;

 /// Read the image

 src = imread("e:\\test_circle.jpg");

 if (!src.data)

 {

  return -1;

 }

 /// Convert it to gray

 cvtColor(src, src_gray, CV_BGR2GRAY);

 /// Reduce the noise so we avoid false circle detection

 GaussianBlur(src_gray, src_gray, Size(9, 9), 2, 2);

 vector<Vec3f> circles;

 /// Apply the Hough Transform to find the circles

 HoughCircles(src_gray, circles, CV_HOUGH_GRADIENT, 1, src_gray.rows / 8, 200, 100, 0, 0);

 /// Draw the circles detected

 for (size_t i = 0; i < circles.size(); i++)

 {

  Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));

  int radius = cvRound(circles[i][2]);

  // circle center

  circle(src, center, 3, Scalar(0, 255, 0), -1, 8, 0);

  // circle outline

  circle(src, center, radius, Scalar(0, 0, 255), 3, 8, 0);

 }

 /// Show your results

 namedWindow("Hough Circle Transform Demo", CV_WINDOW_AUTOSIZE);

 imshow("Hough Circle Transform Demo", src);

 waitKey(0);

 return 0;

}

12、重映射

使用OpenCV函数 remap 来实现简单重映射.

remap(src, dst, map_x, map_y, CV_INTER_LINEAR, BORDER_CONSTANT, Scalar(0, 0, 0));

上面用到的重映射函数 remap. 参数说明:

    - src: 源图像

    - dst: 目标图像，与 src 相同大小

    - map_x: x方向的映射参数. 它相当于方法  的第一个参数

    - map_y: y方向的映射参数. 注意 map_y 和 map_x 与 src 的大小一致。

    - CV_INTER_LINEAR: 非整数像素坐标插值标志. 这里给出的是默认值(双线性插值).

    - BORDER_CONSTANT: 默认

对map_x ， map_y 处理的四种方法，即更新重映射矩阵的4种不同方法:

    （1）. 

图像宽高缩小一半，并显示在中间:

所有成对的参数  处理后都符合:  和 

    （2）. 

图像上下颠倒: 

    （3）. 

图像左右颠倒: 

    （4）. 

同时执行b和c的操作: 

代码：

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include <iostream>

#include <stdio.h>

using namespace cv;

/// Global variables

Mat src, dst;

Mat map_x, map_y;

char* remap_window = "Remap demo";

int ind = 0;

/// Function Headers

void update_map(void);

/**

* @function main

*/

int main(int argc, char** argv)

{

 /// Load the image

 src = imread("e:\\jay.jpg");

 /// Create dst, map_x and map_y with the same size as src:

 dst.create(src.size(), src.type());

 map_x.create(src.size(), CV_32FC1);

 map_y.create(src.size(), CV_32FC1);

 /// Create window

 namedWindow(remap_window, CV_WINDOW_AUTOSIZE);

 /// Loop

 while (true)

 {

  /// Each 1 sec. Press ESC to exit the program

  int c = waitKey(1000);

  if ((char)c == 27)

  {

   break;

  }

  /// Update map_x & map_y. Then apply remap

  update_map();

  remap(src, dst, map_x, map_y, CV_INTER_LINEAR, BORDER_CONSTANT, Scalar(0, 0, 0));

  /// Display results

  imshow(remap_window, dst);

 }

 return 0;

}

/**

* @function update_map

* @brief Fill the map_x and map_y matrices with 4 types of mappings

*/

void update_map(void)

{

 ind = ind % 4;

 for (int j = 0; j < src.rows; j++)

 {

  for (int i = 0; i < src.cols; i++)

  {

   switch (ind)

   {

   case 0:

    if (i > src.cols*0.25 && i < src.cols*0.75 && j > src.rows*0.25 && j < src.rows*0.75)

    {

     map_x.at<float>(j, i) = 2 * (i - src.cols*0.25) + 0.5;

     map_y.at<float>(j, i) = 2 * (j - src.rows*0.25) + 0.5;

    }

    else

    {

     map_x.at<float>(j, i) = 0;

     map_y.at<float>(j, i) = 0;

    }

    break;

   case 1:

    map_x.at<float>(j, i) = i;

    map_y.at<float>(j, i) = src.rows - j;

    break;

   case 2:

    map_x.at<float>(j, i) = src.cols - i;

    map_y.at<float>(j, i) = j;

    break;

   case 3:

    map_x.at<float>(j, i) = src.cols - i;

    map_y.at<float>(j, i) = src.rows - j;

    break;

   } // end of switch

  }

 }

 ind++;

}

13、仿射变换

    （1）. 使用OpenCV函数 warpAffine 来实现一些简单的重映射.

