OpenCV2:開頭篇介紹

時間 2019-11-15

標籤 opencv2 opencv 開頭介紹简体版

原文原文鏈接

一.OpenCV簡介

OpenCV全部的類和函數都在cv命名空間裏面,能夠用html

using namespace cv;算法

#include "opencv2/opencv.hpp"數組

1.Core模塊--核心組件模塊

#include "opencv2/core/core_c.h"網絡

#include "opencv2/core/core.hpp"數據結構

基礎結構及操做動態結構數組操做繪圖函數 XML/YAML 聚類及實用程序系統函數宏框架

2.Highgui模塊--頂層GUI及視頻I/O

#include "opencv2/highgui/highgui_c.h"機器學習

#include "opencv2/highgui/highgui.hpp"編輯器

用戶界面讀/寫圖像及視頻 QT新功能ide

3.Imgproc模塊--圖像處理模塊

#include "opencv2/imgproc/imgproc_c.h"函數

#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/特徵/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維特徵框架

#include "opencv/features2d/features2d.hpp"

特徵檢測與描述特徵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高梯度提高樹隨機樹超隨機樹最大指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

運動分析最大指望直方圖 CAPI 特徵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

主要包含特徵檢測與描述相關受保護成果

15.Stitching模塊--圖像拼接

圖像拼接頂層操做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.圖像經常使用方法

圖像能夠分爲四種基本類型：二值圖像、灰度圖像、索引圖像、RGB圖像
線性代數矩陣分析

圖像處理經常使用的方法：
   1.圖像變換

   2.圖像編碼與壓縮

   3.圖像加強與復原

   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

1、256色轉灰度圖
2、Walsh變換
3、二值化變換
4、閾值變換
5、傅立葉變換
6、離散餘弦變換

數字圖像處理領域的二十四個典型算法及vc實現、第二章
7、高斯平滑
8、圖像平移
9、圖像縮放
10、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.圖像的點運算能夠有效地改變圖像的直方圖分佈,能夠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座標變換/移動/縮小/放大/選擇,多個圖像的配准以及圖像的扭曲校訂

3.圖像加強

圖像加強的做用主要是突出圖像的重要信息,同時減弱或者去除不須要的信息.經常使用的方法有灰度變換加強/直方圖加強/頻域加強以及彩色加強

4.圖像復原

圖像復原的主要目的是去除干擾和模糊,恢復圖像的原本面目.例如去噪聲復原處理經常使用的方法有線性復原和非線性復原

5.圖像的重建

圖像的重建起源於CT技術的發展,主要是利用採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普遍的卷積反投影法

6.圖像形態學處理

圖像形態學是數學形態學的延伸,能夠實現圖像的腐蝕/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

圖像匹配是指經過必定的匹配算法在多幅圖像之間進行識別,可分爲以像素爲基礎的匹配和以特徵爲基礎的匹配

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:幼兒園篇第一章建立圖像並顯示

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做