【opencv的学习】各类变换的尝试 opencv

一个简单的变换：载入一副图像进行平滑处理

#include #include #include using namespace std; void example2_4(IplImage* image) { //Create some windows to show the input //and output images in. // cvNamedWindow("Example4-in"); cvNamedWindow("Example4-out"); //Create a window to show our input image // cvShowImage("Example4-in", image); //Create an image to hold the smoothed output //cvCreateImage为创建图像的函数 // IplImage* out = cvCreateImage( cvGetSize(image),//当前图像结构的大小 IPL_DEPTH_8U,//每个像素点的数据类型 3//通道数 ); //Do the smoothing //cvSmooth为平滑处理函数 // cvSmooth(image, out, CV_GAUSSIAN, 3, 3); //参数分别表示：输入图像，输出图像，平滑处理的方法，平滑处理的相关参数 //此处最后两个参数表示使用每个像素周围3*3的区域进行高斯平滑处理 //show the smoothed image in the output window // cvShowImage("Example4-out", out); //be tidy // cvReleaseImage(&out); //wait for the user to hit a key,then clean up the windows // cvWaitKey(0); cvDestroyWindow("Example4-in"); cvDestroyWindow("Example4-out"); } int main() { IplImage* img = cvLoadImage("Example1.jpg"); example2_4(img); cvReleaseImage(&img); }

一个复杂一点的变换：
（1）对图像尺寸进行变换

#include #include #include using namespace std; IplImage* doPyrDowm(IplImage* in, int filter = CV_GAUSSIAN_5x5) // CV_GAUSSIAN_5x5在书中为IPL_GAUSSIAN_5x5，但IPL_GAUSSIAN_5x5不在库中 { //best to make sure input image is divisible by two. // //assert(in->width % 2 != 0 && in->height % 2 == 0); //条件正确继续进行，错误则终止程序，根据资料此函数不常用 //若将in->width % 2 != 0改为in->width % 2 == 0，不可运行 //思考后得出：可能是因为老版本对尺寸要求比较严格，3.0版opencv无尺寸问题 IplImage* out = cvCreateImage( CvSize(in->width / 2, in->height / 2), //大小只有输入图像1/4的图像 in->depth,//输入图像每个像素点的数据类型 in->nChannels); //输入图像的通道数 cvPyrDown(in, out); return(out); }int main() { IplImage* img1 = cvLoadImage("Example1.jpg"); IplImage* img = doPyrDowm(img1, CV_GAUSSIAN_5x5); cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE); cvShowImage("Example1", img); cvWaitKey(0); cvReleaseImage(&img); cvReleaseImage(&img1); cvDestroyWindow("Example1"); }

cvPyrDown为openCV中的一个函数。功能：函数cvPyrDown使用Gaussian金字塔分解对输入图像向下采样。格式： void cvPyrDown(const CvArr*src,CvArr*dst,int filter=CV_GAUSSIAN_5x5); 参数： src 输入图像。 dst 输出图像，其宽度和高度应是输入图像的一半。 filter 卷积滤波器类型，目前仅支持CV_GAUSSIAN_5x5。 //函数资料来自百度百科
（2）Canny边缘检测将输出写入一个单通道（灰度级）图像
【【opencv的学习】各类变换的尝试】

#include #include #include using namespace std; IplImage* doCanny(IplImage* in, double lowThresh, double highThresh, double aperture) { if (in->nChannels != 1)//确保输入图像为灰度图像 return(0); IplImage* out = cvCreateImage( CvSize(cvGetSize(in)),//cvGetSize函数提取输入函数的图像大小 IPL_DEPTH_8U,//IPL_DEPTH_8U表示图像像素类型：无符号8位整数 1); //单通道（灰度级） cvCanny(in, out, lowThresh, highThresh, aperture); //见下方函数说明 return(out); } int main() { IplImage* img1 = cvLoadImage("Example1.jpg",0); IplImage* img = doCanny(img1, 10, 100, 3); cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE); cvNamedWindow("Example2", CV_WINDOW_AUTOSIZE); cvShowImage("Example1", img1); cvShowImage("Example2", img); cvWaitKey(0); cvReleaseImage(&img1); cvReleaseImage(&img); cvDestroyWindow("Example1"); cvDestroyWindow("Example2"); }

