OpenCV入门【C++版】
OpenCV基础入门【C++语言】
- Chapter1 读取图片/视频/摄像头
- 从文件读取图片
- 从文件读取视频
- 读摄像头
- Chapter2 基础函数
- Chapter3 调整和剪裁
- Chapter4 绘制形状和文字
- Chapter5 透视变换
- Chapter6 颜色检测
- Chapter7 形状/轮廓检测
- Chapter8 人脸检测
- Project1 虚拟画家
- Project2 文档扫描
- Project3 车牌检测
- OpenCV3.4.6安装包(含contrib):https://pan.baidu.com/s/1KBD-fAO63p0s5ANYa5XcEQ 提取码:p7j0
- resources资源:https://pan.baidu.com/s/1nkQ6iVV7IeeP4gTXvM_DyQ 提取码:ypvt
Chapter1 读取图片/视频/摄像头
从文件读取图片
模块 | 功能 |
---|---|
imgcodecs | Image file reading and writing |
imgproc | Image Procssing |
highgui | High-level GUI |
Mat cv::imread(const String &filename, int flags = IMREAD_COLOR)
从文件加载图像。函数
imread
从指定文件加载图像并返回。 如果无法读取图像(由于缺少文件、权限不正确、格式不受支持或无效),该函数将返回一个空矩阵(Mat::data==NULL
)。在彩色图像的情况下,解码图像的通道将以 B G R 顺序存储。
void cv::imshow(cosnst String &winnanme, InputArray mat)
在指定窗口中显示图像。这个函数后面应该是
cv::waitKey
函数,它显示指定毫秒的图像。否则,它不会显示图像。例如,waitKey(0)
将无限显示窗口,直到有任何按键(适用于图像显示)。waitKey(25)
将显示一帧 25 毫秒,之后显示将自动关闭。(如果你把它放在一个循环中读取视频,它会逐帧显示视频)
int cv::waitKey(int delay = 0)
等待按下的键。函数
waitKey
无限等待按键事件(当delay≤0
时)或延迟毫秒,当它为正时。由于操作系统在切换线程之间有最短时间,因此该函数不会完全等待延迟毫秒,它会至少等待延迟毫秒,具体取决于当时您计算机上正在运行的其他内容。如果在指定的时间过去之前没有按下任何键,则返回被按下键的代码或 -1。
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{string path = "Resources/test.png";Mat img = imread(path);imshow("Image", img);waitKey(0); //显示图片不会一闪而过return 0;
}
从文件读取视频
要捕获视频,需要创建一个VideoCapture对象。它的参数可以是视频文件的名称或设备索引。
OpenCV3.4.6中VideoCapture
类构造函数及成员函数
cv::VideoCapture::VideoCapture()
cv::VideoCapture::VideoCapture(const String &filename)
cv::VideoCapture::VideoCapture(const String &filename, int apiPreference)
cv::VideoCapture::VideoCapture(int index)
cv::VideoCapture::VideoCapture(int index, int apiPreference)
打开视频文件或捕获设备或 IP 视频流进行视频捕获。
virtual bool cv::VideoCapture::isOpened() const
如果视频捕获已经初始化,则返回true。如果先前对
VideoCapture
构造函数或VideoCapture::open()
的调用成功,则该方法返回 true。
virtual bool cv::VideoCapture::read(OutputArray image)
抓取、解码并返回下一个视频帧。
virtual double cv::VideoCapture::get(int proId) const
返回指定的
VideoCapture
属性。
virtual double cv::VideoCapture::set(int proId, double value)
在
VideoCapture
中设置一个属性。
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{string path = "Resources/test_video.mp4";VideoCapture cap(path); //视频捕捉对象Mat img;while (true) {cap.read(img);imshow("Image", img);waitKey(1);}return 0;
}
读摄像头
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{VideoCapture cap(0);Mat img;while (true) {cap.read(img);imshow("Image", img);waitKey(1);}return 0;
}
Chapter2 基础函数
void cv::cvtColor(InputArray src, OutputArray dst, int code, int dstCn = 0)
将图像从一种颜色空间转换为另一种颜色空间。该函数将输入图像从一种颜色空间转换为另一种颜色空间。在从 RGB 颜色空间转换的情况下,应明确指定通道的顺序(RGB 或 BGR)。man请注意,OpenCV 中的默认颜色格式通常称为 RGB,但实际上是 BGR(字节反转)。因此,标准(24 位)彩色图像中的第一个字节将是 8 位蓝色分量,第二个字节将是绿色,第三个字节将是红色。 然后第四、第五和第六个字节将是第二个像素(蓝色,然后是绿色,然后是红色),依此类推。
void cv::GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, doube sigmaY = 0, int borderType = BORDER_DEFAULT)
