opencv的學習筆記3

　　CMake是一個比make更高級的編譯配置工具，它可以根據不同平台、不同的編譯器，生成相應的Makefile或者vcproj項目。通過編寫CMakeLists.txt，可以控制生成的Makefile，從而控制編譯過程。CMake自動生成的Makefile不僅可以通過make命令構建項目生成目標文件，還支持安裝（make install）、測試安裝的程序是否能正確執行（make test，或者ctest）、生成當前平台的安裝包（make package）、生成源碼包（make package_source）、產生Dashboard顯示數據並上傳等高級功能，只要在CMakeLists.txt中簡單配置，就可以完成很多復雜的功能，包括寫測試用例。

　　如果有嵌套目錄，子目錄下可以有自己的CMakeLists.txt。

　　總之，CMake是一個非常強大的編譯自動配置工具，支持各種平台，KDE也是用它編譯的

　　例如，cmake可以根據CMakeLists.txt這個配置文件，通過不同的編譯器選擇，來生成不同的解決方案，VisualStudio的編譯器對應的就生成Visual Studio版的sln解決方案。

1.線性濾波：

　　這里的線性濾波主要有：方框濾波，均值濾波，高斯濾波。

方框濾波：

void   boxFilter(InputArray src,     OutputArray dst,     int ddepth,     Size ksize,     Point anchor=Point(-1,-1),    bool  normalize=true, 

int borderType=BORDER_DEFAULT );  

• 第一個參數，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。該函數對通道是獨立處理的，且可以處理任意通道數的圖片，但需要注意，待處理的圖片深度應該為CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
• 第二個參數，OutputArray類型的dst，即目標圖像，需要和源圖片有一樣的尺寸和類型。
• 第三個參數，int類型的ddepth，輸出圖像的深度，-1代表使用原圖深度，即src.depth()。
• 第四個參數，Size類型（對Size類型稍后有講解）的ksize，內核的大小。一般這樣寫Size( w,h )來表示內核的大小( 其中，w 為像素寬度， h為像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小
• 第五個參數，Point類型的anchor，表示錨點（即被平滑的那個點），注意他有默認值Point(-1,-1)。如果這個點坐標是負值的話，就表示取核的中心為錨點，所以默認值Point(-1,-1)表示這個錨點在核的中心。
• 第六個參數，bool類型的normalize，默認值為true，一個標識符，表示內核是否被其區域歸一化（normalized）了。
• 第七個參數，int類型的borderType，用於推斷圖像外部像素的某種邊界模式。有默認值BORDER_DEFAULT，我們一般不去管它。

---------------------------------------------------------------------------------------

均值濾波：

void blur(InputArray src,   OutputArraydst,   Size ksize,   Point anchor=Point(-1,-1),   int borderType=BORDER_DEFAULT ) ; 

• 第一個參數，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。該函數對通道是獨立處理的，且可以處理任意通道數的圖片，但需要注意，待處理的圖片深度應該為CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
• 第二個參數，OutputArray類型的dst，即目標圖像，需要和源圖片有一樣的尺寸和類型。比如可以用Mat::Clone，以源圖片為模板，來初始化得到如假包換的目標圖。
• 第三個參數，Size類型（對Size類型稍后有講解）的ksize，內核的大小。一般這樣寫Size( w,h )來表示內核的大小( 其中，w 為像素寬度， h為像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小
• 第四個參數，Point類型的anchor，表示錨點（即被平滑的那個點），注意他有默認值Point(-1,-1)。如果這個點坐標是負值的話，就表示取核的中心為錨點，所以默認值Point(-1,-1)表示這個錨點在核的中心。
• 第五個參數，int類型的borderType，用於推斷圖像外部像素的某種邊界模式。有默認值BORDER_DEFAULT，我們一般不去管它。

----------------------------------------------------------------------------

高斯濾波：

void GaussianBlur(InputArray src,   OutputArray  dst,    Size ksize,    double sigmaX,    double sigmaY=0,   intborderType=BORDER_DEFAULT )  

• 第一個參數，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。它可以是單獨的任意通道數的圖片，但需要注意，圖片深度應該為CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
• 第二個參數，OutputArray類型的dst，即目標圖像，需要和源圖片有一樣的尺寸和類型。比如可以用Mat::Clone，以源圖片為模板，來初始化得到如假包換的目標圖。
• 第三個參數，Size類型的ksize高斯內核的大小。其中ksize.width和ksize.height可以不同，但他們都必須為正數和奇數。或者，它們可以是零的，它們都是由sigma計算而來。
• 第四個參數，double類型的sigmaX，表示高斯核函數在X方向的的標准偏差。
• 第五個參數，double類型的sigmaY，表示高斯核函數在Y方向的的標准偏差。若sigmaY為零，就將它設為sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height計算出來。
• 為了結果的正確性着想，最好是把第三個參數Size，第四個參數sigmaX和第五個參數sigmaY全部指定到。
• 第六個參數，int類型的borderType，用於推斷圖像外部像素的某種邊界模式。有默認值BORDER_DEFAULT，我們一般不去管它。

