java 图像刺绣算法_图像处理：OpenCV3源代码文件解析
引言
結合岡薩雷斯的《數字圖像處理》和Opencv3.0,學習圖像處理算法有一段時間了，知道了函數怎么使用，但不知道opencv所用的函數源代碼是如何編寫的，“知其然，也要知其所以然”，閑暇之日，研究下源代碼的編寫，縱然不能全部看懂或者掌握，有收獲就是好的。
有詩為證，詩曰:
圖像處理有本質，二維數組是內涵。
卷積頻域來濾波，輪廓分割形態學。
書山有路勤為徑，興趣使然來做舟。
為識廬山真面目，學習源碼實踐多。
源代碼位置
假如你將opencv3.0解壓到D:opencv3.0,那么路徑為：
D:opencv3.0opencvsources
文件夾modules和samples是我們重點學習的內容。
圖 1 源代碼和范例存放位置
圖1 文件夾存放內容如下。
- 3rdparty: 包含第三方庫，如用視頻解碼用的 ffmpeg、jpg、png、tiff 等圖片的解碼庫。
- apps: 包含進行 Haar 分類器訓練的工具，OpenCV 進行人臉檢測便是基于 Haar 分類器。如果你想檢測人臉以外的圖片，千萬不要錯過這幾個工具。
- cmake: 包含生成工程項目時cmake 的依賴文件，只能用于搜索第三方庫，普通開發者不需要關心這個文件夾的內容。
- data: 包含 OpenCV 庫及范例中用到的資源文件
- doc: 包含生成文檔所需的源文件及輔助腳本
- include: 包含入口頭文件。OpenCV子文件夾中是C語言風格的API。OpenCV 2 子文件夾中只有一個 opencv.hpp 文件，這是 OpenCV 2 及 OpenCV 3 推薦使用的頭文件
- modules:算法模塊的源代碼。研究算法的同學 學習的重點！！！
- platforms: 包含交叉編譯所需的工具鏈及額外的代碼，交叉編譯指的是在一個操作系統中編譯供另一個系統使用的文件。
- samples:算法用法示例文件夾
重點文件夾：modules和samples。
modules文件夾
modules文件夾存放了如下內容，主要分為CPU模塊和CUDA模塊。
圖2 modules文件夾展開
? alib3d: 相機標定及三維重建。相機標定用于取出相機自身缺陷導致的畫面形變，還原真實的場景，確保計算的準確性。三維重建通常用在雙目視覺(立體視覺)，即兩個標定后的攝像頭觀察同一個場景，通過計算兩幅畫面中的相關性來估計像素深度。
? core: 核心功能模塊，定義了基本的數據結構，包括最重要的 Mat 類、XML 讀寫、OpenGL三維渲染等。這個模塊應該在入門之后學習。
? features2d: 包含 2D 特征值檢測的框架。包含各種特征值檢測器及描述子，如 FAST、MSER、OBRB、BRISK 等。各類特征值擁有統一的算法接口，因此在不影響程序邏輯的情況下可以替換替換。
? flann: 用于在多維空間內聚類及搜索的近似算法，做圖像檢索的開發者對它不會陌生。
? highgui: 高級圖形界面，包括用戶界面、Qt。
? imgcodecs：對圖像文件編解碼、讀寫操作
? imgproc: 全稱為 Image Processing，即圖像處理，包括圖像濾波、集合圖像變換、直方圖計算、形狀描述子等。圖像處理是計算機視覺的重要工具，重點學習。
? ml: 全稱為 Machine Learning，即機器學習。包括統計模型、K 最近鄰、支持向量機、決策樹、神經網絡等經典的機器學習算法。
? objdetect:物體檢測模塊，包括 Haar 分類器、SVM 檢測器及文字檢測。
? photo: 計算攝影學，包括圖像修補、去噪、HDR 成像、非真實感渲染等。如果讀者想實PS的高級功能，那么這個模塊必不可少。
? shape: 形狀匹配算法模塊，用于描述形狀、比較形狀。
? stitching: 圖像拼接，可用于制作全景圖。
? superres: 全稱為 Super Resolution，用于增強圖像的分辨率。
? video: 視頻分析模塊，包括背景提取、光流跟蹤、卡爾曼濾波等，做視頻監控的開發者會經常使用這個模塊。
? videoio:視頻編解碼、讀寫操作
? videostab: 全稱為Video Stabilization，用于解決相機移動拍攝時視頻不夠穩定的問題。
? viz: 三維可視化模塊。可以認為這個模塊實現了一個簡單的三維可視化引擎，有各種 UI 空間和鍵盤、鼠標交互方式。底層實現基于 CTK 這個第三方庫。
2.CUDA模塊
? cuda: CUDA- 加速的計算機視覺算法，包括數據結構 cuda::GpuMat、基于 cuda 的相機標定及三維重建等。
? cudaarithm: CUDA- 加速的矩陣運算模塊。
? cudabgsegm: CUDA- 加速的背景分割模塊，通常用于視頻監控。
? cudacodec: CUDA- 加速的視頻編碼與解碼。
? cudafeatures2d: CUDA- 加速的特征檢測與描述模塊，與 features2d/ 模塊功能類似。