使用高斯滤波器模糊图像。该函数将源图像与指定的高斯核进行卷积。
void cv::Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false)
使用 Canny 算法在图像中查找边缘。
Mat cv::getStructuringElement(int shape, Size ksize, Point anchor = Point(-1, -1))
返回指定大小和形状的结构元素,用于形态学操作。该函数构造并返回可以进一步传递给腐蚀、扩张或形态学的结构元素。 但是您也可以自己构建任意二进制掩码并将其用作结构元素。
void cv::dilate(InputArray src, OutputArray dst, InuputArray kernel, Point anchor = Point(-1, -1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar &borderValue = morphologyDefaultBorderValue())
使用特定的结构元素膨胀图像。
void cv::erode(InputArray src, OutputArray dst, InuputArray kernel, Point anchor = Point(-1, -1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar &borderValue = morphologyDefaultBorderValue())
使用特定的结构元素腐蚀图像。
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{string path = "resources/test.png";Mat img = imread(path);Mat imgGray, imgBlur, imgCanny, imgDil, imgErode;cvtColor(img, imgGray, COLOR_BGR2GRAY); //灰度化GaussianBlur(img, imgBlur, Size(3, 3), 3, 0); //高斯模糊Canny(imgBlur, imgCanny, 25, 75); //边缘检测Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));dilate(imgCanny, imgDil, kernel);erode(imgDil, imgErode, kernel);imshow("Image", img);imshow("ImageGray", imgGray);imshow("ImageBlur", imgBlur);imshow("ImageCanny", imgCanny);imshow("ImageDilation", imgDil);imshow("ImageErode", imgErode);waitKey(0);return 0;
}
Chapter3 调整和剪裁
void cv::resize(InputArray src, OutputArray dst, Size dsize, double fx=0, double fy=0, int interpolation = INTER_LINEAR)
调整图像的大小。函数
resize
将图像src
的大小缩小到或最大到指定的大小。请注意,不考虑初始dst
类型或大小。相反,大小和类型是从src、dsize、fx 和 fy
派生的。
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{string path = "resources/test.png";Mat img = imread(path);Mat imgResize, imgCrop;cout << img.size() << endl;resize(img, imgResize, Size(), 0.5, 0.5);Rect roi(200, 100, 300, 300);imgCrop = img(roi);imshow("Image", img);imshow("ImageResieze", imgResize);imshow("ImageCrop", imgCrop);waitKey(0);return 0;
}
Chapter4 绘制形状和文字
Mat(int rows, int cols, int type, const Scalar &s)
重载的构造函数
void cv::circle(InputOutputArray img, Point center, int radius, const Scalar &color, int thickness=1, int lineType=LINE_8, int shift=0)
函数
cv::circle
用给定的中心和半径绘制一个简单的或实心圆。
void cv::rectangle(InputOutputArray img, Point pt1, Point pt2, const Scalar &color, int thickness=1, int lineType=LINE_8, int shift=0)
void cv::rectangle(Mat &img, Rect rec, const Scalar &color, int thickness=1, int lineType=LINE_8, int shift=0)
绘制一个简单的、粗的或填充的右上矩形。函数
cv::rectangle
绘制一个矩形轮廓或两个对角为 pt1 和 pt2 的填充矩形。
void cv::line (InputOutputArray img, Point pt1, Point pt2, const Scalar &color, int thickness=1, int lineType=LINE_8, int shift=0)
绘制连接两点的线段。函数
line
绘制图像中 pt1 和 pt2 点之间的线段。
void cv::putText (InputOutputArray img, const String &text, Point org, int fontFace, double fontScale, Scalar color, int thickness=1, int lineType=LINE_8, bool bottomLeftOrigin=false)
绘制一个文本字符串。函数
