一.OpenCV簡介

OpenCV所有的類和函數都在cv命名空間里面,可以用

using namespace cv;

#include "opencv2/opencv.hpp"

?

1.Core模塊--核心組件模塊

#include "opencv2/core/core_c.h"

#include "opencv2/core/core.hpp"

基礎結構及操作 動態結構? 數組操作 繪圖函數? XML/YAML? 聚類及實用程序? 系統函數宏

?

2.Highgui模塊--頂層GUI及視頻I/O

#include "opencv2/highgui/highgui_c.h"

#include "opencv2/highgui/highgui.hpp"

用戶界面 讀/寫圖像及視頻 QT新功能

?

3.Imgproc模塊--圖像處理模塊

#include "opencv2/imgproc/imgproc_c.h"

#include "opencv2/imgproc/imgproc.hpp"

圖像濾波? 幾何圖像變換 混合圖像變換 直方圖? 結構分析及形狀描述? 運動分析及目標跟蹤/特征/目標檢測

?

4.Photo模塊--計算圖像

#include "opencv2/photo/photo.hpp"

圖像修復及去噪

?

5.Video模塊--視頻分析

#include "opencv2/video/video.hpp"

運動分析及目標跟蹤

?

6.Features2d模塊--2維特征框架

#include "opencv/features2d/features2d.hpp"

特征檢測與描述 特征檢測提取匹配接口 關鍵點與匹配點繪圖及對象分類

?

7.Calib3d模塊--攝像機標定及3維重建

#include "opencv2/calib3d/calib3d.hpp"

包含攝像機標定及3維重建

?

8.Objdetect模塊--目標檢測

#include "opencv2/objdetect/objdetect.hpp"

級聯分類器及SVM

?

9.ML模塊--及其學習

#include "opencv2/ml/ml.hpp"

包含機器學習(統計模型 貝葉斯分類器 最近鄰分類器 支持向量機 決策樹 提升 梯度提升樹? 隨機樹 超隨機樹? 最大期望 神經網絡 及 機器學習數據)

?

10.Flann模塊--聚類及多維空間搜索

#include "opencv2/flann/miniflann.hpp"

包含計算幾何,快速最近鄰搜素及聚類

?

11.Contrib模塊--貢獻及實驗成果

#include "opencv2/contrib/contrib.hpp"

未成熟的理論應用,包含立體匹配 人臉識別 視網膜模型等

?

12.Legacy模型--棄用的成果

運動分析 最大期望 直方圖 CAPI? 特征檢測及描述等模塊中棄用的成果

?

13.Ocl模塊--計算機視覺中OpenCL加速

計算機視覺中OpenCL加速模塊

?

14.Nonfree模塊--未免費功能

主要包含特征檢測與描述相關受保護成果

?

15.Stitching模塊--圖像拼接

圖像拼接頂層操作函數 旋轉 自動標定 仿射變換 接縫估計 曝光補充? 及 圖像融合技術

?

16.Gpu模塊--計算機視覺中GPU加速

GPU模塊及數據結構,包含圖像處理與分析模塊

?

二.圖像常用方法

圖像可以分為四種基本類型：二值圖像、灰度圖像、索引圖像、RGB圖像
線性代數? 矩陣分析
?
圖像處理常用的方法：
?? ?1.圖像變換
?
?? ?2.圖像編碼與壓縮
?
?? ?3.圖像增強與復原
?
?? ?4.圖像分割
?
?? ?5.圖像描述
?
?? ?6.圖像分類（識別）
?
?? ?7.圖像恢復
?
?? ?8.圖像匹配分析
?
一、256色轉灰度圖
二、Walsh變換
三、二值化變換
四、閾值變換
五、傅立葉變換
六、離散余弦變換
?
數字圖像處理領域的二十四個典型算法及vc實現、第二章
七、高斯平滑
八、圖像平移
九、圖像縮放
十、圖像旋轉

?

直方圖均衡化? 常見濾波? 圖像銳化 邊緣提取? 二值化

?

