opencv中文手册(65页).doc-淘文阁

资源描述

《opencv中文手册(65页).doc》由会员分享，可在线阅读，更多相关《opencv中文手册(65页).doc（64页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、-opencv中文手册梯度、边缘和角点Sobel使用扩展 Sobel 算子计算一阶、二阶、三阶或混合图像差分void cvSobel( const CvArr* src, CvArr* dst, int xorder, int yorder, int aperture_size=3 );src 输入图像. dst 输出图像. xorder x 方向上的差分阶数 yorder y 方向上的差分阶数 aperture_size 扩展 Sobel 核的大小，必须是 1, 3, 5 或 7。除了尺寸为 1，其它情况下， aperture_size aperture_size 可分离内核将用来计算差

2、分。对 aperture_size=1的情况，使用 3x1 或 1x3 内核（不进行高斯平滑操作）。这里有一个特殊变量 CV_SCHARR (=-1)，对应 3x3 Scharr 滤波器，可以给出比 3x3 Sobel 滤波更精确的结果。Scharr 滤波器系数是：对 x-方向或矩阵转置后对 y-方向。函数 cvSobel 通过对图像用相应的内核进行卷积操作来计算图像差分：由于Sobel 算子结合了 Gaussian 平滑和微分，所以，其结果或多或少对噪声有一定的鲁棒性。通常情况，函数调用采用如下参数 (xorder=1, yorder=0, aperture_size=3) 或 (x

3、order=0, yorder=1, aperture_size=3) 来计算一阶 x- 或 y- 方向的图像差分。第一种情况对应：核。第二种对应：或者核的选则依赖于图像原点的定义 (origin 来自 IplImage 结构的定义)。由于该函数不进行图像尺度变换，所以和输入图像(数组)相比，输出图像(数组)的元素通常具有更大的绝对数值（译者注：即像素的位深）。为防止溢出，当输入图像是 8 位的，要求输出图像是 16 位的。当然可以用函数 cvConvertScale 或 cvConvertScaleAbs 转换为 8 位的。除了 8-位图像，函数也接受 32-位浮点数图像。所有输入和输出

4、图像都必须是单通道的，并且具有相同的图像尺寸或者ROI尺寸。Laplace计算图像的 Laplacian 变换void cvLaplace( const CvArr* src, CvArr* dst, int aperture_size=3 );src 输入图像. dst 输出图像. aperture_size 核大小 (与 cvSobel 中定义一样). 函数 cvLaplace 计算输入图像的 Laplacian变换，方法是先用 sobel 算子计算二阶 x- 和 y- 差分，再求和:对 aperture_size=1 则给出最快计算结果，相当于对图像采用如下内核做卷积：类似于 cvSob

5、el 函数，该函数也不作图像的尺度变换，所支持的输入、输出图像类型的组合和cvSobel一致。Canny采用 Canny 算法做边缘检测void cvCanny( const CvArr* image, CvArr* edges, double threshold1, double threshold2, int aperture_size=3 );image 单通道输入图像. edges 单通道存储边缘的输出图像 threshold1 第一个阈值 threshold2 第二个阈值 aperture_size Sobel 算子内核大小 (见 cvSobel). 函数 cvCanny 采用 CA

6、NNY 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。注意事项：cvCanny只接受单通道图像作为输入。外部链接：经典的canny自调整阈值算法的一个opencv的实现见在OpenCV中自适应确定canny算法的分割门限 PreCornerDetect计算用于角点检测的特征图，void cvPreCornerDetect( const CvArr* image, CvArr* corners, int aperture_size=3 );image 输入图像. corners

7、保存候选角点的特征图 aperture_size Sobel 算子的核大小(见cvSobel). 函数 cvPreCornerDetect 计算函数其中D表示一阶图像差分，表示二阶图像差分。角点被认为是函数的局部最大值：/ 假设图像格式为浮点数IplImage* corners = cvCloneImage(image);IplImage* dilated_corners = cvCloneImage(image);IplImage* corner_mask = cvCreateImage( cvGetSize(image), 8, 1 );cvPreCornerDetect( image

8、, corners, 3 );cvDilate( corners, dilated_corners, 0, 1 );cvSubS( corners, dilated_corners, corners );cvCmpS( corners, 0, corner_mask, CV_CMP_GE );cvReleaseImage( &corners );cvReleaseImage( &dilated_corners );CornerEigenValsAndVecs计算图像块的特征值和特征向量，用于角点检测void cvCornerEigenValsAndVecs( const CvArr* imag