2.非線性濾波：

非線性濾波主要有：中值濾波，雙邊濾波。

中值濾波：

 void medianBlur(InputArray src,   OutputArray dst,     int ksize);  

• 第一個參數，InputArray類型的src，函數的輸入參數，填1、3或者4通道的Mat類型的圖像；當ksize為3或者5的時候，圖像深度需為CV_8U，CV_16U，或CV_32F其中之一，而對於較大孔徑尺寸的圖片，它只能是CV_8U。
• 第二個參數，OutputArray類型的dst，即目標圖像，函數的輸出參數，需要和源圖片有一樣的尺寸和類型。我們可以用Mat::Clone，以源圖片為模板，來初始化得到如假包換的目標圖。
• 第三個參數，int類型的ksize，孔徑的線性尺寸（aperture linear size），注意這個參數必須是大於1的奇數，比如：3，5，7，9 ...

--------------------------------------------------------------------------

雙邊濾波：

void bilateralFilter(InputArray src,   OutputArraydst,   int d,   double sigmaColor,   double sigmaSpace,   int borderType=BORDER_DEFAULT);  

• 第一個參數，InputArray類型的src，輸入圖像，即源圖像，需要為8位或者浮點型單通道、三通道的圖像。
• 第二個參數，OutputArray類型的dst，即目標圖像，需要和源圖片有一樣的尺寸和類型。
• 第三個參數，int類型的d，表示在過濾過程中每個像素鄰域的直徑。如果這個值我們設其為非正數，那么OpenCV會從第五個參數sigmaSpace來計算出它來。
• 第四個參數，double類型的sigmaColor，顏色空間濾波器的sigma值。這個參數的值越大，就表明該像素鄰域內有更寬廣的顏色會被混合到一起，產生較大的半相等顏色區域。
• 第五個參數，double類型的sigmaSpace坐標空間中濾波器的sigma值，坐標空間的標注方差。他的數值越大，意味着越遠的像素會相互影響，從而使更大的區域足夠相似的顏色獲取相同的顏色。當d>0，d指定了鄰域大小且與sigmaSpace無關。否則，d正比於sigmaSpace。
• 第六個參數，int類型的borderType，用於推斷圖像外部像素的某種邊界模式。注意它有默認值BORDER_DEFAULT。

 

3.數學形態學的基本定義：

數學形態學（Mathematical morphology） 是一門建立在格論和拓撲學基礎之上的圖像分析學科，是數學形態學圖像處理的基本理論。其基本的運算包括：二值腐蝕和膨脹、二值開閉運算、骨架抽取、極限腐蝕、擊中擊不中變換、形態學梯度、Top-hat變換、顆粒分析、流域變換、灰值腐蝕和膨脹、灰值開閉運算、灰值形態學梯度等。

 

4.膨脹：

 void dilate(InputArray src,   OutputArray dst,  InputArray kernel,   Point anchor=Point(-1,-1),      int iterations=1,  int borderType=BORDER_CONSTANT,    const Scalar& borderValue=morphologyDefaultBorderValue()   );  

• 第一個參數，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。圖像通道的數量可以是任意的，但圖像深度應為CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F其中之一。
• 第二個參數，OutputArray類型的dst，即目標圖像，需要和源圖片有一樣的尺寸和類型。
• 第三個參數，InputArray類型的kernel，膨脹操作的核。若為NULL時，表示的是使用參考點位於中心3x3的核。
• 我們一般使用函數 getStructuringElement配合這個參數的使用。getStructuringElement函數會返回指定形狀和尺寸的結構元素

 int g_nStructElementSize = 3; //結構元素(內核矩陣)的尺寸  
   
//獲取自定義核  
Mat element = getStructuringElement(MORPH_RECT,  
    Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1),  
    Point( g_nStructElementSize, g_nStructElementSize ));  

其中，getStructuringElement函數的第一個參數表示內核的形狀，我們可以選擇如下三種形狀之一：

• 矩形: MORPH_RECT
• 交叉形: MORPH_CROSS
• 橢圓形：MORPH_ELLIPSE

而getStructuringElement函數的第二和第三個參數分別是內核的尺寸以及錨點的位置。對於錨點的位置，有默認值Point(-1,-1)，表示錨點位於中心。且需要注意，交叉形的element形狀唯一依賴於錨點的位置。而在其他情況下，錨點只是影響了形態學運算結果的偏移。

應用實例：

        //載入原圖   
        Mat image = imread("1.jpg");  
//獲取自定義核  
        Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  
        Mat out;  
        //進行膨脹操作  
        dilate(image, out, element);  

5.腐蝕：

void erode(InputArray src,    OutputArray dst,    InputArray kernel,     Point anchor=Point(-1,-1),     int iterations=1,      int borderType=BORDER_CONSTANT,      const Scalar& borderValue=morphologyDefaultBorderValue()   );  

