作者丨卡拉肖克-X

来源丨OpenCV学堂

编辑丨极市平台

01 环境搭建

环境配置了一个早上，到10.48分配置完毕，有点难受。还好最后显示出第一张图片。

#include<opencv2/opencv.hpp>#include<iostream>usingnamespacestd;usingnamespace cv;int main() {    Mat src = imread("D:/images/011.jpg",IMREAD_GRAYSCALE);//读取进来的数据以矩阵的形势,第二个参数代表显示一张灰度图像。    if (src.empty())     {        printf("could not load image");//如果图片不存在 将无法读取，打印到终端。    }    //超过屏幕的图像无法显示时候调用此函数。    namedWindow("输入窗口", WINDOW_FREERATIO);//创建了一个新窗口，参数1表示名称，第二个参数代表一个自由的比例    imshow("输入窗口", src);//表示显示在新创建的输入窗口上，第一个参数表示窗口名称，src表示数据对象Mat     waitKey(0);//执行到这句，程序阻塞。参数表示延时时间。单位ms    destroyAllWindows();//销毁前面创建的显示窗口    return0;}

第一节课介绍了如何读取第一张图片，并且显示出来，通过调用imread函数读取照片，再调用imshow显示图片到窗口。同时，讲述了如何打印灰度图像，图片读取失败的处理方式，代码注释详细介绍了每条语句的意思。

02 显示图象

1、色彩空间转换函数 cvtColor

2、图像的保存

#include<opencv2/opencv.hpp>using namespace cv;class QuickDemo //创建一个QuickDemo对象{    public:        void colorSpace_Demo(Mat &imge); //定义一个类，里面包含输入一个图片，对图片操作};#include<quickopencv.h>void QuickDemo::colorSpace_Demo(Mat &image){    Mat gray, hsv;//定义2个矩阵类的图像gray和hsv，    cvtColor(image,hsv,COLOR_BGR2HSV);//图像转换函数，可以把image转成hsv，第三个参数是转成的类型    cvtColor(image,gray,COLOR_BGR2GRAY);//图像转换函数，可以把image转成hsv，第三个参数是转成的类型    imshow("HSV",hsv);    imshow("灰度",gray);    imwrite("D:/hsv.jpg",hsv);//保存图片，前面是保存图的地址，后面是保存图的名称    imwrite("D:/gray.jpg",gray);}#include<opencv2/opencv.hpp>#include<iostream>#include<quickopencv.h>using namespace std;using namespace cv;int main() {    Mat src = imread("D:/images/1.jpg",IMREAD_ANYCOLOR);//B,G,R实际上0-255三色。3通道    //读取进来的数据以矩阵的形势,第二个参数代表显示一张灰度图像。    if (src.empty())     {        printf("could not load image");//如果图片不存在 将无法读取，打印到终端。        return-1;    }    //超过屏幕的图像无法显示时候调用此函数。    namedWindow("输入窗口", WINDOW_FREERATIO);//创建了一个新窗口，参数1表示名称，第二个参数代表一个自由的比例    imshow("输入窗口", src);//表示显示在新创建的输入窗口上，第一个参数表示窗口名称，src表示数据对象Mat //在主函数中调用之前创建的类对象        QuickDemo qd;    qd.colorSpace_Demo(src);    waitKey(0);//执行到这句，程序阻塞。参数表示延时时间。单位ms    destroyAllWindows();//销毁前面创建的显示窗口    return0;}

这节主要介绍了创建一个类对象，然后通过类对象调用函数，在main主函数中进行调用实现类对象中的功能，比如转换成HSV类型图片和GRAY类型图片，最后通过imwrite函数进行图像的保存。