三.數字圖像處理內容

1.點運算

點運算主要針對圖像的像素進行加/減/乘/除等運算.圖像的點運算可以有效地改變圖像的直方圖分布,可以提供圖像的分辨率以及圖像均衡

2.幾何變換

幾何變換包括對圖像的坐標變換/移動/縮小/放大/選擇,多個圖像的配準以及圖像的扭曲校正

3.圖像增強

圖像增強的作用主要是突出圖像的重要信息,同時減弱或者去除不需要的信息.常用的方法有灰度變換增強/直方圖增強/頻域增強以及彩色增強

4.圖像復原

圖像復原的主要目的是去除干擾和模糊,恢復圖像的本來面目.例如去噪聲復原處理常用的方法有線性復原和非線性復原

5.圖像的重建

圖像的重建起源于CT技術的發展,主要是利用采集的數據來重建圖像,圖像重建的主要算法有代數法/迭代法/傅立葉反投影法和使用最廣泛的卷積反投影法

6.圖像形態學處理

圖像形態學是數學形態學的延伸,可以實現圖像的腐蝕/膨脹和細化等效果

7.圖像分割

圖像分割的主要目的是將用戶感興趣的區域劃分出來,主要方法有邊緣分割法/閾值分割法/區域分割法和紋理分割法

8.圖像的編碼

圖像編碼主要是對圖像進行壓縮,制定多種編碼標準

9.圖像匹配

圖像匹配是指通過一定的匹配算法在多幅圖像之間進行識別,可分為以像素為基礎的匹配和以特征為基礎的匹配

?

四.OpenCV學習流程

1.先導篇

參考OpenCV2:先導篇 基礎數據類型

參考OpenCV2:先導篇 圖像分類

?

2.幼兒園篇

參考: OpenCV2:幼兒園篇 第一章 創建圖像并顯示

參考: OpenCV2:幼兒園篇 第二章 讀取圖像

參考: OpenCV2:幼兒園篇 第三章 導出圖像

參考: OpenCV2:幼兒園篇 第四章 訪問圖像

參考: OpenCV2:幼兒園篇 第五章 圖像幾何變換

參考: OpenCV2:幼兒園篇 第六章 圖像轉換

參考: OpenCV2:幼兒園篇 第七章 界面事件

參考: OpenCV2:幼兒園篇 第八章 視頻操作

?

3.小學篇

參考: OpenCV2:小學篇 圖像灰度變換技術-閾值化處理

參考: OpenCV2:小學篇 圖像灰度變換技術-直方圖處理

參考: OpenCV2:小學篇 圖像灰度變換技術-距離變換

參考: OpenCV2:小學篇 圖像灰度變換技術-其他灰度變換

?

4.初中篇

圖像平滑也稱為圖像模糊,通過圖像濾波可以減少圖像噪聲和偽影,或者用blur()降低圖像分辨率

圖像平滑從信號處理的角度來看就是去除其中的高頻信息,保留低頻信息

?

參考: OpenCV2:初中篇 圖像平滑技術-圖像采樣

參考: OpenCV2:初中篇 圖像平滑技術-傅里葉變換和卷積

參考: OpenCV2:初中篇 圖像平滑技術-圖像噪聲

參考: OpenCV2:初中篇 圖像平滑技術-空間濾波

?

參考: OpenCV2:初中應用篇 圖像對比技術-圖像相似度

?

5.高中篇

圖像銳化是補償圖像輪廓,增強圖像的邊緣及灰度跳變部分,使得圖像變得清晰

?

參考: OpenCV2:高中篇 圖像銳化技術-邊緣檢測算子

?

6.大學篇

圖像增強主要是提高圖像細節和對比度,通過圖像平滑(降噪 去偽影) 和 圖像銳化(加強邊緣)

?

參考: OpenCV2:大學篇 形態學技術-腐蝕與膨脹操作

?

?

7.碩士篇

參考: OpenCV2:碩士篇 圖像分割技術-分水嶺分割

?

8.博士篇

?

9.總結篇

參考:OpenCV2:總結篇 core模塊

參考:OpenCV2:總結篇 highgui模塊

?

參考OpenCV2:總結篇 PS算法實現

?

3.應用篇

參考: OpenCV2:應用篇 QT+OpenCV實現圖片編輯器

?

?

轉載于:https://www.cnblogs.com/k5bg/p/11083891.html

總結

以上是生活随笔為你收集整理的OpenCV2:开头篇 介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。