使用方式和膨脹一樣，同樣需要配合getStructuringElement來使用。

 6.軌跡條：

int createTrackbar(conststring&  trackbarname,   conststring& winname,    int* value,    int count,    TrackbarCallback onChange=0,   void* userdata=0); 

• 第一個參數，const string&類型的trackbarname，表示軌跡條的名字，用來代表我們創建的軌跡條。
• 第二個參數，const string&類型的winname，填窗口的名字，表示這個軌跡條會依附到哪個窗口上，即對應namedWindow（）創建窗口時填的某一個窗口名。
• 第三個參數，int* 類型的value，一個指向整型的指針，表示滑塊的位置。並且在創建時，滑塊的初始位置就是該變量當前的值。
• 第四個參數，int類型的count，表示滑塊可以達到的最大位置的值。PS:滑塊最小的位置的值始終為0。
• 第五個參數，TrackbarCallback類型的onChange，首先注意他有默認值0。這是一個指向回調函數的指針，每次滑塊位置改變時，這個函數都會進行回調。並且這個函數的原型必須為void XXXX(int,void*);其中第一個參數是軌跡條的位置，第二個參數是用戶數據（看下面的第六個參數）。如果回調是NULL指針，表示沒有回調函數的調用，僅第三個參數value有變化。
• 第六個參數，void*類型的userdata，他也有默認值0。這個參數是用戶傳給回調函數的數據，用來處理軌跡條事件。如果使用的第三個參數value實參是全局變量的話，完全可以不去管這個userdata參數。

7.獲取當前軌跡條的位置：

int getTrackbarPos(conststring& trackbarname, conststring& winname); 

• 第一個參數，const string&類型的trackbarname，表示軌跡條的名字。
• 第二個參數，const string&類型的winname，表示軌跡條的父窗口的名稱。

//創建軌跡條  
   createTrackbar("對比度：", "【效果圖窗口】",&g_nContrastValue,  300,ContrastAndBright );
// g_nContrastValue為全局的整型變量，ContrastAndBright為回調函數的函數名（即指向函數地址的指針）  

//-----------------------------------【頭文件包含部分】---------------------------------------  
//  描述：包含程序所依賴的頭文件  
//----------------------------------------------------------------------------------------------   
#include "opencv2/imgproc/imgproc.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include <iostream>  
  
//-----------------------------------【命名空間聲明部分】---------------------------------------  
//  描述：包含程序所使用的命名空間  
//-----------------------------------------------------------------------------------------------     
using namespace cv;  
using namespace std;  
  
//-----------------------------------【全局函數聲明部分】--------------------------------------  
//  描述：全局函數聲明  
//-----------------------------------------------------------------------------------------------  
Mat img;  
int threshval = 160;            //軌跡條滑塊對應的值，給初值160  
  
//-----------------------------【on_trackbar( )函數】------------------------------------  
//  描述：軌跡條的回調函數  
//-----------------------------------------------------------------------------------------------  
static void on_trackbar(int, void*)  
{  
    Mat bw = threshval < 128 ? (img < threshval) : (img > threshval);  
  
    //定義點和向量  
    vector<vector<Point> > contours;  
    vector<Vec4i> hierarchy;  
  
    //查找輪廓  
    findContours( bw, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );  
    //初始化dst  
    Mat dst = Mat::zeros(img.size(), CV_8UC3);  
    //開始處理  
    if( !contours.empty() && !hierarchy.empty() )  
    {  
        //遍歷所有頂層輪廓，隨機生成顏色值繪制給各連接組成部分  
        int idx = 0;  
        for( ; idx >= 0; idx = hierarchy[idx][0] )  
        {  
            Scalar color( (rand()&255), (rand()&255), (rand()&255) );  
            //繪制填充輪廓  
            drawContours( dst, contours, idx, color, CV_FILLED, 8, hierarchy );  
        }  
    }  
    //顯示窗口  
    imshow( "Connected Components", dst );  
}  
  
  
//-----------------------------------【main( )函數】--------------------------------------------  
//  描述：控制台應用程序的入口函數，我們的程序從這里開始  
//-----------------------------------------------------------------------------------------------  
int main(  )  
{  
    system("color 5F");    
    //載入圖片  
    img = imread("1.jpg", 0);  
    if( !img.data ) { printf("Oh，no，讀取img圖片文件錯誤~！ \n"); return -1; }  
  
    //顯示原圖  
    namedWindow( "Image", 1 );  
    imshow( "Image", img );  
  
    //創建處理窗口  
    namedWindow( "Connected Components", 1 );  
    //創建軌跡條  
    createTrackbar( "Threshold", "Connected Components", &threshval, 255, on_trackbar );  
    on_trackbar(threshval, 0);//軌跡條回調函數  
  
    waitKey(0);  
    return 0;  
}