03 图像对象的创建与赋值

1、怎么操作mat

2、怎么访问每一个像素点

3、怎么创建一个空图或者mat

void QuickDemo::mat_creation_demo(Mat &image) {    Mat m1, m2;    m1 = image.clone();    image.copyTo(m2);    //创建空白图像    Mat m3 = Mat::ones(Size(400, 400), CV_8UC3);//创建8*8的CV8位的无符号的n通道的unsigned char    //ones&zeros是初始化的方法    m3 = Scalar(255, 0, 0);//给三个通道都赋值127  ,单通道赋值方法 m3 = 127;    //m3初始为蓝色    //数据的宽度和长度是由通道数决定的。    //std::cout << "width:"<<m3.cols<<"height"<< m3.rows <<"channels"<<m3.channels()<< std::endl;    //用来查看宽度，高度与通道数。    /*std::cout << m3 << std::endl;*/    Mat m4 = m3.clone();//赋值M4就是M3 M4改变了,M3也改变了，没有产生新的自我(M4与M3同体)    //M4为M3的克隆，M3还是原来的颜色，不会改变。(M4与M3不同体，各自是各自的颜色)    //m3.copyTo(m4);//把M3赋值给M4，M4就是蓝色    m4 = Scalar(0, 255, 255);//改变m4的颜色为黄色 ,m4也改变    imshow("图像3", m3);//标题和图像名称   显示图像m3 纯蓝色    imshow("图像4", m4);//标题和图像名称}

本节课介绍了如何创建一个Mat对象，通过创建新的Mat对象来创建用户的特定的底色画布，创建图像的基本类型有两种一种是ones一种是zeros，ones()中的第一个参数代表图像的大小，第二个参数代表创建几维的图像，UC代表无符号字符型，数组3代表通道数。克隆和赋值的区别，克隆就是产生一个新的对象，新对象改变属性，旧对象属性不变（各自为政）。赋值是二者同体，当新属性发生改变，旧属性也发生改变（二者同体）。

04 图像像素的读写操作

如何遍历和修改每个像素点的数值，分为单通道和多通道。访问模式模式也有两种。第一种是数组访问模式，用最常规的数组下标访问像素值。

void QuickDemo::pixel_visit_demo(Mat &image){    int dims = image.channels();    int h = image.rows;    int w = image.cols;    for (int row = 0; row < h; row++)     {        for (int col = 0; col < w; col++)         {            if (dims == 1) //单通道的灰度图像            {                int pv = image.at<uchar>(row, col);//得到像素值                image.at<uchar>(row, col) = 255 - pv;//给像素值重新赋值            }            if (dims == 3) //三通道的彩色图像            {                Vec3b bgr = image.at<Vec3b>(row, col); //opencv特定的类型，获取三维颜色，3个值                image.at<Vec3b>(row, col)[0] = 255 - bgr[0];                image.at<Vec3b>(row, col)[1] = 255 - bgr[1];                image.at<Vec3b>(row, col)[2] = 255 - bgr[2];//对彩色图像读取它的像素值，并且对像素值进行改写。            }        }    }    namedWindow("像素读写演示", WINDOW_FREERATIO);    imshow("像素读写演示", image);}

第二种为指针访问模式，指定一个指针为图片的首地址，通过循环遍历，指针++，一次往后推。

void QuickDemo::pixel_visit_demo(Mat &image){    int dims = image.channels();    int h = image.rows;    int w = image.cols;    for (int row = 0; row < h; row++)    {        uchar *current_row = image.ptr<uchar>(row);        for (int col = 0; col < w; col++)        {            if (dims == 1) //单通道的灰度图像            {                int pv = *current_row;//得到像素值                    *current_row++ = 255 - pv;//给像素值重新赋值            }            if (dims == 3) //三通道的彩色图像            {                *current_row++ = 255 - *current_row; //指针每做一次运算，就向后移动一位                *current_row++ = 255 - *current_row;                *current_row++ = 255 - *current_row;            }        }    }    namedWindow("像素读写演示", WINDOW_FREERATIO);    imshow("像素读写演示", image);}