cv::putText
在图像中呈现指定的文本字符串。无法使用指定字体呈现的符号将替换为问号。
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{//Blank ImageMat img(512, 512, CV_8UC3, Scalar(255, 255, 255));circle(img, Point(256, 256), 155, Scalar(0, 69, 255), FILLED);rectangle(img, Point(130, 226), Point(382, 286), Scalar(255, 255, 255), -1);line(img, Point(130, 296), Point(382, 296), Scalar(255, 255, 255), 2);putText(img, "SJN's Workshop", Point(137, 262), FONT_HERSHEY_DUPLEX, 0.95, Scalar(0, 69, 255), 2);imshow("Image", img);waitKey(0);return 0;
}
Chapter5 透视变换
Mat cv::getPerspectiveTransform (const Point2f src[], const Point2f dst[])
返回相应 4 个点对的 3x3 透视变换。
void cv::warpPerspective (InputArray src, OutputArray dst, InputArray M, Size dsize, int flags=INTER_LINEAR, int borderMode=BORDER_CONSTANT, const Scalar &borderValue=Scalar())
对图像应用透视变换。
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;float w = 250, h = 350;
Mat matrix, imgWarp;int main()
{string path = "Resources/cards.jpg";Mat img = imread(path);Point2f src[4] = { {529, 142}, {771, 190}, {405, 395}, {674, 457} };Point2f dst[4] = { {0.0f, 0.0f}, {w, 0.0f}, {0.0f, h}, {w, h} };matrix = getPerspectiveTransform(src, dst);warpPerspective(img, imgWarp, matrix, Point(w, h));for (int i = 0; i < 4; i++) {circle(img, src[i], 10, Scalar(0, 0, 255), FILLED);}imshow("Image", img);imshow("ImageWarp", imgWarp);waitKey(0);return 0;
}
注:文档扫描用到这种变换技术
Chapter6 颜色检测
void cv::inRange (InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst)
检查数组元素是否位于其他两个数组的元素之间。
void cv::namedWindow (const String &winname, int flags = WINDOW_AUTOSIZE)
创建一个窗口。函数
namedWindow
创建一个可用作图像和轨迹栏占位符的窗口。创建的窗口由它们的名称引用。如果同名的窗口已经存在,则该函数不执行任何操作。
int cv::createTrackbar (const String &trackbarname, const String &winname, int *value, int count, TrackbarCallback onChange = 0, void *userdata = 0)
创建一个
trackbar
并将其附加到指定窗口。函数createTrackbar
创建一个具有指定名称和范围的trackbar
(滑块或范围控件),分配一个变量值作为与trackbar
同步的位置,并指定回调函数onChange
为 在跟踪栏位置变化时被调用。创建的轨迹栏显示在指定的窗口winname
中。
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;Mat imgHSV, mask;
int hmin = 0, smin = 110, vmin = 153;
int hmax = 19, smax = 240, vmax = 255;int main()
{string path = "resources/lambo.png";Mat img = imread(path);cvtColor(img, imgHSV, COLOR_BGR2HSV);namedWindow("Trackbars", (640, 200));createTrackbar("Hue Min", "Trackbars", &hmin, 179);createTrackbar("Hue Max", "Trackbars", &hmax, 179);createTrackbar("Sat Min", "Trackbars", &smin, 255);createTrackbar("Sat Max", "Trackbars", &smax, 255);createTrackbar("Val Min", "Trackbars", &vmin, 255);createTrackbar("Val Max", "Trackbars", &vmax, 2555);while (true) {Scalar lower(hmin, smin, vmin);Scalar upper(hmax, smax, vmax);inRange(imgHSV, lower, upper, mask);imshow("Image", img);imshow("Image HSV", imgHSV);imshow("Image Mask", mask);waitKey(1);}return 0;
}
Chapter7 形状/轮廓检测
void cv::findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset = Point())
