目录
一、基础操作
1. 图像的基本操作
1.1 读取、显示和保存图像
1.2 图像的基本属性
1.3 图像的创建与初始化
1.4 图像的像素操作
2. 图像的几何变换
2.1 缩放、旋转、平移、翻转
2.2 仿射变换与透视变换
3.图像的颜色空间转换
3.1 RGB、灰度、HSV等颜色空间
3.2 颜色空间转换
3.3 通道分离与合并
4. 实例
4.1 图像的读取与显示
4.2 图像的保存
4.3 获取图像属性
4.4 访问和修改像素值
4.5 图像颜色空间转换
4.6 图像的裁剪与缩放
4.7 图像的复制与克隆
4.8 图像的几何变换
二、图像处理
1. 图像滤波
1.1 均值滤波
1.2 高斯滤波
1.3 中值滤波
1.4 自定义滤波器
2. 图像边缘检测
2.1 Sobel算子
2.2 Canny 边缘检测
3. 图像形态学操作
3.1 腐蚀
3.2 膨胀
3.3 开运算
3.4 闭运算
形态学梯度
4. 图像阈值化
4.1 二值化
4.2 自适应阈值
4.3 Otsu阈值法
5. 图像直方图
5.1 计算直方图
5.2 直方图均衡化
5.3 直方图对比
6. 实例
6.1 图像滤波
6.2 边缘检测
6.3 图像阈值化
6.4 形态学操作
6.5 轮廓检测
一、基础操作
1. 图像的基本操作
1.1 读取、显示和保存图像
在 OpenCV 中，图像的基本操作包括读取、显示和保存图像。这些操作是图像处理的基础。
读取图像：使用imread函数读取图像。该函数的第一个参数是图像文件的路径，第二个参数是读取图像的方式（如彩色图像、灰度图像等）。
cv::Mat image = cv::imread("image.jpg", cv::IMREAD_COLOR);显示图像：使用imshow函数显示图像。该函数的第一个参数是窗口的名称，第二个参数是要显示的图像。
cv::imshow("Display Window", image);
cv::waitKey(0); // 等待按键按下保存图像：使用imwrite函数保存图像。该函数的第一个参数是保存文件的路径，第二个参数是要保存的图像。
cv::imwrite("output.jpg", image);1.2 图像的基本属性
图像的基本属性包括尺寸、通道数和像素值。
尺寸：图像的尺寸可以通过rows和cols属性获取。
int height = image.rows;
int width = image.cols;通道数：图像的通道数可以通过channels()方法获取。
int channels = image.channels();像素值：可以通过at方法访问图像的像素值。
cv::Vec3b pixel = image.at(y, x); // 访问(x, y)处的像素值 1.3 图像的创建与初始化
可以通过Mat类创建和初始化图像。
创建图像：可以创建一个指定大小和类型的图像。
cv::Mat newImage(480, 640, CV_8UC3, cv::Scalar(0, 0, 255)); // 创建一个640x480的红色图像初始化图像：可以使用setTo方法初始化图像。
image.setTo(cv::Scalar(255, 255, 255)); // 将图像初始化为白色1.4 图像的像素操作
图像的像素操作包括遍历像素和修改像素值。
遍历像素：可以使用双重循环遍历图像的每个像素。
for (int y = 0; y < image.rows; y++) {for (int x = 0; x < image.cols; x++) {cv::Vec3b& pixel = image.at(y, x);// 对像素进行操作}
} 修改像素值：可以直接修改像素的值。
pixel[0] = 255; // 将蓝色通道设置为255
pixel[1] = 0; // 将绿色通道设置为0
pixel[2] = 0; // 将红色通道设置为02. 图像的几何变换
2.1 缩放、旋转、平移、翻转
图像的几何变换包括缩放、旋转、平移和翻转。
缩放：使用resize函数缩放图像。
cv::Mat resizedImage;
cv::resize(image, resizedImage, cv::Size(newWidth, newHeight));旋转：使用getRotationMatrix2D和warpAffine函数旋转图像。
cv::Point2f center(image.cols / 2.0, image.rows / 2.0);
cv::Mat rotationMatrix = cv::getRotationMatrix2D(center, angle, 1.0);
cv::Mat rotatedImage;
cv::warpAffine(image, rotatedImage, rotationMatrix, image.size());平移：使用warpAffine函数平移图像。
cv::Mat translationMatrix = (cv::Mat_(2, 3) << 1, 0, tx, 0, 1, ty);
cv::Mat translatedImage;
cv::warpAffine(image, translatedImage, translationMatrix, image.size()); 翻转：使用flip函数翻转图像。
cv::Mat flippedImage;
cv::flip(image, flippedImage, 1); // 1表示水平翻转，0表示垂直翻转2.2 仿射变换与透视变换
仿射变换：仿射变换是线性变换加上平移，可以使用warpAffine函数实现。
cv::Mat affineMatrix = cv::getAffineTransform(srcPoints, dstPoints);
cv::Mat affineImage;
cv::warpAffine(image, affineImage, affineMatrix, image.size());透视变换：透视变换是更一般的变换，可以使用warpPerspective函数实现。
cv::Mat perspectiveMatrix = cv::getPerspectiveTransform(srcPoints, dstPoints);
cv::Mat perspectiveImage;
cv::warpPerspective(image, perspectiveImage, perspectiveMatrix, image.size());3.图像的颜色空间转换
3.1 RGB、灰度、HSV等颜色空间
图像的颜色空间包括RGB、灰度和HSV等。
- RGB：RGB是最常见的颜色空间，表示红、绿、蓝三个通道。
- 灰度：灰度图像只有一个通道，表示亮度。
- HSV：HSV颜色空间表示色调（Hue）、饱和度（Saturation）和亮度（Value）。
3.2 颜色空间转换