cvCanny为openCV中的一个函数。功能：用于对图像的边缘检测（采用canny算法）。
格式： void cvCanny( const CvArr* image,CvArr* edges,double threshold1,double threshold2, int aperture_size=3 ); 参数： image 输入单通道图像（可以是彩色图像）对于多通道的图像可以用cvCvtColor()修改。 edges 输出的边缘图像，也是单通道的，但是是黑白的 threshold1 第一个阈值 threshold2 第二个阈值 aperture_size Sobel 算子内核大小（可为3，5，7三个数值）函数 cvCanny 采用 Canny 算法发现输入图像的边缘而且在输出图像中标识这些边缘。threshold1和threshold2 当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割。 //函数资料来自百度百科
（3）连续进行两次缩放处理与Canny边缘检测

#include #include #include using namespace std; IplImage* doPyrDowm(IplImage* in, int filter = CV_GAUSSIAN_5x5) // CV_GAUSSIAN_5x5在书中为IPL_GAUSSIAN_5x5，但IPL_GAUSSIAN_5x5不在库中 { //best to make sure input image is divisible by two. // //assert(in->width % 2 != 0 && in->height % 2 == 0); //条件正确继续进行，错误则终止程序，根据资料此函数不常用 //若将in->width % 2 != 0改为in->width % 2 == 0，不可运行 //思考后得出：可能是因为老版本对尺寸要求比较严格，3.0版opencv无尺寸问题 IplImage* out = cvCreateImage( CvSize(in->width / 2, in->height / 2), //大小只有输入图像1/4的图像 in->depth,//输入图像每个像素点的数据类型 in->nChannels); //输入图像的通道数 cvPyrDown(in, out); return(out); } IplImage* doCanny(IplImage* in, double lowThresh, double highThresh, double aperture) { if (in->nChannels != 1)//确保输入图像为灰度图像 return(0); IplImage* out = cvCreateImage( CvSize(cvGetSize(in)),//cvGetSize函数提取输入函数的图像大小 IPL_DEPTH_8U,//IPL_DEPTH_8U表示图像像素类型：无符号8位整数 1); //单通道（灰度级） cvCanny(in, out, lowThresh, highThresh, aperture); return(out); } int main() { IplImage* img = cvLoadImage("Example1.jpg", 0); IplImage* img1 = doPyrDowm(img, CV_GAUSSIAN_5x5); IplImage* img2 = doPyrDowm(img1, CV_GAUSSIAN_5x5); IplImage* img3 = doCanny(img2, 10, 100, 3); cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE); cvShowImage("Example1", img); cvNamedWindow("Example2", CV_WINDOW_AUTOSIZE); cvShowImage("Example2", img1); cvNamedWindow("Example3", CV_WINDOW_AUTOSIZE); cvShowImage("Example3", img2); cvNamedWindow("Example4", CV_WINDOW_AUTOSIZE); cvShowImage("Example4", img3); cvWaitKey(0); cvReleaseImage(&img); cvReleaseImage(&img1); cvReleaseImage(&img2); cvReleaseImage(&img3); cvDestroyWindow("Example1"); cvDestroyWindow("Example2"); cvDestroyWindow("Example3"); cvDestroyWindow("Example4"); }

在上面的这个程序中，我们不难发现，在最后对不同的IplImage*指针对象进行内存释放时，出现了代码的堆叠，为此我们可以通过每个独立阶段释放内存来简化上面这个程序：

int main() { IplImage* img = cvLoadImage("Example1.jpg", 0); IplImage* out; cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE); cvShowImage("Example1", img); cvNamedWindow("Example2", CV_WINDOW_AUTOSIZE); out = doPyrDowm(img, CV_GAUSSIAN_5x5); out = doPyrDowm(out, CV_GAUSSIAN_5x5); out = doCanny(out, 10, 100, 3); cvShowImage("Example2", out); //直接显示最后效果 cvWaitKey(0); cvReleaseImage(&img); cvReleaseImage(&out); cvDestroyWindow("Example1"); cvDestroyWindow("Example2"); }

对于自清理方法的一个提醒：在Opencv中，我们必须确认被释放的空间是我们显式分配的。例如前面从cvQueryFrame（）返回的IplImage*指针，对于这个指针用cvReleaseImage函数释放会产生许多难以处理的问题。说明：虽然内存垃圾处理在Opencv中很重要，但我们只需要释放自己的显式分配的内存空间。