Opencv的使用小教程2——Opencv常用图像处理函数汇总

冷不防 2023-08-17 15:31 126阅读 0赞

### Opencv的使用小教程2——Opencv常用图像处理函数汇总 ###

*  1、blur
 *  2、GaussianBlur
 *  3、medianBlur
 *  4、bilateralFilter
 *  5、腐蚀和膨胀
 *  6、morphologyEx高级形态学变换
 *  7、convertScaleAbs图像增强
 *  8、Sobel
 *  9、Laplacian
 *  10、Scharr
 *  11、Canny

好好学习噢！  
![在这里插入图片描述][20190913133850108.jpg_pic_center]  
该部分主要提到的函数包括各种滤波、膨胀、腐蚀、开运算、闭运算等。  
本次博文将以Lena图作为使用例子进行演示。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]

# 1、blur #

blur用于图像的均值滤波，调用方式如下：

blur(src, dst, Size(3, 3));

其中，src为源图，dst为目标图，Size(3, 3)表示每个滤波器窗口的大小。  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src);
    	Mat dst;
    	blur(src, dst, Size(3, 3));
    	imshow("blur", dst);
    	imwrite("after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]

# 2、GaussianBlur #

GaussianBlur用于图像的高斯滤波，调用方式如下：

GaussianBlur(src, dst, Size(5, 5), 3, 3);

其中，src为源图，dst为目标图，Size(5, 5)表示每个滤波器窗口的大小。两个3分别代表X方向和Y方向的标准差。  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src);
    	Mat dst;
    	GaussianBlur(src, dst, Size(5, 5), 3, 3);
    	imshow("blur", dst);
    	imwrite("./after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 2]

# 3、medianBlur #

medianBlur用于图像的中值滤波，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，让周围的像素值接近真实的值从而消除孤立的噪声点。该方法对于脉冲噪声、椒盐噪声效果良好。调用方式如下：

medianBlur(src, dst, ksize);

其中，src为源图，dst为目标图，ksize是滤波模板的尺寸大小，必须是大于1的奇数。  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src);
    	Mat dst;
    	int ksize = 5;
    	medianBlur(src, dst, ksize);
    	imshow("blur", dst);
    	imwrite("./after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 3]

# 4、bilateralFilter #

bilateralFilter用于图像的双边滤波，双边滤波器可以很好的边缘保护，即可以在去噪的同时，保护图像的边缘特性，调用方式如下：

bilateralFilter(src, dst, d, sigmaColor, sigmaSpace);

其中：  
**src为源图；  
dst为目标图；  
d为过滤过程中每个像素邻域的直径范围；  
double sigmaColor：颜色空间过滤器的sigma值，这个参数的值越大，表明该像素邻域内有越宽广的颜色会被混合到一起，产生较大的半相等颜色区域。  
double sigmaSpace：坐标空间中滤波器的sigma值，如果该值较大，则意味着越远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。**  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src); 
    	Mat dst;
    	int d = 50;
    	int sigmaColor = 50;
    	int sigmaSpace = 50;
    	bilateralFilter(src, dst, d, sigmaColor, sigmaSpace);
    	imshow("blur", dst);
    	imwrite("./after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用结果为（磨皮了）：![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 4]

# 5、腐蚀和膨胀 #

膨胀与服饰是相对于亮部分而言的，不是暗部分。  
膨胀就是图像中的高亮部分进行膨胀，效果图拥有比原图更大的亮区域。  
腐蚀就是原图中的高亮部分被腐蚀，效果图拥有比原图更小的亮区域。  
调用方式如下：

// 膨胀
    dilate(src, dst, erodeStruct);
    // 腐蚀
    erode(src, dst, erodeStruct);

其中，src为源图，dst为目标图，erodeStruct是用于膨胀操作和腐蚀操作的结构元素，越大则膨胀与腐蚀的效果越明显。  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src); 
    	Mat dst;
    	Mat erodeStruct = getStructuringElement(MORPH_RECT, Size(5, 5));
    	erode(src, dst, erodeStruct);
    	//dilate(src, dst, erodeStruct);
    	imshow("blur", dst);
    	imwrite("./after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用效果如下：(第一张为膨胀，第二张为腐蚀)  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 5]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 6]

# 6、morphologyEx高级形态学变换 #

morphologyEx用于完成高级形态学变换，所谓高级形态学变换相当于一些比较简单的形态学变换的结合。  
常见的高级形态学变换方式如下：  
1、开运算：腐蚀->膨胀，其主要作用为去除图像中较小区域  
2、闭运算：膨胀->腐蚀，可以去除掉小型黑洞  
3、顶帽：原图-开运算，用于突出比原图轮廓周围的区域更明亮的区域，用来分离比临近点亮一些的斑块  
4、黑帽：闭运算-原图，用于突出比原图轮廓周围的区域更暗的区域，用来分离比临近点暗一些的斑块  
5、形态学梯度：膨胀-腐蚀，对二值图操作可以将团块的边缘突出，用来保留物体的边缘轮廓。  
调用方式如下：

// 以形态学梯度为例，调用方式如下
    morphologyEx(src, dst, MORPH_GRADIENT,erodeStruct);

其中，src为源图，dst为目标图，erodeStruct是结构元素，越大则处理的效果越明显，第三个参数为表示使用的高级形态学变换是什么，可选择的参数如下：  
**MORPH\_OPEN 开运算  
MORPH\_CLOSE 闭运算  
MORPH\_GRADIENT 形态学梯度  
MORPH\_TOPHAT 顶帽  
MORPH\_BLACKHAT 黑帽  
MORPH\_ERODE 腐蚀  
MORPH\_DILATE 膨胀**  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src); 
    	Mat dst;
    	Mat erodeStruct = getStructuringElement(MORPH_RECT, Size(3, 3));
    	morphologyEx(src, dst, MORPH_GRADIENT,erodeStruct);
    	imshow("blur", dst);
    	imwrite("./after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用效果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 7]