在二值图像中查找轮廓。从OpenCV3.2开始源图像不会这个函数被修改。
参数 | 含义 |
---|---|
image | 二值输入图像 |
contours |
检测到的轮廓,每个轮廓都存储为点向量(例如 std::vector<std::vector<cv::Point> > )
|
hierarchy |
可选的输出向量(例如 std::vector<cv::Vec4i> ),包含有关图像拓扑的信息
|
mode | 轮廓检索模式 |
method | 轮廓近似方式 |
offset | 每个轮廓点移动的可选偏移量 |
double cv::contourArea(InputArray contour, bool oriented=false)
计算轮廓区域
double cv::arcLength(InputArray curve, bool closed)
计算曲线长度或闭合轮廓周长
void cv::approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)
函数
cv::approxPolyDP
用另一个具有较少顶点的曲线/多边形来逼近一条曲线或多边形,以使它们之间的距离小于或等于指定的精度。
Rect cv::boundingRect(InputArray array)
计算并返回指定点集或灰度图像非零像素的最小上边界矩形。
void cv::drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar &color, int thickness = 1, int lineType = LINE_8, InputArray hierarchy = noArray(), int maxLevel = INT_MAX, Point offset = Point())
绘制轮廓轮廓或填充轮廓。如果厚度≥0,该函数在图像中绘制轮廓轮廓,如果厚度<0,则填充轮廓所包围的区域。
Point_< _Tp > tl() const
左上角
Point_< _Tp > br() const
右下角
//rect
template<typename _Tp> class cv::Rect_< _Tp >
typedef Rect_<int> cv::Rect2i
typedef Rect2i cv::Rect
//point
template<typename _Tp> class cv::Point_< _Tp >
typedef Point_<int> cv::Point2i
typedef Point2i cv::Point
cv::Rect_< _Tp > 类属性
|
含义 |
---|---|
height | 矩形高度 |
width | 矩形宽度 |
x | 左上角的 x 坐标 |
y | 左上角的 y 坐标 |
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;void getContours(Mat imgDil, Mat img) {vector<vector<Point>> contours; //轮廓数据vector<Vec4i> hierarchy;findContours(imgDil, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); //通过预处理的二值图像找到所有轮廓contours//drawContours(img, contours, -1, Scalar(255, 0, 255), 2); //绘制所有轮廓for (int i = 0; i < contours.size(); i++) {double area = contourArea(contours[i]); //计算每个轮廓区域cout << area << endl;vector<vector<Point>> conPoly(contours.size()); vector<Rect> boundRect(contours.size());string objectType;if (area > 1000) //过滤噪声{//找轮廓的近似多边形或曲线double peri = arcLength(contours[i], true);approxPolyDP(contours[i], conPoly[i], 0.02 * peri, true);cout << conPoly[i].size() << endl;boundRect[i] = boundingRect(conPoly[i]); //找每个近似曲线的最小上边界矩形int objCor = (int)conPoly[i].size();if (objCor == 3) { objectType = "Tri"; }if (objCor == 4) { float aspRatio = (float)boundRect[i].width / boundRect[i].height; //宽高比cout << aspRatio << endl;if (aspRatio > 0.95 && aspRatio < 1.05) {objectType = "Square";}else {objectType = "Rect";}}if (objCor > 4) { objectType = "CirCle"; }drawContours(img, conPoly, i, Scalar(255, 0, 255), 2); //绘制滤除噪声后的所有轮廓rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); //绘制边界框putText(img, objectType, { boundRect[i].x, boundRect[i].y - 5 }, FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);}}
}int main()
