OpenCv学习笔记(二)------imgproc模块

线性滤波

一般就是用来去噪点，用不同的卷积核进行操作，具体参数可以看官方文档。

• blur()
• GaussianBlur()
• medianBlur()
• bilateralFilter()

使用filter2D函数可以自定义自己的滤波。

 filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );

src: Source image
dst: Destination image
ddepth: The depth of dst. A negative value (such as −1) indicates that the depth is the same as the source.
kernel: The kernel to be scanned through the image
anchor: The position of the anchor relative to its kernel. The location Point(-1, -1) indicates the center by default.
delta: A value to be added to each pixel during the correlation. By default it is 0
BORDER_DEFAULT: We let this value by default (more details in the following tutorial)

上面我们忽略了一个问题，那就是图像边缘部分没有办法应用核。需要用copyMakeBorder扩展边缘(有两种扩展方式)。

copyMakeBorder( src, dst, top, bottom, left, right, borderType, value );

src: Source image
dst: Destination image
top, bottom, left, right: Length in pixels of the borders at each side of the image. We define them as being 5% of the original size of the image.
borderType: Define what type of border is applied. It can be constant or replicate for this example.
value: If borderType is BORDER_CONSTANT, this is the value used to fill the border pixels.

形态学处理（Morphology Operations）

Morphology is a set of image processing operations that process images based on predefined structuring elements known also as kernels. The value of each pixel in the output image is based on a comparison of the corresponding pixel in the input image with its neighbors. By choosing the size and shape of the kernel, you can construct a morphological operation that is sensitive to specific shapes regarding the input image.

简单来说，就是预定义一个核（矩阵），对输入的图像进行处理，每个像素依赖于其周围的像素，采用不同的核得到不同的输出，所以核是关键。

腐蚀（Erosion）和膨胀（Dilation）：
分别在卷积核范围内取最小、最大值。
由于图像是黑白图像，白色是主题pixel值大，黑色是背景。
- cv::erode：腐蚀运算，取小值，白色变黑，图形缩小。
- cv::dilate：膨胀运算，与腐蚀相反。

在这两种运算的基础上，还有Opening，Closing， Morphological Gradient， Top Hat，Black Hat运算，具体可以查看文档。

知道腐蚀和膨胀的原理之后，还可以提取图像中的特殊线条，比如横线竖线等。

可以学一下这个函数createTrackbar()显示一个进度条，便于调节参数直观看到效果。

Image Pyramids

图像金字塔？进行图像的缩放。
有两种常用的方法：

• Gaussian pyramid
• Laplacian pyramid

这里用的是高斯.
高斯核：

$$\frac{1}{16} \begin{bmatrix} 1 & 4 & 6 & 4 & 1 \\ 4 & 16 & 24 & 16 & 4 \\ 6 & 24 & 36 & 24 & 6 \\ 4 & 16 & 24 & 16 & 4 \\ 1 & 4 & 6 & 4 & 1 \end{bmatrix}$$
缩小时：对图像用高斯核进行卷积运算，然后去掉偶数行和列，将图案缩小至原来的四分之一。
放大时：用高斯核做卷积估计缺失的像素。
OpenCV里提供了两个函数：

• pyrUp()
• pyrDown()

Thresholding Operations

HSV色彩空间:

• hue（色彩）:描述颜色，根据颜色分割物体时有用
• saturation（饱和度）：从白逐渐变黑？
• Value：描述颜色的亮度或者密度

RGB色彩空间：

每种颜色三个通道，无法用来根据颜色分割物体。

---

可以用cv::cvtColor()函数转换色彩空间

// Convert from BGR to HSV colorspace
cvtColor(frame, frame_HSV, COLOR_BGR2HSV);

threshold()函数：根据某个阈值将图像分割。
inRange(src, low, up, dst)函数：简单来说就是将src图像中颜色在low和up之间的像素提取到dst，是threshold函数的进阶版。

边缘检测

• 一阶导
  这里用到了导数。图像边缘就是像素值变化较大的区域，即像素值变化率大，即导数值。
  OpenCV提供了Sobel()函数。

  Sobel(src_gray, grad_x, ddepth, 1, 0, ksize, scale, delta, BORDER_DEFAULT);
  Sobel(src_gray, grad_y, ddepth, 0, 1, ksize, scale, delta, BORDER_DEFAULT);

  src_gray: In our example, the input image. Here it is CV_8U
  grad_x / grad_y : The output image.
  ddepth: The depth of the output image. We set it to CV_16S to avoid overflow.
  x_order: The order of the derivative in x direction.
  y_order: The order of the derivative in y direction.
  scale, delta and BORDER_DEFAULT: We use default values.

  这里分别计算了x方向和y方向的边缘grad_x和grad_y，然后再相加就得到图像的边缘。

• 二阶导
  还可以用二阶导数值为0来判断边缘，OpenCV提供了 Laplacian() 函数

• Canny Edge Detector
  cv::Canny函数

检测直线

在检测出边缘的基础上检测直线。

$$r_{\theta} = x_{0} \cdot \cos \theta + y_{0} \cdot \sin \theta$$
上式中若 $(x_{0}, y_{0})$为定值，那么任意 $(\theta, r_{\theta})$对表示经过 $(x_{0}, y_{0})$的直线簇。
若三点的直线簇有公共直线，那么这三点共线。

HoughLines()：得到检测到的直线的$(\theta, r_{\theta})$
HoughLinesP()：得到直线的两端点

检测圆：先做边缘检测推断圆心，然后对待定圆心找到最合适的半径。用这个函数HoughCircles()。

仿射变换

cv::remap：对像素进行变换，比如水平翻转图像

getAffineTransform：得到放射变换矩阵

cv::warpAffine：根据变换矩阵进行变换，扭曲？

cv::getRotationMatrix2D ：旋转

---

未完待续：）