使用 cvtColor 函数进行颜色空间转换。
RGB 转灰度：
cv::Mat grayImage;
cv::cvtColor(image, grayImage, cv::COLOR_BGR2GRAY);RGB转HSV：
cv::Mat hsvImage;
cv::cvtColor(image, hsvImage, cv::COLOR_BGR2HSV);3.3 通道分离与合并
通道分离：使用split函数将图像的通道分离。
std::vector channels;
cv::split(image, channels); 通道合并：使用merge函数将多个通道合并为一个图像。
cv::Mat mergedImage;
cv::merge(channels, mergedImage);4. 实例
C++ OpenCV 的基础操作包括图像的读取、显示、保存、像素操作、图像属性获取等。以下是一些常见的 OpenCV 基础操作及其代码示例：
4.1 图像的读取与显示
#include
#include
using namespace cv;
using namespace std;
int main() {// 读取图像Mat image = imread("test.jpg");// 检查图像是否成功加载if (image.empty()) {cout << "错误：无法加载图像，请检查路径是否正确。" << endl;return -1;}// 显示图像namedWindow("Display Image", WINDOW_AUTOSIZE);imshow("Display Image", image);// 等待按键waitKey(0);// 关闭窗口destroyAllWindows();return 0;
} 4.2 图像的保存
#include
#include
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 保存图像
bool isSaved = imwrite("saved_image.jpg", image);
if (isSaved) {
cout << "图像保存成功！" << endl;
} else {
cout << "图像保存失败！" << endl;
}
return 0;
} 4.3 获取图像属性
#include
#include
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 获取图像属性
int width = image.cols; // 图像宽度
int height = image.rows; // 图像高度
int channels = image.channels(); // 图像通道数
cout << "图像宽度: " << width << endl;
cout << "图像高度: " << height << endl;
cout << "图像通道数: " << channels << endl;
return 0;
} 4.4 访问和修改像素值
#include
#include
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 访问像素值（BGR格式）
Vec3b pixel = image.at(100, 100); // 获取(100, 100)位置的像素值
cout << "B: " << (int)pixel[0] << ", G: " << (int)pixel[1] << ", R: " << (int)pixel[2] << endl;
// 修改像素值
image.at(100, 100) = Vec3b(255, 0, 0); // 将(100, 100)位置的像素设置为蓝色
// 显示修改后的图像
imshow("Modified Image", image);
waitKey(0);
destroyAllWindows();
return 0;
} 4.5 图像颜色空间转换
#include
#include
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// 显示灰度图像
imshow("Gray Image", grayImage);
waitKey(0);
destroyAllWindows();
return 0;
} 4.6 图像的裁剪与缩放
#include
#include
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 裁剪图像
Rect roi(100, 100, 200, 200); // (x, y, width, height)
Mat croppedImage = image(roi);
// 缩放图像
Mat resizedImage;
resize(image, resizedImage, Size(400, 400)); // 缩放到400x400
// 显示裁剪和缩放后的图像
imshow("Cropped Image", croppedImage);
imshow("Resized Image", resizedImage);
waitKey(0);
destroyAllWindows();
return 0;
} 4.7 图像的复制与克隆
#include
#include
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 复制图像
Mat copiedImage = image.clone();
// 修改复制的图像
circle(copiedImage, Point(100, 100), 50, Scalar(0, 255, 0), 2); // 在复制的图像上画一个圆
// 显示原始图像和修改后的图像
imshow("Original Image", image);
imshow("Copied Image", copiedImage);
waitKey(0);
destroyAllWindows();
return 0;
} 4.8 图像的几何变换
#include
#include
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 旋转图像
Mat rotatedImage;
Point2f center(image.cols / 2, image.rows / 2); // 旋转中心
double angle = 45; // 旋转角度
double scale = 1.0; // 缩放比例
Mat rotationMatrix = getRotationMatrix2D(center, angle, scale);
warpAffine(image, rotatedImage, rotationMatrix, image.size());