{string path = "resources/shapes.png";Mat img = imread(path);Mat imgGray, imgBlur, imgCanny, imgDil;// PreprocessingcvtColor(img, imgGray, COLOR_BGR2GRAY);GaussianBlur(imgGray, imgBlur, Size(3, 3), 3, 0);Canny(imgBlur, imgCanny, 25, 75);Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));dilate(imgCanny, imgDil, kernel);getContours(imgDil, img);imshow("Image", img);/*imshow("Image Gray", imgGray);imshow("Image Blur", imgBlur);imshow("Image Canny", imgCanny);imshow("Image Dil", imgDil);*/waitKey(0);return 0;
}
Chapter8 人脸检测
涉及模块objdetect:Object Detection
class cv::CascadeClassifier
用于对象检测的级联分类器类。
bool load (const String &filename)
从文件加载分类器。
bool empty() const
检查分类器是否已加载。
void detectMultiScale(InputArray image, std::vector<Rect> &objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())
检测输入图像中不同大小的对象。检测到的对象作为矩形列表返回。
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/objdetect.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{string path = "Resources/test.png";Mat img = imread(path);CascadeClassifier faceCascade;faceCascade.load("Resources/haarcascade_frontalface_default.xml");if (faceCascade.empty()) { cout << "XML file not loaded" << endl; }vector<Rect> faces;faceCascade.detectMultiScale(img, faces, 1.1, 10);for (int i = 0; i < faces.size(); i++) {rectangle(img, faces[i].tl(), faces[i].br(), Scalar(255, 0, 255), 3);}imshow("Image", img);waitKey(0);return 0;
}
Project1 虚拟画家
颜色选择器:先找出待检测颜色的HSV阈值
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;int main()
{VideoCapture cap(1);Mat img;Mat imgHSV, mask, imgColor;int hmin = 0, smin = 0, vmin = 0;int hmax = 179, smax = 255, vmax = 255;namedWindow("Trackbars", (640, 200)); // Create WindowcreateTrackbar("Hue Min", "Trackbars", &hmin, 179);createTrackbar("Hue Max", "Trackbars", &hmax, 179);createTrackbar("Sat Min", "Trackbars", &smin, 255);createTrackbar("Sat Max", "Trackbars", &smax, 255);createTrackbar("Val Min", "Trackbars", &vmin, 255);createTrackbar("Val Max", "Trackbars", &vmax, 255);while (true) {cap.read(img);cvtColor(img, imgHSV, COLOR_BGR2HSV);Scalar lower(hmin, smin, vmin);Scalar upper(hmax, smax, vmax);inRange(imgHSV, lower, upper, mask);// hmin, smin, vmin, hmax, smax, vmax;cout << hmin << ", " << smin << ", " << vmin << ", " << hmax << ", " << smax << ", " << vmax << endl;imshow("Image", img);imshow("Mask", mask);waitKey(1);}
}
利用检测到颜色的矩形框上边界中点开始虚拟作画
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;Mat img;
vector<vector<int>> newPoints;vector<vector<int>> myColors{ {124, 48, 117, 143, 170, 255}, //purple{68, 72, 156, 102, 126, 255} }; //greenvector<Scalar> myColorValues{ {255, 0, 255}, //purple{0, 255, 0} }; //greenPoint getContours(Mat imgDil) {vector<vector<Point>> contours; //轮廓数据vector<Vec4i> hierarchy;findContours(imgDil, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); //通过预处理的二值图像找到所有轮廓contours//drawContours(img, contours, -1, Scalar(255, 0, 255), 2); //绘制所有轮廓(不滤除噪声)vector<vector<Point>> conPoly(contours.size());vector<Rect> boundRect(contours.size());Point myPoint(0, 0);for (int i = 0; i < contours.size(); i++){double area = contourArea(contours[i]); //计算每个轮廓区域cout << area << endl;if (area > 1000) //过滤噪声{//找轮廓的近似多边形或曲线double peri = arcLength(contours[i], true);approxPolyDP(contours[i], conPoly[i], 0.02 * peri, true);cout << conPoly[i].size() << endl;boundRect[i] = boundingRect(conPoly[i]); //找每个近似曲线的最小上边界矩形myPoint.x = boundRect[i].x + boundRect[i].width / 2;myPoint.y = boundRect[i].y;//drawContours(img, conPoly, i, Scalar(255, 0, 255), 2); //绘制滤除噪声后的所有轮廓//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); //绘制边界框}}return myPoint; //返回矩形框上边界中点坐标
}vector<vector<int>> findColor(Mat img)
{Mat imgHSV, mask;cvtColor(img, imgHSV, COLOR_BGR2HSV);for (int i = 0; i < myColors.size(); i++) {Scalar lower(myColors[i][0], myColors[i][1], myColors[i][2]);Scalar upper(myColors[i][3], myColors[i][4], myColors[i][5]);inRange(imgHSV, lower, upper, mask);//imshow(to_string(i), mask);Point myPoint = getContours(mask); //根据mask得到检测到当前颜色矩形框的上边界中点坐标if (myPoint.x != 0 && myPoint.y != 0) {newPoints.push_back({ myPoint.x, myPoint.y, i }); //得到当前帧检测颜色的目标点}}return newPoints;
}void drawOnCanvas(vector<vector<int>> newPoints, vector<Scalar> myColorValues)
{for (int i = 0; i < newPoints.size(); i++) {circle(img, Point(newPoints[i][0], newPoints[i][1]), 10, myColorValues[newPoints[i][2]], FILLED);}
}int main()
{VideoCapture cap(0);while (true) {cap.read(img);newPoints = findColor(img);drawOnCanvas(newPoints, myColorValues);imshow("Image", img);waitKey(1);}return 0;
}
Project2 文档扫描
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;Mat imgOriginal, imgGray, imgBlur,imgCanny, imgThre, imgDil, imgErode, imgWarp, imgCrop;
vector<Point> initialPoints, docPoints;float w = 420, h = 596;Mat preProcessing(Mat img)
{cvtColor(img, imgGray, COLOR_BGR2GRAY); GaussianBlur(imgGray, imgBlur, Size(3, 3), 3, 0); Canny(imgBlur, imgCanny, 25, 75); Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));dilate(imgCanny, imgDil, kernel);//erode(imgDil, imgErode, kernel);return imgDil;
}vector<Point> getContours(Mat imgDil) {vector<vector<Point>> contours; //轮廓数据vector<Vec4i> hierarchy;findContours(imgDil, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); //通过预处理的二值图像找到所有轮廓contours//drawContours(img, contours, -1, Scalar(255, 0, 255), 2); //绘制所有轮廓(不滤除噪声)vector<vector<Point>> conPoly(contours.size());vector<Point> biggest;int maxArea = 0;for (int i = 0; i < contours.size(); i++){double area = contourArea(contours[i]); //计算每个轮廓区域cout << area << endl;if (area > 1000) //过滤噪声{//找轮廓的近似多边形或曲线double peri = arcLength(contours[i], true);approxPolyDP(contours[i], conPoly[i], 0.02 * peri, true);if (area > maxArea && conPoly[i].size() == 4) {//drawContours(imgOriginal, conPoly, i, Scalar(255, 0, 255), 5); //绘制滤除噪声后的所有轮廓biggest = { conPoly[i][0], conPoly[i][1], conPoly[i][2], conPoly[i][3] };maxArea = area;}}}return biggest; //返回最大轮廓四个点的坐标
}void drawPoints(vector<Point> points, Scalar color)