本节主要介绍了通过两种遍历的方式访问图像的像素值，并且改变图像的像素值。

05 图像像素的操作

对图像的各个像素点实现加减乘除的操作。介绍了常用的除爆函数saturate_cast，防止数值过界。

void QuickDemo::operators_demo(Mat &image){    Mat dst = Mat::zeros(image.size(), image.type());    Mat m = Mat::zeros(image.size(), image.type());    dst = image - Scalar(50, 50, 50);    m = Scalar(50, 50, 50);    multiply(image,m,dst);//乘法操作 api    imshow("乘法操作", dst);    add(image, m, dst);//加法操作 api    imshow("加法操作", dst);    subtract(image, m, dst);//减法操作 api    imshow("减法操作", dst);    divide(image, m, dst);//除法操作 api    namedWindow("加法操作", WINDOW_FREERATIO);    imshow("加法操作", dst);    //加法操作底层    int dims = image.channels();    int h = image.rows;    int w = image.cols;    for (int row = 0; row < h; row++)    {        for (int col = 0; col < w; col++)        {                Vec3b p1 = image.at<Vec3b>(row, col); //opencv特定的类型，获取三维颜色，3个值                Vec3b p2 = m.at<Vec3b>(row, col);                dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(p1[0] + p2[0]);//saturate_cast用来防爆，小于0就是0，大于255就是255                dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(p1[1] + p2[1]);                dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(p1[2] + p2[2]);//对彩色图像读取它的像素值，并且对像素值进行改写。        }    }    imshow("加法操作", dst);}

介绍了四种不同的API实现，并且演示了一种加法的算法。

06 滚动条演示操作-调整图片亮度

本节介绍怎么通过createTrackbar来设置一个进度条，实现图片的亮度调节。

Mat  src, dst, m;int lightness = 50;//定义初始的亮度为50static void on_track(int ,void*) {    m = Scalar(lightness,lightness,lightness);//创建调整亮度的数值    subtract(src, m, dst);//定义亮度变化为减    imshow("亮度调整", dst);//显示调整亮度之后的图片}void QuickDemo::tracking_bar_demo(Mat &image){    namedWindow("亮度调整",WINDOW_AUTOSIZE);    dst = Mat::zeros(image.size(), image.type());//图片的初始化创建一个和image大小相等，种类相同的图像    m = Mat::zeros(image.size(), image.type());//图片的初始化创建一个和image大小相等，种类相同的图像    src = image;//给src赋值    int max_value = 100;//定义最大值为100    createTrackbar("Value Bar:", "亮度调整", &lightness, max_value,on_track);//调用函数实现功能。    on_track(50, 0);}

07 滚动条演示操作-传递参数

无类型指针类型转换与参数传递！

static void on_lightness(int b ,void* userdata) {    Mat image = *((Mat*)userdata);    Mat dst = Mat::zeros(image.size(), image.type());    Mat m = Mat::zeros(image.size(), image.type());    m = Scalar(b,b,b);    addWeighted(image,1.0,m,0,b,dst);//融合两张图    imshow("亮度&对比度调整", dst);}static void on_contrast(int b, void* userdata){    Mat image = *((Mat*)userdata);    Mat dst = Mat::zeros(image.size(), image.type());    Mat m = Mat::zeros(image.size(), image.type());    double contrast = b / 100.0;    addWeighted(image, contrast, m, 0.0, 0, dst);//融合两张图    imshow("亮度&对比度调整", dst);}void QuickDemo::tracking_bar_demo(Mat &image){    namedWindow("亮度&对比度调整",WINDOW_AUTOSIZE);    int lightness = 50;    int max_value = 100;    int contrast_value = 100;    createTrackbar("Value Bar:", "亮度&对比度调整", &lightness, max_value, on_lightness,(void*)(&image));    createTrackbar("Contrast Bar:", "亮度&对比度调整", &contrast_value, 200, on_contrast, (void*)(&image));    on_lightness(50, &image);}

08 键盘响应操作

本节介绍通过键盘输入，终端能够读取响应的信息。

void QuickDemo::key_demo(Mat &image) {    Mat dst= Mat::zeros(image.size(), image.type());    while (true)     {        char c = waitKey(100);//停顿100ms 做视频处理都是1        if (c == 27) { //esc 退出应用程序            break;        }        if (c == 49)//key#1        {            std::cout <<"you enter key #1" << std::endl;            cvtColor(image, dst, COLOR_BGR2GRAY);        }        if (c == 50)//key#1        {            std::cout << "you enter key #2"  << std::endl;            cvtColor(image, dst, COLOR_BGR2HSV);        }        if (c == 51)//key#1        {            std::cout << "you enter key #3" << std::endl;            dst = Scalar(50, 50, 50);            add(image,dst,dst);        }        imshow("键盘响应",dst);        std::cout << c << std::endl;    }}