# 7、convertScaleAbs图像增强 #

convertScaleAbs可以用于快速的图像增强，可以为图片中的每个点进行线性运算。  
调用方式如下：

convertScaleAbs(src, dst, theta, b);

其中，src为源图，dst为目标图，图片中所有点的值都会\*theta+b。  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src); 
    	Mat dst;
    	double theta = 1.5;
    	double b = 10;
    	convertScaleAbs(src, dst, theta, b);
    	imshow("blur", dst);
    	imwrite("./after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 8]

# 8、Sobel #

Sobel算子是像素图像边缘检测中最重要的算子之一，具有非常重要的作用。  
调用方式如下：

Sobel(src,dst,CV_16U, 1, 1, 5);

**其中，src为源图，dst为目标图  
第三个参数为输出图像的深度，可选参数为：CV\_8U，CV\_16U，CV\_16S，CV\_32F，CV\_64F，其选择结果根据输入图像决定，在不确定的情况下可以使用-1。  
第四个和第五个参数可以取0或者1，代表x方向和y方向上的差分阶数，0代表该方向不取。  
第六个参数为ksize的大小，表示sobel器的大小。**  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src); 
    	Mat dst;
    	cvtColor(src, src, COLOR_RGB2GRAY);
    	GaussianBlur(src, src, Size(3, 3),0.5, 0.5);
    	Sobel(src, dst, CV_16U, 1, 1, 5);
    	convertScaleAbs(dst, dst);
    	imshow("blur", dst);
    	imwrite("./after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 9]

# 9、Laplacian #

Laplacian算子是像素图像边缘检测中最重要的算子之一，具有非常重要的作用。  
调用方式如下：

Laplacian(src, dst, CV_16U, 3);

**其中，src为源图，dst为目标图  
第三个参数为输出图像的深度，可选参数为：CV\_8U，CV\_16U，CV\_16S，CV\_32F，CV\_64F，其选择结果根据输入图像决定，在不确定的情况下可以使用-1。  
第四个参数为ksize的大小，表示Laplacian器的大小。**  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src); 
    	Mat dst;
    	cvtColor(src, src, COLOR_RGB2GRAY);
    	GaussianBlur(src, src, Size(3, 3),1, 1);
    	Laplacian(src, dst, CV_16U, 3);
    	convertScaleAbs(dst, dst);
    	imshow("blur", dst);
    	imwrite("./after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 10]

# 10、Scharr #

Scharr算子也是一种常见的边缘检测算子，与sobel的参数类似，但是仅作用于大小为3的内核，同时。  
调用方式如下：

Scharr(src, dst, CV_16U, 1, 0);
    //或者
    Scharr(src, dst, CV_16U, 0, 1);

**其中，src为源图，dst为目标图  
第三个参数为输出图像的深度，可选参数为：CV\_8U，CV\_16U，CV\_16S，CV\_32F，CV\_64F，其选择结果根据输入图像决定，在不确定的情况下可以使用-1。  
第四个和第五个参数可以取0或者1，代表x方向和y方向上的差分阶数，0代表该方向不取。Scharr不可以同时取1。**  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src);
    	Mat dst;
    	cvtColor(src, src, COLOR_RGB2GRAY);
    	GaussianBlur(src, src, Size(3, 3), 0.5, 0.5);
    	Scharr(src, dst, CV_16U, 1, 0);
    	convertScaleAbs(dst, dst);
    	imshow("blur", dst);
    	imwrite("./after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 11]

# 11、Canny #

Canny算法就是首先对图像选择一定的Gauss滤波器进行平滑滤波，然后采用非极值抑制技术进行处理得到最后的边缘图像。  
调用方式如下：

Canny(src, dst, 50, 150, 3);

**其中，src为源图，dst为目标图。  
第三个参数为低阈值，值越大，找到的边缘越少。  
第四个参数为高阈值，值越大，找到的边缘越少。  
第五个参数为Canny算子的大小。**  
具体应用方式如下：

int main() {
        
    	Mat src = imread("./Lena.jpg");
    	imshow("before", src);
    	Mat dst;
    	cvtColor(src, src, COLOR_RGB2GRAY);
    	GaussianBlur(src, src, Size(3, 3), 0.5, 0.5);
    	Canny(src, dst, 50, 150, 3);
    	convertScaleAbs(dst, dst);
    	imshow("blur", dst);
    	imwrite("./after.jpg", dst);
    	while (waitKey(1) != '1') {
        }
    }

应用结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 12]

[20190913133850108.jpg_pic_center]: /images/20230810/ed20dcabf36343b29322b769dd1ed6a3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]: /images/20230810/677cff43bc5b46a4a3d6d050cd5e1141.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20230810/dab82227f50941609b933275160ecec1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20230810/ec834cf63144472e8ba43c851fbb92b1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20230810/18625971215e4e999714731b2e419c39.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20230810/dc6e05e1fae84adcbc915f97d191ce8e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20230810/dfb5cceeef4d41118ce76e187f7cb01b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 6]: /images/20230810/41d0c9e3285342b7891a68e214c7a55d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 7]: /images/20230810/dbb3c3e80eb64362934a953c8feb0a81.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 8]: /images/20230810/60983f4624504970b41e4665c418d993.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 9]: /images/20230810/c31cdb55738b47e6a3be645dd0057d26.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 10]: /images/20230810/99517ca43fb6486b9c489809b76d6390.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 11]: /images/20230810/77ac5ee4ac5f447688e0e10c35a4ee90.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 12]: /images/20230810/f91924e7356e495e874de9ce966dfb6f.png