OpenCV（C++版）入门
一般来说大家看到一门新的知识都会很迷茫，也不知道该从哪下手，也不知道用什么软件，然后今天我来写一个OpenCV的入门，给大家开个头，看完这个开头之后基本也就知道应该怎么学OpenCV了。
实际上Opencv就是一个有关视觉处理的库，就和学C语言的时候用的math、time那一堆库一样，学习一个库的流程其实就是：
1.了解这个库是干什么的
2.学习这个库自带的一些函数应该如何使用，以及这些函数有什么效果
3.学了多个函数之后，通过对这些函数进行组合来实现一些复杂的功能。
强调一下这篇文章讲的是在Windows上C++语法的OpenCV，接下来的教程也是讲C++语法，不是python的。
然后说一下用什么软件来进行OpenCV的开发，一般的配置就是使用VS配置一个opencv的库来进行学习，下面附上所需的安装包链接。
VS2019 提取码：5162
Opencv-4.1.0提取码：n7lz
注意一下opencv的语法是有变革的，由开始的2到3，现在又更新到了4。其中3和4的语法大致相同，2和3在某些函数的参数上有一定的区别，所以在移植代码的时候，如果移过来发现报错，有可能是Opencv版本不一样，到时候改一下报错函数的参数就可以了。
安装的过程分四步：
1.装VS2019
2.装Opencv的库
3.把Opencv的库放到环境变量里
4.在VS里建一个工程，把这个工程连接上Opencv的库
具体步骤给大家一个我以前配的时候用的链接（步骤有些繁琐，我就不自己写了……）VS2019配置Opencv教程
因为是入门，所以先讲以下五个内容，都是些比较简单的函数，而且很有趣。
1.展示图片
2.灰度图片
3.模糊图片
4.边缘检测
5.保存图片
在进行操作之前，我们需要先放一张图片到自己新建的工程处，一我这个为例，我新建的工程是OpencvTest1，我找到这个工程main.cpp所在的路径，放了一张bilibili.jpg到这个地方。
1.展示图片
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src = imread("bilibili.jpg");
imshow("lalala",src);
waitKey(0);
return 0;
}效果：出现一个小黑框和一张图片。
下面我们能来解释这段代码的内容。
#include <opencv2/opencv.hpp>
#include <iostream>
这两句话是分别引入opencv的库和c++的标准库using namespace std;
using namespace cv;
这两句是引入工作空间，std是c++标准库的工作空间名，cv是opencv的工作空间名。
（工作空间的目的是避免 如果两个库有相同的函数名，在调用函数时发生冲突，
上文这两个库里没有重复的函数名，所以直接引入工作空间不会有影响。）int main()
{
Mat src = imread("bilibili.jpg");
imshow("lalala",src);
waitKey(0);
return 0;
}
//这一段是主函数。
Mat src = imread("bilibili.jpg");//其实是两条语句合在一起。分别为：
Mat src;//定义一个Mat类型的变量，变量名是src
src = imread("bilibili.jpg");//调用imread函数读取图片并把这张图片赋值给src。
imshow("lalala",src);//调用函数imshow展示图片，第一个参数lalala是显示图片所用的窗口的名字，src是上面刚刚被一张图片赋值的变量。
waitkey(0);//显示图片后开始等待下一步操作。如果不加这条命令的话，自己屏幕上会有一个黑框一闪而过，
//图片也不会显示出来，因为程序没有停下来，显示图片后直接关闭了程序。
return 0;//程序结束的标志，C语言上常用。因为这个主函数的返回值类型是int，所以最后返回一个0让程序结束。这样一来一个最简单的Opencv程序就写好了，他的作用是调用一张图片并显示。
PS：
1.在使用 imread() 读取函数的时候如果图片处于main.cpp所在文件夹下时，可以直接输入图片的名字来进行读取图片。
当然我们也可以输入图片的绝对路径来进行读取图片。如imread(“D:\\vs\\OpencvTest1\\OpencvTest1\\bilibili.jpg”)
注意在分隔路径时我使用的是 “\\” 而不是 “\” ,因为按C/C++的语法，只写一个"\"，可能会被当做转义字符，从而使"\“无法作用，所以要用”\\“来进行路径间的分隔。
当然不用”\\"的话也可以用/进行分隔，如：imread(“D:/vs/OpencvTest1/OpencvTest1/bilibili.jpg”)
2. imshow() 的第一个参数是窗口名
2.灰度图片
显示灰度图像的常规方式有两种：第一种是在读取图片的时候就按灰度格式读取。第二种是先读入图片，然后再转化图片。
第一种方法：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src = imread("bilibili.jpg",0);
imshow("lalala",src);
waitKey(0);
return 0;
}
//可以发现其实和第一次的代码区别不大，只是修改了一下imread的参数
Mat src = imread("bilibili.jpg",0);
//imread()函数有两个参数，第一个参数是图片的路径或图片的名字，第二个参数是以何种格式来读取图片。
//默认值是1，也就是原本的格式读取；如果输入参数为0的话就是以黑白格式读取。效果：
第二种方法：
调用cvtColor()函数
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src = imread("bilibili.jpg");
Mat dst;
cvtColor(src,dst,COLOR_BGR2GRAY);
imshow("lalala",dst);
waitKey(0);
return 0;
}
//我们的操作是新建了一个Mat对象dst，又调用了函数cvtColor()来进行图片的灰度化，最终显示的图片也变成了dst。