通过键盘输入，在终端得到响应，输入不同的键值，得到不一样的结果。

09 opencv自带颜色操作

void QuickDemo::color_style_demo(Mat &image) {    int colormap[] = {        COLORMAP_AUTUMN ,        COLORMAP_BONE,        COLORMAP_CIVIDIS,        COLORMAP_DEEPGREEN,        COLORMAP_HOT,        COLORMAP_HSV,        COLORMAP_INFERNO,        COLORMAP_JET,        COLORMAP_MAGMA,        COLORMAP_OCEAN,        COLORMAP_PINK,        COLORMAP_PARULA,        COLORMAP_RAINBOW,        COLORMAP_SPRING,        COLORMAP_TWILIGHT,        COLORMAP_TURBO,        COLORMAP_TWILIGHT,        COLORMAP_VIRIDIS,        COLORMAP_TWILIGHT_SHIFTED,        COLORMAP_WINTER    };    Mat dst;    int index = 0;    while (true)     {        char c = waitKey(100);//停顿100ms 做视频处理都是1        if (c == 27) { //esc 退出应用程序            break;        }        if (c == 49)//key#1 按下按键1时，保存图片到指定位置        {            std::cout << "you enter key #1" << std::endl;            imwrite("D:/gray.jpg", dst);        }        applyColorMap(image, dst, colormap[index%19]);//循环展示19种图片        index++;        imshow("循环播放", dst);    }}

伪色彩填充与颜色表匹配

10 图像像素的逻辑操作

本节介绍如何对图像的像素进行操作，包括与、或、非、异或，矩形在图像中的绘制。

void QuickDemo::bitwise_demo(Mat &image){    Mat m1 = Mat::zeros(Size(256,256),CV_8UC3);    Mat m2 = Mat::zeros(Size(256,256),CV_8UC3);    rectangle(m1,Rect(100,100,80,80),Scalar(255,255,0),-1,LINE_8,0);//小于0表示填充，大于0表示绘制    rectangle(m2,Rect(150,150,80,80), Scalar(0,255,255), -1, LINE_8, 0);    imshow("m1", m1);    imshow("m2", m2);    Mat dst;    bitwise_and(m1, m2, dst);//位操作与    bitwise_or(m1, m2, dst);//位操作或    bitwise_not(image, dst);//取反操作    bitwise_xor(m1, m2, dst);//异或操作    imshow("像素位操作", dst);}

rectangle(m1,Rect(100,100,80,80),Scalar(255,255,0),-1,LINE_8,0);

这个函数参数1是图片名称，参数2是矩形的起始&末尾位置，参数3 Scalar表示将要绘制图像的颜色，参数4表示小于0表示填充，大于0表示绘制，参数5表示四邻域或者八邻域的绘制，参数6表示中心坐标或者半径坐标的小数位数。

11 通道的分离与合并

本节介绍如何把不同的通道给分离，归并，使得能显现出来不同的通道颜色。

void QuickDemo::channels_demo(Mat &image){        std::vector<Mat>mv;    split(image, mv);    //imshow("蓝色", mv[0]);    //0,1,2三个通道分别代表BGR。    //关闭2个通道意味着开启一个通道。    //imshow("绿色", mv[1]);    //imshow("红色", mv[2]);    Mat dst;    mv[0] = 0;    mv[2] = 0;    merge(mv, dst);    imshow("蓝色", dst);    int from_to[] = { 0,2,1,1,2,0 };    //把通道相互交换，第0->第2，第一->第一，第二->第0    mixChannels(&image,1,&dst,1,from_to,3);//3表示3个通道    //参数1指针引用图像->参数2引用到dst    imshow("通道混合", dst);}

M[0],M[1],M[2]分别代表BGR个不同的通道。要开启某个通道只需要关闭另外的一个通道即可。第二个内容为通道的合并，将不同通道的像素值进行转换操作，使图片呈现出不同的效果。