// 显示旋转后的图像
imshow("Rotated Image", rotatedImage);
waitKey(0);
destroyAllWindows();
return 0;
} 二、图像处理
1. 图像滤波
图像滤波是图像处理中的一种基本操作，主要用于去除图像中的噪声或增强图像的某些特征。常见的滤波方法包括均值滤波、高斯滤波、中值滤波以及自定义滤波器。
1.1 均值滤波
均值滤波是一种简单的线性滤波方法，它将图像中每个像素的值替换为其邻域内所有像素值的平均值。这种方法可以有效去除噪声，但也会使图像变得模糊。
cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
cv::Mat dst;
cv::blur(src, dst, cv::Size(3, 3)); // 3x3的均值滤波1.2 高斯滤波
高斯滤波是一种非线性滤波方法，它使用高斯函数来计算邻域内像素的权重，从而对图像进行平滑处理。高斯滤波在去除噪声的同时，能够更好地保留图像的边缘信息。
cv::GaussianBlur(src, dst, cv::Size(5, 5), 0); // 5x5的高斯滤波1.3 中值滤波
中值滤波是一种非线性滤波方法，它将图像中每个像素的值替换为其邻域内所有像素值的中值。这种方法在去除椒盐噪声时效果非常好。
cv::medianBlur(src, dst, 5); // 5x5的中值滤波1.4 自定义滤波器
OpenCV允许用户自定义滤波器核，通过cv::filter2D函数可以实现自定义滤波操作。
cv::Mat kernel = (cv::Mat_(3, 3) << 1, 0, -1, 0, 0, 0, -1, 0, 1);
cv::filter2D(src, dst, -1, kernel); 2. 图像边缘检测
边缘检测是图像处理中的一个重要任务，用于识别图像中物体的边界。常用的边缘检测方法包括Sobel算子和Canny边缘检测。
2.1 Sobel算子
Sobel算子是一种基于梯度的边缘检测方法，它可以检测图像中的水平和垂直边缘。
cv::Mat grad_x, grad_y;
cv::Sobel(src, grad_x, CV_16S, 1, 0); // 水平方向
cv::Sobel(src, grad_y, CV_16S, 0, 1); // 垂直方向
cv::convertScaleAbs(grad_x, grad_x);
cv::convertScaleAbs(grad_y, grad_y);
cv::addWeighted(grad_x, 0.5, grad_y, 0.5, 0, dst); // 合并结果2.2 Canny 边缘检测
Canny 边缘检测是一种多阶段的边缘检测算法，它能够有效地检测出图像中的边缘，并且对噪声具有较强的鲁棒性。
cv::Canny(src, dst, 100, 200); // 阈值1=100，阈值2=2003. 图像形态学操作
形态学操作是基于图像形状的一系列操作，常用于图像的前景和背景分离、噪声去除等任务。常见的形态学操作包括腐蚀、膨胀、开运算、闭运算和形态学梯度。
3.1 腐蚀
腐蚀操作可以消除图像中的小物体或细节，使得前景物体变小。
cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
cv::erode(src, dst, kernel);3.2 膨胀
膨胀操作可以扩大图像中的前景物体，常用于填补前景物体中的空洞。
cv::dilate(src, dst, kernel);3.3 开运算
开运算是先腐蚀后膨胀的操作，常用于去除小物体或噪声。
cv::morphologyEx(src, dst, cv::MORPH_OPEN, kernel);3.4 闭运算
闭运算是先膨胀后腐蚀的操作，常用于填补前景物体中的小孔。
cv::morphologyEx(src, dst, cv::MORPH_CLOSE, kernel);形态学梯度
形态学梯度是膨胀和腐蚀的差值，可以用于提取物体的边缘。
cv::morphologyEx(src, dst, cv::MORPH_GRADIENT, kernel);4. 图像阈值化
图像阈值化是将图像转换为二值图像的过程，常用于图像分割。常见的阈值化方法包括二值化、自适应阈值和Otsu阈值法。
4.1 二值化
二值化是将图像中的像素值根据设定的阈值分为两类，通常用于简单的图像分割。
cv::threshold(src, dst, 127, 255, cv::THRESH_BINARY);4.2 自适应阈值
自适应阈值根据图像的局部区域动态计算阈值，适用于光照不均匀的图像。
cv::adaptiveThreshold(src, dst, 255, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, 11, 2);4.3 Otsu阈值法
Otsu阈值法是一种自动确定阈值的方法，适用于双峰直方图的图像。
cv::threshold(src, dst, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);5. 图像直方图
直方图是图像处理中用于分析图像亮度分布的工具。常见的直方图操作包括计算直方图、直方图均衡化和直方图对比。
5.1 计算直方图
直方图可以反映图像中像素值的分布情况。
cv::Mat hist;
int histSize = 256;
float range[] = {0, 256};
const float* histRange = {range};
cv::calcHist(&src, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange);5.2 直方图均衡化
直方图均衡化可以增强图像的对比度，使得图像的亮度分布更加均匀。
cv::equalizeHist(src, dst);5.3 直方图对比
直方图对比可以用于比较两幅图像的相似性。
double compare = cv::compareHist(hist1, hist2, cv::HISTCMP_CORREL);6. 实例
OpenCV 中常见的图像处理操作，包括滤波、边缘检测、阈值化、形态学操作和轮廓检测。通过这些技术，你可以实现更复杂的图像处理任务。以下是 C++ OpenCV 中常见的图像处理操作及其代码示例：
6.1 图像滤波
图像滤波用于去除噪声或增强图像特征。
均值滤波
#include
#include
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 均值滤波
Mat blurredImage;
blur(image, blurredImage, Size(5, 5)); // 5x5 的核