cvtColor(src,dst,COLOR_BGR2GRAY);//第一个参数是输入图像，第二个参数是输出图像，第三个参数是进行何种转换。
//BGR2GRAY的意思是图片由BGR（三原色）格式变为灰度图格式。效果：
3.模糊图片
介绍模糊图片的时候，我们要先介绍三种形态学处理：腐蚀，膨胀，滤波。
腐蚀：erode() 将一张图片边界点去除。
膨胀：dilate() 对图像的边界进行扩张。
如下为膨胀和腐蚀的效果图，这两个操作正好是相反的，他们操作的组合还能组成开运算，闭运算，顶帽，黑帽等一系列形态学处理。
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src = imread("bilibili.jpg");
imshow("src", src);
Mat dst1,dst2;
Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
erode(src, dst1, element);
imshow("erode",dst1);
dilate(src, dst2, element);
imshow("dilate", dst2);
waitKey(0);
return 0;
}效果：
滤波：滤波是用来去噪的，外界的干扰可能会掩盖图像的一些特征，使得图像变得模糊，使用滤波可以让图像特征更加明显。（PS：是特征更加明显，不一定代表图片看起来更加清晰。）
在讲图片滤波的原理之前先讲一些预备知识（划重点，这里很重要）。
首先我们前面定义那个可以接受图片的变量，它的类型是Mat，这其实是一种矩阵类型的变量。实际上图片就是一个大矩阵，比如我们看到一个像素值是100*100的图片，其实就是说这个图片是个100*100的大矩阵，矩阵上的每个值都是三原色混合出来的一种颜色，图片通过对每个像素点颜色的调节使得图片变得丰富多彩。(如果可以找到那种像素很低的图片，我们可以发现它几乎是由一个一个颜色不同得小方块构成的，那些小方块其实就是像素点。)
说完这些，我们就可以讲滤波的原理是什么了，我们得到一张图片，也就相当于得到一个大矩阵。我们先将这个大矩阵进行分区，比如把一个100*100的大矩阵分成25个4*4的小矩阵。所谓图像的特征其实就是矩阵上的值的特征，我们希望一个图像特征更加明显，就是希望该图像的像素值变得更有特点。所以我们可以对每个4*4小矩阵的值进行一些操作，比如找这些数的中位数、平均值、加权值，在找到特征值之后把矩阵中的值替换为特征值，这样我们图片的特征就更明显了。
我们举一个最常见的均值滤波的例子：
如果我们有一个大矩阵需要进行均值滤波，我们先在其中找一个小的3*3矩阵对它进行操作，实际上就是将九宫格最中间的值改为这个九宫格所有值的平均值。
因为(75+193+37+121+80+189+45+94+232)/9=118,所以我们将中间值80改为118.即：
| 75 | 193 | 37 |
|---|---|---|
| 121 | 80 | 189 |
| 45 | 94 | 232 |
变为
| 75 | 193 | 37 |
|---|---|---|
| 121 | 118 | 189 |
| 45 | 94 | 232 |
到此滤波原理结束，我们开始看一下效果。
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src = imread("bilibili.jpg");
imshow("src", src);
Mat dst;
blur(src, dst, Size(7, 7));
imshow("blur", dst);
waitKey(0);
return 0;
}
blur(src, dst, Size(7, 7));//1.输入图像，2.输出图像，
//3.进行滤波时选择小矩阵的大小（注意要要是n*n的矩阵，且n为奇数）。效果：
4.边缘检测
边缘检测其实就是找到图像上的边缘，很好玩，进行边缘检测的前提是先将图片灰度化，如果想边缘更清晰的话，可以在检测前加一步滤波。
如果对一个函数的参数不是很了解，可以去修改参数的值，看效果发生变化，就知道这个参数的影响在哪里了。
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
Mat src = imread("bilibili.jpg");
imshow("src", src);
Mat dst;
cvtColor(src, src, COLOR_BGR2GRAY);
blur(src, src, Size(3, 3));
Canny(src, dst, 3, 9, 3);
imshow("canny", dst);
waitKey(0);
return 0;
}
//流程：读图，灰度化，滤波，边缘检测。
Canny(src, dst, 3, 9, 3);//1.输入2.输出3.最小阈值4.最大阈值5.sobel算子的大小
//最大最小阈值用来使在阈值范围内的像素值才能保留。sobel算子的用处是与原图进行卷积运算，得到一个新的图，这个图根据阈值范围留下数据后就是效果图。效果：
5.保存图片
只用一个函数imwrite()即可实现。
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
Mat src = imread("bilibili.jpg");
imshow("src", src);
Mat dst;
cvtColor(src, src, COLOR_BGR2GRAY);
blur(src, src, Size(3, 3));
Canny(src, dst, 3, 9, 3);
imshow("canny", dst);
imwrite("canny.jpg",dst);
waitKey(0);
return 0;
}
//和上一个代码相比只加了一个函数imwrite("canny.jpg",dst);
imwrite("canny.jpg",dst);//第一个参数是图片名，记得加后缀。这里也可以写绝对路径。第二个参数是保存哪张照片，这里选择边缘检测之后的图片。我们发现main.cpp所在文件夹下多了一张“canny.jpg”。
文章到此结束，下一篇写一篇stm32有关流水灯的教程，因为发现上一篇讲配keil5配32的文章阅读量好多。
下一篇大概要隔一天再发，因为这个写起来好费时间，作业还莫得写完……