9、e, CvArr* eigenvv, int block_size, int aperture_size=3 );image 输入图像. eigenvv 保存结果的数组。必须比输入图像宽 6 倍。 block_size 邻域大小 (见讨论). aperture_size Sobel 算子的核尺寸(见 cvSobel). 对每个象素，函数 cvCornerEigenValsAndVecs 考虑 block_size block_size 大小的邻域 S(p)，然后在邻域上计算图像差分的相关矩阵：然后它计算矩阵的特征值和特征向量，并且按如下方式(1, 2, x1, y1, x2, y2)存储这些值

10、到输出图像中，其中1, 2 - M 的特征值，没有排序 (x1, y1) - 特征向量，对 1 (x2, y2) - 特征向量，对 2 CornerMinEigenVal计算梯度矩阵的最小特征值，用于角点检测void cvCornerMinEigenVal( const CvArr* image, CvArr* eigenval, int block_size, int aperture_size=3 );image 输入图像. eigenval 保存最小特征值的图像. 与输入图像大小一致 block_size 邻域大小 (见讨论 cvCornerEigenValsAndVecs). aper

11、ture_size Sobel 算子的核尺寸(见 cvSobel). 当输入图像是浮点数格式时，该参数表示用来计算差分固定的浮点滤波器的个数. 函数 cvCornerMinEigenVal 与 cvCornerEigenValsAndVecs 类似，但是它仅仅计算和存储每个象素点差分相关矩阵的最小特征值，即前一个函数的 min(1, 2)CornerHarris哈里斯（Harris）角点检测void cvCornerHarris( const CvArr* image, CvArr* harris_responce, int block_size, int aperture_size=3, d

12、ouble k=0.04 );image 输入图像。 harris_responce 存储哈里斯（Harris）检测responces的图像。与输入图像等大。 block_size 邻域大小（见关于cvCornerEigenValsAndVecs的讨论）。 aperture_size 扩展 Sobel 核的大小（见 cvSobel）。格式. 当输入图像是浮点数格式时，该参数表示用来计算差分固定的浮点滤波器的个数。 k harris 检测器的自由参数。参见下面的公式。函数 cvCornerHarris 对输入图像进行 Harris 边界检测。类似于 cvCornerMinEigenVal 和

13、cvCornerEigenValsAndVecs。对每个像素，在 block_size*block_size 大小的邻域上，计算其2*2梯度共变矩阵（或相关异变矩阵）M。然后，将 det(M) - k*trace(M)2 （这里2是平方）保存到输出图像中。输入图像中的角点在输出图像中由局部最大值表示。FindCornerSubPix精确角点位置void cvFindCornerSubPix( const CvArr* image, CvPoint2D32f* corners, int count, CvSize win, CvSize zero_zone, CvTermCriteria cr

14、iteria );image 输入图像. corners 输入角点的初始坐标，也存储精确的输出坐标 count 角点数目 win 搜索窗口的一半尺寸。如果 win=(5,5) 那么使用 5*2+1 5*2+1 = 11 11 大小的搜索窗口 zero_zone 死区的一半尺寸，死区为不对搜索区的中央位置做求和运算的区域。它是用来避免自相关矩阵出现的某些可能的奇异性。当值为 (-1,-1) 表示没有死区。 criteria 求角点的迭代过程的终止条件。即角点位置的确定，要么迭代数大于某个设定值，或者是精确度达到某个设定值。 criteria 可以是最大迭代数目，或者是设定的精确度，也可以是它们的

15、组合。函数 cvFindCornerSubPix 通过迭代来发现具有子象素精度的角点位置，或如图所示的放射鞍点（radial saddle points）。子象素级角点定位的实现是基于对向量正交性的观测而实现的，即从中央点q到其邻域点p 的向量和p点处的图像梯度正交（服从图像和测量噪声）。考虑以下的表达式：i=DIpiT(q-pi)其中，DIpi表示在q的一个邻域点pi处的图像梯度，q的值通过最小化i得到。通过将i设为0，可以建立系统方程如下：sumi(DIpiDIpiT)q - sumi(DIpiDIpiTpi) = 0其中q的邻域（搜索窗）中的梯度被累加。调用第一个梯度参数G和第二个梯度

16、参数b，得到：q=G-1b该算法将搜索窗的中心设为新的中心q，然后迭代，直到找到低于某个阈值点的中心位置。GoodFeaturesToTrack确定图像的强角点void cvGoodFeaturesToTrack( const CvArr* image, CvArr* eig_image, CvArr* temp_image, CvPoint2D32f* corners, int* corner_count, double quality_level, double min_distance, const CvArr* mask=NULL );image 输入图像，8-位或浮点32-比特，单通