imshow("Original Image", image);
imshow("Blurred Image", blurredImage);
waitKey(0);
destroyAllWindows();
return 0;
} 高斯滤波
#include
#include
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 高斯滤波
Mat gaussianBlurredImage;
GaussianBlur(image, gaussianBlurredImage, Size(5, 5), 0); // 5x5 的核
imshow("Original Image", image);
imshow("Gaussian Blurred Image", gaussianBlurredImage);
waitKey(0);
destroyAllWindows();
return 0;
} 中值滤波
#include
#include
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 中值滤波
Mat medianBlurredImage;
medianBlur(image, medianBlurredImage, 5); // 核大小为 5
imshow("Original Image", image);
imshow("Median Blurred Image", medianBlurredImage);
waitKey(0);
destroyAllWindows();
return 0;
} 6.2 边缘检测
边缘检测用于提取图像中的边缘信息。
Canny 边缘检测
#include
#include
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// Canny 边缘检测
Mat edges;
Canny(grayImage, edges, 100, 200); // 阈值1和阈值2
imshow("Original Image", image);
imshow("Canny Edges", edges);
waitKey(0);
destroyAllWindows();
return 0;
} 6.3 图像阈值化
阈值化用于将图像转换为二值图像。
简单阈值化
#include
#include
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// 简单阈值化
Mat binaryImage;
threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);
imshow("Original Image", image);
imshow("Binary Image", binaryImage);
waitKey(0);
destroyAllWindows();
return 0;
} 自适应阈值化
#include
#include
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// 自适应阈值化
Mat adaptiveBinaryImage;
adaptiveThreshold(grayImage, adaptiveBinaryImage, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 11, 2);
imshow("Original Image", image);
imshow("Adaptive Binary Image", adaptiveBinaryImage);
waitKey(0);
destroyAllWindows();
return 0;
} 6.4 形态学操作
形态学操作用于处理图像的形状和结构。
腐蚀与膨胀
#include
#include
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// 二值化
Mat binaryImage;
threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);
// 腐蚀操作
Mat erodedImage;
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5));
erode(binaryImage, erodedImage, kernel);
// 膨胀操作
Mat dilatedImage;
dilate(binaryImage, dilatedImage, kernel);
imshow("Original Image", image);
imshow("Eroded Image", erodedImage);
imshow("Dilated Image", dilatedImage);
waitKey(0);
destroyAllWindows();
return 0;
} 6.5 轮廓检测
轮廓检测用于提取图像中的对象轮廓。
#include
#include
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误：无法加载图像，请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// 二值化
Mat binaryImage;
threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);
// 查找轮廓
vector> contours;
vector hierarchy;
findContours(binaryImage, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
// 绘制轮廓
Mat contourImage = Mat::zeros(image.size(), CV_8UC3);
for (size_t i = 0; i < contours.size(); i++) {
drawContours(contourImage, contours, i, Scalar(0, 255, 0), 2);
}
imshow("Original Image", image);
imshow("Contours", contourImage);
waitKey(0);
destroyAllWindows();
return 0;
} 
![洛谷 P6715 [CCO 2018] Fun Palace （神秘DP）](http://pic.xiahunao.cn/洛谷 P6715 [CCO 2018] Fun Palace （神秘DP）)