12 图像色彩空间转换

本节内容实现任务是提取任务的轮廓，首先把RGB色彩空间的图片转换到HSV空间中，其次，提取图片的mask，通过使用inrangle提取hsv色彩空间的颜色。HSV色彩空间的颜色

void QuickDemo::inrange_demo(Mat &image){    Mat hsv;    cvtColor(image, hsv, COLOR_BGR2HSV);    Mat mask;    inRange(hsv,Scalar(35,43,46),Scalar(77,255,255),mask);    //35,43,46根据图片中绿色最低来确定最小值。    //77,255,255 提取    //参数1低范围，参数2高范围    //将hsv中的由低到高的像素点提取出来并且存储到mask当中。    imshow("mask",hsv);    Mat redback = Mat::zeros(image.size(), image.type());    redback = Scalar(40, 40, 200);    bitwise_not(mask, mask);    imshow("mask", mask);    image.copyTo(redback, mask);//把redback复制到mask，mask通过inRange得到。    imshow("roi提取", hsv);}

13 图像像素值统计

分别定义双精度型变量 minv和maxv。指针变量minLoc，maxLoc；因为这图片是多通道的，所以使用一个容器装取数值，并且用split分离图片到MV中通过for循环操作，遍历图片信息，并且打印信息到终端。图像信息包括，方差，均值，大小。

void QuickDemo::pixel_statistic_demo(Mat &image){    double minv, maxv;//定义最值    Point minLoc, maxLoc;//定义最值地址    std::vector<Mat>mv;//mv是一个Mat类型的容器 装在这个容器内    split(image, mv);    for (int i = 0; i < mv.size(); i++)     {        //分别打印各个通道的数值        minMaxLoc(mv[i], &minv, &maxv, &minLoc, &maxLoc, Mat());//求出图像的最大值和最小值。        std::cout <<"No.channels:"<<i<<"minvalue:" << minv << "maxvalue:" << maxv << std::endl;    }    Mat mean, stddev;    meanStdDev(image, mean, stddev);//求出图像的均值和方差    std::cout << "mean:" << mean << std::endl;    std::cout << "stddev:" << stddev << std::endl;}

14 图像几何形状的绘制

本节课介绍如何绘制椭圆，矩形，直线，圆等

void QuickDemo::drawing_demo(Mat &image){    Rect rect;    rect.x = 200;    rect.y = 200;    rect.width = 100;    rect.height = 100;    Mat bg = Mat::zeros(image.size(),image.type());    rectangle(image, rect, Scalar(0, 0, 255), -1, 8, 0);    //参数1为绘图的底图或者画布名称，参数2位图片的起始，宽度，高度    //参数3代表填充颜色。参数4大于0是线小于0是填充    //参数5表示邻域填充，参数6默认值为0    circle(bg, Point(350, 400), 15, Scalar(0, 0, 255), 2, LINE_AA, 0);    //参数2位图片中心位置，参数3为半径为15的圆    Mat dst;    //addWeighted(image, 0.7, bg, 0.3, 0, dst);    RotatedRect rtt;    rtt.center = Point(200, 200);    rtt.size = Size(100, 200);    rtt.angle = 0.0;    line(bg,Point(100,100),Point(350,400), Scalar(0, 0, 255), 8, LINE_AA, 0);//line_AA表示去掉锯齿    ellipse(bg,rtt, Scalar(0, 0, 255), 2, 8);    imshow("矩形的绘制",bg);}

15 随机数与随机颜色

本节主要介绍如何能产生一个随机数字和随机颜色，并且用线条的方式显示出来。

void QuickDemo::random_drawing(){    Mat canvas = Mat::zeros(Size(512,512), CV_8UC3);    int w = canvas.cols;    int h = canvas.rows;    RNG rng(12345);    while (true)     {        int c = waitKey(10);        if (c == 27)         {            break;        }        int x1 = rng.uniform(0,canvas.cols);        int y1 = rng.uniform(0, h);        int x2 = rng.uniform(0, canvas.cols);        int y2 = rng.uniform(0, h);        int b  = rng.uniform(0, 255);        int g  = rng.uniform(0, 255);        int r  = rng.uniform(0, 255);        canvas = Scalar(0,0,0);        line(canvas, Point(x1, y1), Point(x2, y2), Scalar(b,g,r), 8, LINE_AA,0);//line_AA表示去掉锯齿         imshow("随机绘制演示", canvas);    }}