? cudafilters: CUDA- 加速的圖像濾波。
? cudaimgproc: CUDA- 加速的圖像處理算法，包含直方圖計算、霍夫變換等。
? cudaoptflow: CUDA- 加速的光流檢測算法。
? cudastereo: CUDA- 加速的立體視覺匹配算法。
? cudawarping: 實現 CUDA- 加速的快速圖像變換，包括透視變換、旋轉、改變尺寸等。
samples文件夾
android: Android 平臺的范例。既有完全是 Java 的工程，也有完全是 C++ 的工程，也有更為常見的 Java 與 C++ 共存的工程。
? cpp: 由于 OpenCV 是一款 C++ 庫，因此 C++ 的返利是最多的，后面將重點介紹。
? data: 示例程序要用到的數據
? directx: directx (d3d) 是微軟的私有三維圖像 API，這個文件夾中的范例覆蓋了 d3d9、d3d10、d3d11.
? gpu: 利用 cuda 加速的范例。
? java: OpenCV 3 官方支持 Java 語言綁定，因此這里演示如何使用 Java 版本的 OpenCV。
? python: OpenCV 3 官方支持 Python 語言綁定，因此這里演示使用 Python 2 版本的范例。
? tapi: tapi 是OpenCV 3 的一個新特性，使用 cv::UMat 替代cv::Mat，實現 CPU 和 GPU 的運算使用統一的接口，不再需要顯式地在 CPU 和 GPU 之間傳遞數據，方便開發人員。
? winrt: Windows RT 平臺的范例，開發語言是微軟的 C++ “方言”.
.cpp文件功能匯總(壓軸戲登場)
以sample文件夾為例
?tutorial_code/: opencv教程代碼
? 3calibration.cpp: 同時標定三臺水平放置的相機。
? bagofwords_classification.cpp: 使用圖像檢測實現簡易的圖像搜索功能。
? bgfg_gmg.cpp: 演示GMG 背景檢測算法的使用方式。
? bgfg_segm.cpp: 演示高斯混合背景檢測算法的使用方式。
? brief_match_test.cpp: 使用 BRIEF 特征值來匹配兩張圖像。
? build3dmodel.cpp: 演示如何使用基礎矩陣和特征值來創建三維模型。
? calibration.cpp: 完整的多用途標定程序。
? calibration_artificial.cpp: 在程序中生成一個虛擬的相機，并進行標定。
? camshiftdemo.cpp: 讀取實時的攝像頭數據，并演示基于均值偏移算法的視頻跟蹤。
? chamfer.cpp: 使用Chamfer 算法匹配兩副邊緣圖像。
? cloning_demo.cpp: 命令行模式的圖像克隆。
? cloning_gui.cpp: 圖形界面交互的圖像克隆。
? connected_components.cpp: 查找并繪制圖像中的連通區域。
? contours2.cpp: 查找并繪制圖像中的輪廓。
? convexhull.cpp: 查找并繪制由點的集合組成的凸包。
? cout_mat.cpp: 使用cout 來輸出各種格式化的 Mat 對象。
? create_mask.cpp: 演示如何創建黑白掩碼圖像。
? dbt_face_detection.cpp: 基于檢測的人臉跟蹤代碼。
? delaunay2.cpp: 通過鼠標交互式地生成 Delaunay 三角形。
? demhist.cpp: 演示直方圖的用法。
? descriptor_extractor_matcher.cpp: 演示 features2d 檢測框架的用法。
? detection_based_tracker_sample.cpp: 與 dbt_face_detection.cpp 類似。
? detector_descriptor_evaluation.cpp: 評估各種特征檢測器和描述子。
?detector_descriptor_matcher_evaluation.cpp:評估各種特征檢測器和匹配器。
? dft.cpp: 演示一幅圖像的離散傅里葉變換。
? distrans.cpp: 顯示邊緣圖像的距離變換值。
? drawing.cpp: 演示繪畫和文字顯示功能。
? edge.cpp: 演示Canny 邊緣檢測。
? em.cpp: 對隨機生成的數據點進行 EM 聚類。
? fabmap_sample.cpp: 演示 FAB-MAP 圖像檢索算法。
? facerec_demo.cpp: 人臉識別。
? fback.cpp: 實時的Farneback 光流跟蹤。
? ffilldemo.cpp: 演示 floodFill() 像素填充算法。
? filestorage.cpp: 演示序列化到外部文件，如yml、xml等。