{for (int i = 0; i < points.size(); i++) {circle(imgOriginal, points[i], 10, color, FILLED);putText(imgOriginal, to_string(i), points[i], FONT_HERSHEY_PLAIN, 4, color, 4);}
}vector<Point> reorder(vector<Point> points)
{vector<Point> newPoints;vector<int> sumPoints, subPoints;for (int i = 0; i < 4; i++) {sumPoints.push_back(points[i].x + points[i].y);subPoints.push_back(points[i].x - points[i].y);}newPoints.push_back(points[min_element(sumPoints.begin(), sumPoints.end()) - sumPoints.begin()]); //0newPoints.push_back(points[max_element(subPoints.begin(), subPoints.end()) - subPoints.begin()]); //1newPoints.push_back(points[min_element(subPoints.begin(), subPoints.end()) - subPoints.begin()]); //2newPoints.push_back(points[max_element(sumPoints.begin(), sumPoints.end()) - sumPoints.begin()]); //3return newPoints;
}Mat getWarp(Mat img, vector<Point> points, float w, float h)
{Point2f src[4] = { points[0], points[1], points[2], points[3] };Point2f dst[4] = { {0.0f, 0.0f}, {w, 0.0f}, {0.0f, h}, {w, h} };Mat matrix = getPerspectiveTransform(src, dst);warpPerspective(img, imgWarp, matrix, Point(w, h));return imgWarp;
}int main()
{string path = "Resources/paper.jpg";imgOriginal = imread(path);//resize(imgOriginal, imgOriginal, Size(), 0.5, 0.5);//PreprocessingimgThre = preProcessing(imgOriginal);//Get Contours - BiggestinitialPoints = getContours(imgThre);//drawPoints(initialPoints, Scalar(0, 0, 255));docPoints = reorder(initialPoints);//drawPoints(docPoints, Scalar(0, 255, 0));//WarpimgWarp = getWarp(imgOriginal, docPoints, w, h);//Cropint cropValue = 5;Rect roi(cropValue, cropValue, w - (2 * cropValue), h - (2 * cropValue));imgCrop = imgWarp(roi);imshow("Image", imgOriginal);imshow("Image Dilation", imgThre);imshow("Image Warp", imgWarp);imshow("Image Crop", imgCrop);waitKey(0);return 0;
}
Project3 车牌检测
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/objdetect.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{VideoCapture cap(0);Mat img;CascadeClassifier plateCascade;plateCascade.load("Resources/haarcascade_russian_plate_number.xml");if (plateCascade.empty()) { cout << "XML file not loaded" << endl; }vector<Rect> plates;while (true) {cap.read(img);plateCascade.detectMultiScale(img, plates, 1.1, 10);for (int i = 0; i < plates.size(); i++){Mat imgCrop = img(plates[i]);imshow(to_string(i), imgCrop);imwrite("D:\\VS2019Projects\\chapter2\\chapter2\\resources\\Plates\\1.png", imgCrop);rectangle(img, plates[i].tl(), plates[i].br(), Scalar(255, 0, 255), 3);}imshow("Image", img);waitKey(1);}return 0;
}
OpenCV入门【C++版】相关推荐
- Opencv快速入门(C++版),新手向
Opencv快速入门(C++版) 前言 1.图像的读取与显示 所使用的API接口: 代码演示: 2.图像色彩空间转换 所使用的API接口: 代码演示: 3.图像对象的创建与赋值 所使用的API接口: ...
- 【转】【OpenCV入门教程之一】 安装OpenCV:OpenCV 3.0、OpenCV 2.4.8、OpenCV 2.4.9 +VS 开发环境配置
本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接: http://blog.csdn.net/poem_qianmo/article/details/19809337 作者:毛星云(浅 ...