16 多边形填充与绘制

这节课介绍了2种多边形绘制的实现方式。

void QuickDemo::polyline_drawing_demo(Mat &image){    Mat canvas = Mat::zeros(Size(512, 512), CV_8UC3);    Point p1(100, 100);    Point p2(350, 100);    Point p3(450, 280);    Point p4(320, 450);    Point p5(80, 400);    std::vector<Point>pts;//将5个点装入一个容器内。    pts.push_back(p1);//未初始化数组容量，只能用pushback操作                      //如果初始化，可以用数组下标操作。    pts.push_back(p2);    pts.push_back(p3);    pts.push_back(p4);    pts.push_back(p5);    //fillPoly(canvas, pts, Scalar(122, 155, 255), 8, 0);//填充多边形    //polylines(canvas, pts, true, Scalar(0, 0, 255), 2, 8, 0);//绘制多边形    /*    参数1表示画布，参数2表示点集，参数3表示true，参数4颜色    参数5表示线宽，参数6表示渲染方式，参数7表示相对左上角（0,0）的位置    */    //单个API搞定图片的绘制填充    std::vector<std::vector<Point>>contours;    contours.push_back(pts);    drawContours(canvas,contours,-1, Scalar(0, 0, 255),-1);    //参数2表示容器名称，参数3为正表示多边形的绘制，为负表示多边形的填充    imshow("多边形绘制", canvas);}

第一种方式，通过标记各个点，然后存储到容器中，之后对容器中的点进行操作。填充多边形调用fillPoly，绘制多边形调用polylines。第二种方式，使用一个API接口绘制。通过一个容器中的存储的点组成的另一个容器。

17 鼠标操作与响应

鼠标事件响应与绘制！考察基本的图形绘制编程能力。

//参数1表示鼠标事件。Point sp(-1, -1);//鼠标的开始的位置Point ep(-1, -1);Mat temp;static void on_draw(int event,int x,int y,int flags,void *userdata){    Mat image = *((Mat*)userdata);    if(event == EVENT_LBUTTONDOWN)//如果鼠标的左键按下    {        sp.x = x;        sp.y = y;        std::cout << "start point" <<sp<< std::endl;    }    elseif (event == EVENT_LBUTTONUP)    {        ep.x = x;        ep.y = y;        int dx = ep.x - sp.x;        int dy = ep.y - sp.y;        if (dx > 0 && dy > 0)         {            Rect box(sp.x, sp.y, dx, dy);            imshow("ROI区域", image(box));            rectangle(image, box, Scalar(0, 0, 255), 2, 8, 0);            imshow("鼠标绘制", image);            sp.x = -1;            sp.y = -1;//复位，为下一次做准备        }    }    elseif (event == EVENT_MOUSEMOVE)     {        if (sp.x > 0 && sp.y > 0)        {            ep.x = x;            ep.y = y;            int dx = ep.x - sp.x;            int dy = ep.y - sp.y;            if (dx > 0 && dy > 0)            {                Rect box(sp.x, sp.y, dx, dy);                temp.copyTo(image);                rectangle(image, box, Scalar(0, 0, 255), 2, 8, 0);                imshow("鼠标绘制", image);            }        }    }}void QuickDemo::mouse_drawing_demo(Mat &image){    namedWindow("鼠标绘制", WINDOW_AUTOSIZE);    setMouseCallback("鼠标绘制", on_draw,(void*)(&image));    //设置窗口的回调函数。参数1表示名称，参数2表示调用on_draw    imshow("鼠标绘制", image);    temp = image.clone();}

18 图像像素类型的转换与归一化

像素值归一化是很常见的预处理方式，OpenCV支持字节与浮点数的图象显示。

void QuickDemo::norm_demo(Mat &image){    Mat dst;//定义一个名为dst的二值化类型的数据    std::cout << image.type() << std::endl;//打印出来图片的类型    image.convertTo(image,CV_32F);//将dst数据转换成浮点型float32位数据。    std::cout << image.type() << std::endl;//再次打印转换后的数据类型    normalize(image, dst, 1.0, 0, NORM_MINMAX);//进行归一化操作    std::cout << dst.type() << std::endl;//打印归一化操作之后的数据    imshow("图像的归一化", dst);//显示归一化的图像    //CV_8UC3 ,CV_32FC3  //3通道每个通道8位的UC类型    //转换后 3通道 每个通道32位的浮点数}

