一.OpenCV简介
- OpenCV所有的类和函数都在cv命名空间里面,可以用
- using namespace cv;
-
#define HAVE_OPENCV_CALIB3D #define HAVE_OPENCV_CONTRIB #define HAVE_OPENCV_CORE #define HAVE_OPENCV_FEATURES2D #define HAVE_OPENCV_FLANN #define HAVE_OPENCV_GPU #define HAVE_OPENCV_HIGHGUI #define HAVE_OPENCV_IMGPROC #define HAVE_OPENCV_LEGACY #define HAVE_OPENCV_ML #define HAVE_OPENCV_NONFREE #define HAVE_OPENCV_OBJDETECT #define HAVE_OPENCV_OCL #define HAVE_OPENCV_PHOTO #define HAVE_OPENCV_STITCHING #define HAVE_OPENCV_SUPERRES #define HAVE_OPENCV_TS #define HAVE_OPENCV_VIDEO #define HAVE_OPENCV_VIDEOSTAB
1.opencv_core模块
#include "opencv2/core/core_c.h"
#include "opencv2/core/core.hpp"
包含核心功能(底层数据结构和算法函数)
2.opencv_highgui模块
#include "opencv2/highgui/highgui_c.h"
#include "opencv2/highgui/highgui.hpp"
包含读写图像及视频的函数,以及操作图形用户界面函数
3.opencv_imgproc模块
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/imgproc/imgproc.hpp"
包含图像处理函数
4.opencv_photo模块
#include "opencv2/photo/photo.hpp"
包含图像修复和图像去噪函数
5.opencv_video模块
#include "opencv2/video/video.hpp"
包含视频分析(包含运动估算/特征跟踪以及前景提取函数)
6.opencv_features2d模块
#include "opencv/features2d/features2d.hpp"
包含兴趣点检测子/描述子以及兴趣点匹配框架
7.opencv_calib3d模块
#include "opencv2/calib3d/calib3d.hpp"
包含相机标定/双目几何估算以及立体视觉函数
8.opencv_objdetect模块
#include "opencv2/objdetect/objdetect.hpp"
包含物体检测函数(脸部/行人检测)
9.其他工具模块
(1)opencv_ml模块
#include "opencv2/ml/ml.hpp"
包含机器学习
(2)opencv_flann模块
#include "opencv2/flann/miniflann.hpp"
包含计算几何
(3)opencv_contrib模块
#include "opencv2/contrib/contrib.hpp"
包含其他第三方代码
二.图像常用方法
图像可以分为四种基本类型：二值图像、灰度图像、索引图像、RGB图像
线性代数 矩阵分析
图像处理常用的方法：
1.图像变换
2.图像编码与压缩
3.图像增强与复原
4.图像分割
5.图像描述
6.图像分类（识别）
7.图像恢复
8.图像匹配分析
一、256色转灰度图
二、Walsh变换
三、二值化变换
四、阈值变换
五、傅立叶变换
六、离散余弦变换
数字图像处理领域的二十四个典型算法及vc实现、第二章
七、高斯平滑
八、图像平移
九、图像缩放
十、图像旋转
直方图均衡化 常见滤波 图像锐化 边缘提取 二值化
三.数字图像处理内容
1.点运算
点运算主要针对图像的像素进行加/减/乘/除等运算.图像的点运算可以有效地改变图像的直方图分布,可以提供图像的分辨率以及图像均衡
2.几何变换
几何变换包括对图像的坐标变换/移动/缩小/放大/选择,多个图像的配准以及图像的扭曲校正
3.图像增强
图像增强的作用主要是突出图像的重要信息,同时减弱或者去除不需要的信息.常用的方法有灰度变换增强/直方图增强/频域增强以及彩色增强
4.图像复原
图像复原的主要目的是去除干扰和模糊,恢复图像的本来面目.例如去噪声复原处理常用的方法有线性复原和非线性复原
5.图像的重建
图像的重建起源于CT技术的发展,主要是利用采集的数据来重建图像,图像重建的主要算法有代数法/迭代法/傅立叶反投影法和使用最广泛的卷积反投影法
6.图像形态学处理
图像形态学是数学形态学的延伸,可以实现图像的腐蚀/膨胀和细化等效果
7.图像分割
图像分割的主要目的是将用户感兴趣的区域划分出来,主要方法有边缘分割法/阈值分割法/区域分割法和纹理分割法
8.图像的编码
图像编码主要是对图像进行压缩,制定多种编码标准
9.图像匹配
图像匹配是指通过一定的匹配算法在多幅图像之间进行识别,可分为以像素为基础的匹配和以特征为基础的匹配