- 转载:【opencv入门教程之六】创建Trackbar图片对比度、亮度值调整
[OpenCV入门教程之六] 创建Trackbar & 图像对比度.亮度值调整 浅墨_毛星云 2014-03-18 21:43:18 103746 收藏 21 最后发布:2014-03-18 ...
- 转载:【OpenCV入门教程之五】 分离颜色通道多通道图像混合
本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接: http://blog.csdn.net/poem_qianmo/article/details/21176257 作者:毛星云(浅墨) ...
- 转载:【OpenCV入门教程之四】 ROI区域图像叠加初级图像混合 全剖析
[OpenCV入门教程之四] ROI区域图像叠加&初级图像混合 全剖析 浅墨_毛星云 2014-03-10 12:48:05 157425 收藏 19 最后发布:2014-03-10 12:4 ...
- 转载:【opencv入门教程之三】:图片的载入|显示|输出
本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接: http://blog.csdn.net/poem_qianmo/article/details/20537737 作者:毛星云(浅墨) ...
- 转载:【opencv入门教程之三】:组件结构
本系列文章由zhmxy555(毛星云)编写,转载请注明出处. 文章链接: http://blog.csdn.net/poem_qianmo/article/details/19925819 作者:毛星 ...
- 转载:【opencv入门教程之一】:配置
本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接: http://blog.csdn.net/poem_qianmo/article/details/19809337 作者:毛星云(浅 ...
- 【OpenCV入门教程之五】 分离颜色通道多通道图像混合(转)
本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接: http://blog.csdn.net/poem_qianmo/article/details/21176257 作者:毛星云(浅墨) ...
- 【OpenCV入门教程之十一】 形态学图像处理(二):开运算、闭运算、形态学梯度、顶帽、黑帽合辑
本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接: http://blog.csdn.net/poem_qianmo/article/details/23184547 作者:毛星云(浅墨) ...
最新文章
- 化浆池是什么东西_头次见聪明人在阳台上砌洗衣池,开始被人笑话,装完都跟着学...
- 使用websploit在局域网全自动渗透
- 索引键的唯一性(3/4):唯一聚集索引上的唯一和非唯一非聚集索引
- flash跨域访问解决办法
- leetcode算法题解(Java版)-16-动态规划(单词包含问题)
- [Note]Linux查看ASCII字符表
- 从输入一个url到浏览器页面展示都经历了哪些过程?
- Sqlserver存储过程和C#分页类简化你的代码!
- net framework安装有什么影响_阳台护栏安装不当会造成什么影响
- nodejs fs模块
- php留言板示例,php留言板完整实例源码
- sql server Developer Edition版本的下载安装
- 商业计划书(BP)应该包含哪些点?看 BP 的人最想从中得到什么?
- 学田岛电脑绣花制版新人上手教程之一
- linux版高德导航软件下载,高德导航下载2021年最新版本_高德导航2021手机版下载-太平洋下载中心...
- SuperMap iServer产品版本以及模块介绍
- 有人负责,才有质量:写给在集市中迷失的一代
- sybase 珍藏系列之一
- 统计学习方法——最小二乘法及其具体实现
- 厦门大学校园导游系统(图论)
热门文章
- Java写家庭记账软件
- c++ strcat
- [转载]梅雨に濡れる(1-2)by伊达蓝
- java定义integer数组_Java中的Integer
- java计算机毕业设计开放式教学评价管理系统源码+mysql数据库+系统+lw文档+部署
- SpringCloud学习系列之四-----配置中心(Config)使用详解
- Linux内核系统由哪些部分组成的
- 知微传感Dkam系列3D相机SDK例程篇:获取内外参
- ac1900 linksys 恢复_Linksys-AC1900路由器 - 刷机指南
- 天真面具下真实的白羊座!