19 图像的放缩与插值

介绍基本的图像变换大小的方法。图像的差值处理主要有线性、双线性差值、卢卡斯差值、双立方差值。

void QuickDemo::resize_demo(Mat &image){    Mat zoomin, zoomout;    int h = image.rows;    int w = image.cols;    resize(image, zoomin, Size(w/2, h/2),0,0,INTER_LINEAR);    //线性差值操作。    imshow("zoomin", zoomin);;     resize(image, zoomout, Size(w*1.5, h*1.5), 0, 0, INTER_LINEAR);    imshow("zoomin", zoomout);//}

20 图像的翻转

图像的上下、左右、对角线翻转

void QuickDemo::flip_demo(Mat &image){    Mat dst;    flip(image, dst, 0);//上下翻转 x对称    flip(image, dst, 1);//左右翻转 y对称    flip(image, dst, -1);//旋转180°    imshow("图像翻转",dst);}

21 图像的旋转

图像旋转的基本原理，变换矩阵M的计算，中心位置偏移计算等。

void QuickDemo::rotate_demo(Mat &image){    Mat dst, M;    int h = image.rows;//定义图片的高度    int w = image.cols;//定义图片的宽度    M = getRotationMatrix2D(Point(w / 2, h / 2),45,1.0);    doublecos = abs(M.at<double>(0, 0));    doublesin = abs(M.at<double>(0, 1));    int nw = cos * w + sin * h;    int nh = sin * w + cos * h;    M.at<double>(0, 2) += (nw / 2 - w / 2);    M.at<double>(1, 2) += (nh / 2 - h / 2);    //参数1原来图像的中心位置。参数2角度是多少。参数3是图像本身大小的放大缩小    warpAffine(image, dst, M,Size(nw,nh),INTER_LINEAR,0, Scalar(0, 0, 255));    imshow("旋转演示", dst);}

22 视频文件摄像头使用

本节介绍了如何读取一个视频，以及调用电脑的摄像头。并且对读取到的视频进行操作。

void QuickDemo::video_demo(Mat &image) {    VideoCapture capture("D:/images/123.mp4");  //读取视频的地址    Mat frame;//定义一个二值化的 frame    while (true)    {        capture.read(frame); //读取视频        //flip(frame, frame, 1);//图像镜像操作        if(frame.empty())//如果视频为空的话 跳出操作        {            break;        }        imshow("frame", frame);//显示视频        colorSpace_Demo(frame);//对视频调用之前的demo        int c = waitKey(100);//停顿100ms 做视频处理都是1        if (c == 27) { //esc 退出应用程序            break;        }    }    capture.release();//释放相机的资源}

对读取到的视频 操作方式有镜像对称。加各种滤镜等等。

23 视频处理与保存

视频的属性，SD（标清）,HD（高清）,UHD（超清），蓝光。如何读取视频文件，以及读取视频文件的属性，衡量视频处理指标：FPS。保存视频时的编码格式。保存视频的实际size和create的size大小保持一致。

void QuickDemo::video_demo(Mat &image) {    VideoCapture capture("D:/images/123.mp4");    int frame_width = capture.get(CAP_PROP_FRAME_WIDTH);//获取视频的宽度    int frame_height = capture.get(CAP_PROP_FRAME_HEIGHT);//获取视频的高度    int count = capture.get(CAP_PROP_FRAME_COUNT);//视频总的帧数    //fps是衡量处理视频的能力    double fps = capture.get(CAP_PROP_FPS);    std::cout << "frame width" << frame_width << std::endl;    std::cout << "frame height" << frame_height << std::endl;    std::cout << "frame FPS" << fps << std::endl;    std::cout << "frame count" << count << std::endl;    VideoWriter writer("D:/test.mp4",capture.get(CAP_PROP_FOURCC),fps,Size(frame_width, frame_height),true);    //参数1 保存地址。参数2 获取图片的格式 参数3 图片的帧数 参数4 视频宽高 参数5 真    Mat frame;    while (true)    {        capture.read(frame);        //flip(frame, frame, 1);//图像镜像操作        if(frame.empty())        {            break;        }        imshow("frame", frame);        colorSpace_Demo(frame);        writer.write(frame);        int c = waitKey(100);//停顿100ms 做视频处理都是1        if (c == 27) { //esc 退出应用程序            break;        }    }    capture.release();//释放相机的资源    writer.release();//释放存放的资源}