? fitellipse.cpp: 將輪廓點匹配到橢圓。
? freak_demo.cpp: 演示 FREAK 特征值的用法。
? gencolors.cpp: 演示 generateColors()。
? generic_descriptor_match.cpp: 基于 SURF 的兩幅圖像間的匹配。
? grabcut.cpp: 演示GrabCut 分割算法。
? houghcircles.cpp: 用霍夫算法檢測圓。
? houghlines.cpp: 用霍夫算法檢測直線。
? hybridtrackingsample.cpp: 混合跟蹤算法(Hybrid Tracker)的演示。
? image.cpp: 來回轉換cv::Mat 和 IplImage。
? image_alignment.cpp: 演示 findTransformECC() 函數。
? image_sequence.cpp: 使用 VideoCapture 對象讀取序列幀。
? imagelist_creator.cpp: 創建圖像列表到 xml 文件。
? inpaint.cpp: 使用鼠標交互地進行圖像修補。
? intelperc_capture.cpp: Intel 感知計算設備相關的函數。
? kalman.cpp: 使用卡爾曼濾波進行二維跟蹤。
? kmeans.cpp: Kmeans 聚類算法的演示。
? laplace.cpp: 拉普拉斯邊緣檢測。
? latentsvm_multidetect.cpp: latentSVM 檢測器。
? letter_recog.cpp: 字母識別。
? linemod.cpp: 基于OpenNI 的體感設備應用。
? lkdemo.cpp: 演示Lukas-Kanade光流法。
? logpolar_bsm.cpp: 演示 LogPolar 盲點模型。
? lsd_lines.cpp: LSD 線段檢測。
? matcher_simple.cpp: SURF 特征檢測。
? matching_to_many_images.cpp: 一對多的特征檢測。
? meanshift_segmentation.cpp: 演示基于均值漂移的色彩分割函數——meanShiftSegmentation()
? minarea.cpp: 尋找最小包圍盒、包圍圓
? morphology2.cpp: 形態學圖像處理
? npr_demo.cpp: 演示各種非真實感渲染效果
? opencv_version.cpp: 輸出 OpenCV 庫的版本號
? openni_capture.cpp: 演示 OpenNI 相關的體感設備
? pca.cpp: 基于 PCA 的人臉識別
? peopledetect.cpp: 基于 cascade 或 hog 進行物體(人)檢測
? phase_corr.cpp: 演示 phaseCorrelate() 函數
? points_classifier.cpp: 演示各種機器學習算法
? segment_objects.cpp: 實時地在視頻或相機畫面中檢測前景物體
? select3dobj.cpp：在一個有標定棋盤的桌子上，使用3D Box標記一個對象，在所有序列幀中，只要照相機可以看到棋盤，就可以跟蹤對象，并用Box分割對象
? shape_example.cpp: 比較并檢索形狀
? shape_transformation.cpp: 用 SURF 特征值檢測形狀并進行變換
? squares.cpp: 檢測圖像中的方塊形狀。
? starter_imagelist.cpp: 加載一個ImageList(由imagelist_creator.cpp產生)
? stereo_calib.cpp: 雙目視覺的標定
? stereo_match.cpp: 計算左右視覺的圖像的差異，生成點云文件。
? stitching.cpp: 演示圖像拼接算法。
? stitching_detailed.cpp: 演示更多參數的圖像拼接算法。
? train_HOG.cpp: 訓練 HOG 分類器
? tree_engine.cpp: 演示如何使用不同的決策樹和森林包括Boosting和隨機樹
? videostab.cpp: 演示 videostab 中各個參數的用法。
? watershed.cpp: 演示著名的分水嶺圖像分割算法。
結語
編程本就是一個練習加總結的過程，不善于總結的編程人員不是一個好工程師。
研讀源代碼，既可以學習專家們的編程技巧(借以對C++再次學習)，然后結合對函數的調用，理解是不是更深刻一點？
總結
以上是生活随笔為你收集整理的java 图像刺绣算法_图像处理：OpenCV3源代码文件解析的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： python中def fun(a、b=2
- 下一篇： java复合数据类型_复合数据类型