    （2）. 使用OpenCV函数 getRotationMatrix2D 来获得一个  旋转矩阵

原理、步骤：

通过两组三点（分别对应）应用getAffineTransform函数求得仿射变换warp_mat(即  矩阵)，对src通过warpAffine应用求得的仿射变换warp_mat即可得出变换后的图像warp_dst，然后rot_mat =getRotationMatrix2D(center, angle, scale)获得旋转矩阵rot_mat ，再通过 warpAffine函数实现旋转，得到先变换后旋转的图像warp_rotate_dst。

代码：

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include <iostream>

#include <stdio.h>

using namespace cv;

using namespace std;

/// 全局变量

char* source_window = "Source image";

char* warp_window = "Warp";

char* warp_rotate_window = "Warp + Rotate";

/** @function main */

int main(int argc, char** argv)

{

 Point2f srcTri[3];

 Point2f dstTri[3];

 Mat rot_mat(2, 3, CV_32FC1);

 Mat warp_mat(2, 3, CV_32FC1);

 Mat src, warp_dst, warp_rotate_dst;

 /// 加载源图像

 src = imread("e:\\jay.jpg");

 /// 设置目标图像的大小和类型与源图像一致

 warp_dst = Mat::zeros(src.rows, src.cols, src.type());

 /// 设置源图像和目标图像上的三组点以计算仿射变换

 srcTri[0] = Point2f(0, 0);

 srcTri[1] = Point2f(src.cols - 1, 0);

 srcTri[2] = Point2f(0, src.rows - 1);

 dstTri[0] = Point2f(src.cols*0.0, src.rows*0.33);

 dstTri[1] = Point2f(src.cols*0.85, src.rows*0.25);

 dstTri[2] = Point2f(src.cols*0.15, src.rows*0.7);

 /// 求得仿射变换

 warp_mat = getAffineTransform(srcTri, dstTri);

 /// 对源图像应用上面求得的仿射变换

 warpAffine(src, warp_dst, warp_mat, warp_dst.size());

 /** 对图像扭曲后再旋转 */

 /// 计算绕图像中点顺时针旋转50度缩放因子为0.6的旋转矩阵

 Point center = Point(warp_dst.cols / 2, warp_dst.rows / 2);

 double angle = -50.0;

 double scale = 0.6;

 /// 通过上面的旋转细节信息求得旋转矩阵

 rot_mat = getRotationMatrix2D(center, angle, scale);

 /// 旋转已扭曲图像

 warpAffine(warp_dst, warp_rotate_dst, rot_mat, warp_dst.size());

 /// 显示结果

 namedWindow(source_window, CV_WINDOW_AUTOSIZE);

 imshow(source_window, src);

 namedWindow(warp_window, CV_WINDOW_AUTOSIZE);

 imshow(warp_window, warp_dst);

 namedWindow(warp_rotate_window, CV_WINDOW_AUTOSIZE);

 imshow(warp_rotate_window, warp_rotate_dst);

 /// 等待用户按任意按键退出程序

 waitKey(0);

 return 0;

}

14、直方图均衡化

通过拉伸像素强度分布范围来增强图像对比度的一种方法。

 cvtColor(src, src, CV_BGR2GRAY);

 equalizeHist(src,dst);

15、在图像中寻找轮廓

    - 使用OpenCV函数 findContours

    - 使用OpenCV函数 drawContours

16、计算物体的凸包

    - 使用OpenCV函数 convexHull

17、创建包围轮廓的矩形和圆形边界框

    - 使用OpenCV函数 boundingRect 来计算包围轮廓的矩形框.

    - 使用OpenCV函数 minEnclosingCircle 来计算完全包围已有轮廓最小圆.

18、为轮廓创建可倾斜的边界框和椭圆

    - 使用OpenCV函数 minAreaRect

    - 使用OpenCV函数 fitEllipse

19、轮廓矩

    - 使用OpenCV函数 moments 计算图像所有的矩(最高到3阶)

    - 使用OpenCV函数 contourArea 来计算轮廓面积

    - 使用OpenCV函数 arcLength 来计算轮廓或曲线长度

***20、多边形测试

    - 使用OpenCV函数 pointPolygonTest

21、直方图计算

    - 如何使用OpenCV函数 split 将图像分割成单通道数组。

    - 如何使用OpenCV函数 calcHist 计算图像阵列的直方图。

    - 如何使用OpenCV函数 normalize 归一化数组。

直方图的一些具体细节:

    （1）. dims: 需要统计的特征的数目， 在上例中， dims = 1 因为我们仅仅统计了灰度值(灰度图像)。

    （2）. bins: 每个特征空间 子区段 的数目，在上例中, bins = 16

    （3）. range: 每个特征空间的取值范围，在上例中， range = [0,255]

22、直方图对比

    - 如何使用OpenCV函数 compareHist 产生一个表达两个直方图的相似度的数值。

    - 如何使用不同的对比标准来对直方图进行比较。

23、反向投影

    - 使用OpenCV函数 calcBackProject 计算反向投影

    - 使用OpenCV函数 mixChannels 组合图像的不同通道

24、模板匹配

    - 使用OpenCV函数 matchTemplate 在模板块和输入图像之间寻找匹配,获得匹配结果图像

    - 使用OpenCV函数 minMaxLoc 在给定的矩阵中寻找最大和最小值(包括它们的位置).

25、为程序界面添加滑动条

    - 使用OpenCV函数 createTrackbar 在窗口中添加一个滑动条

26、OpenCV的视频输入和相似度测量

    - 如何打开和读取视频流

    - 两种检查相似度的方法：PSNR和SSIM

27、用OpenCV创建视频

你可能已经不满足于读取视频，还想要将你产生的一系列结果保存到一个新建的视频文件中。使用OpenCV中的 VideoWriter 类就可以简单的完成创建视频的工作。在接下来的教程中，我们将告诉你：

    - 如何用OpenCV创建一个视频文件

    - 用OpenCV能创建什么样的视频文件

    - 如何释放视频文件当中的某个颜色通道