本节课，介绍了视频的一些基本熟悉，紧接介绍如何获取视频的属性，并且通过特定的格式保存到相应的存储位置上。

24 图像的直方图

直方图是图像的统计学特征。表示了图像的各个像素在0-255出现的频率。图像的平移旋转都不会对性质进行改变。缺点：不能表征一张图像。

25 直方图的均衡化

用途：用于图像增强，人脸检测，卫星遥感。均衡化的图像只支持单通道。

void QuickDemo::histogram_eq_demo(Mat &image){    Mat gray;    cvtColor(image, gray, COLOR_BGR2GRAY);    //直方图均衡化只支持灰度图像，不支持彩色图像。    imshow("灰度图像", gray);    Mat dst;    equalizeHist(gray, dst);    imshow("直方图均衡化", dst);}

26 图像的卷积操作

卷积的作用，高的往下降，低的往上升。但是会造成信息丢失。产生模糊效果。是一种线性操作，点乘，之后相加。

void QuickDemo::blur_demo(Mat &image){    Mat dst;    blur(image, dst, Size(15, 15), Point(-1, -1));    //参数1原始图像，参数2卷积之后的图像，参数3卷积的矩阵大小，支持单行或者单列的卷积操作，参数4卷积的起始点。    imshow("图像卷积操作", dst);}

27 高斯模糊

中心的数值最大，离中心距离越远，数值越小。高斯卷积数学表达式说明：

void QuickDemo::gaussian_blur_demo(Mat &image){    Mat dst;    GaussianBlur(image, dst, Size(5, 5), 15);    imshow("高斯模糊", dst);    //参数1表示初始图像，参数2表示处理后的图像，参数3表示高斯矩阵大小 正数而且是奇数，    //参数4表示西格玛x为15 西格玛y为15 }

28 高斯双边模糊

边缘保留的滤波算法！去噪！

void QuickDemo::bifilter_demo(Mat &image){    Mat dst;    bilateralFilter(image,dst,0,100,0);    //参数1代表原图，参数2代表处理之后的图像，参数3色彩空间。参数4表示坐标空间，双边是指 色彩空间和坐标空间。    namedWindow("双边模糊", WINDOW_FREERATIO);//创建了一个新窗口，参数1表示名称，第二个参数代表一个自由的比例    imshow("双边模糊", dst);//表示显示在新创建的}

29 实时视频人脸检测

OpenCV4.x中基于深度神经网络模型的高实时，稳定的人脸检测演示。

dnn::Net net = dnn::readNetFromTensorflow(root_dir+ "opencv_face_detector_uint8.pb", root_dir+"opencv_face_detector.pbtxt");VideoCapture capture("D:/images/video/example_dsh.mp4");Mat frame;while (true) {    capture.read(frame);    if (frame.empty()) {        break;    }    Mat blob = dnn::blobFromImage(frame, 1.0, Size(300, 300), Scalar(104, 177, 123), false, false);    net.setInput(blob);// NCHW    Mat probs = net.forward(); //     Mat detectionMat(probs.size[2], probs.size[3], CV_32F, probs.ptr<float>());    // 解析结果    for (int i = 0; i < detectionMat.rows; i++) {        float confidence = detectionMat.at<float>(i, 2);        if (confidence > 0.5) {            int x1 = static_cast<int>(detectionMat.at<float>(i, 3)*frame.cols);            int y1 = static_cast<int>(detectionMat.at<float>(i, 4)*frame.rows);            int x2 = static_cast<int>(detectionMat.at<float>(i, 5)*frame.cols);            int y2 = static_cast<int>(detectionMat.at<float>(i, 6)*frame.rows);            Rect box(x1, y1, x2 - x1, y2 - y1);            rectangle(frame, box, Scalar(0, 0, 255), 2, 8, 0);        }    }    imshow("人脸检测演示", frame);    int c = waitKey(1);    if (c == 27) { // 退出        break;    }}