17、道 eig_image 临时浮点32-位图像，尺寸与输入图像一致 temp_image 另外一个临时图像，格式与尺寸与 eig_image 一致 corners 输出参数，检测到的角点 corner_count 输出参数，检测到的角点数目 quality_level 最大最小特征值的乘法因子。定义可接受图像角点的最小质量因子。 min_distance 限制因子。得到的角点的最小距离。使用 Euclidian 距离 mask ROI:感兴趣区域。函数在ROI中计算角点，如果 mask 为 NULL，则选择整个图像。必须为单通道的灰度图，大小与输入图像相同。mask对应的点不为0，表示计算该点

18、。函数 cvGoodFeaturesToTrack 在图像中寻找具有大特征值的角点。该函数，首先用cvCornerMinEigenVal 计算输入图像的每一个象素点的最小特征值，并将结果存储到变量 eig_image 中。然后进行非最大值抑制（仅保留3x3邻域中的局部最大值）。下一步将最小特征值小于 quality_levelmax(eig_image(x,y) 排除掉。最后，函数确保所有发现的角点之间具有足够的距离，（最强的角点第一个保留，然后检查新的角点与已有角点之间的距离大于 min_distance ）。采样、插值和几何变换InitLineIterator初始化线段迭代器int cv

19、InitLineIterator( const CvArr* image, CvPoint pt1, CvPoint pt2, CvLineIterator* line_iterator, int connectivity=8 );image 带采线段的输入图像. pt1 线段起始点 pt2 线段结束点 line_iterator 指向线段迭代器状态结构的指针 connectivity 被扫描线段的连通数，4 或 8. 函数 cvInitLineIterator 初始化线段迭代器，并返回两点之间的象素点数目。两个点必须在图像内。当迭代器初始化后，连接两点的光栅线上所有点，都可以连续通过调用 C

20、V_NEXT_LINE_POINT 来得到。线段上的点是使用 4连通或8连通利用 Bresenham 算法逐点计算的。例子：使用线段迭代器计算彩色线上象素值的和CvScalar sum_line_pixels( IplImage* image, CvPoint pt1, CvPoint pt2 ) CvLineIterator iterator; int blue_sum = 0, green_sum = 0, red_sum = 0; int count = cvInitLineIterator( image, pt1, pt2, &iterator, 8 ); for( int i = 0

21、; i imageData); y = offset/image-widthStep; x = (offset - y*image-widthStep)/(3*sizeof(uchar) /* size of pixel */); printf(%d,%d)n, x, y ); return cvScalar( blue_sum, green_sum, red_sum );SampleLine将图像上某一光栅线上的像素数据读入缓冲区int cvSampleLine( const CvArr* image, CvPoint pt1, CvPoint pt2, void* buffer, int

23、，使用子象素精度void cvGetRectSubPix( const CvArr* src, CvArr* dst, CvPoint2D32f center );src 输入图像. dst 提取的矩形. center 提取的象素矩形的中心，浮点数坐标。中心必须位于图像内部. 函数 cvGetRectSubPix 从图像 src 中提取矩形:dst(x, y) = src(x + center.x - (width(dst)-1)*0.5, y + center.y - (height(dst)-1)*0.5)其中非整数象素点坐标采用双线性插值提取。对多通道图像，每个通道独立单独完成提取。尽管

24、函数要求矩形的中心一定要在输入图像之中，但是有可能出现矩形的一部分超出图像边界的情况，这时，该函数复制边界的模识（hunnish:即用于矩形相交的图像边界线段的象素来代替矩形超越部分的象素）。GetQuadrangleSubPix提取象素四边形，使用子象素精度void cvGetQuadrangleSubPix( const CvArr* src, CvArr* dst, const CvMat* map_matrix );src 输入图像. dst 提取的四边形. map_matrix 3 2 变换矩阵 A|b （见讨论）. 函数 cvGetQuadrangleSubPix 以子象素精度从图

25、像 src 中提取四边形，使用子象素精度，并且将结果存储于 dst ,计算公式是：dst(x + width(dst) / 2,y + height(dst) / 2) = src(A11x + A12y + b1,A21x + A22y + b2)其中 A和 b 均来自映射矩阵(译者注：A, b为几何形变参数) ，映射矩阵为：其中在非整数坐标的象素点值通过双线性变换得到。当函数需要图像边界外的像素点时，使用重复边界模式（replication border mode）恢复出所需的值。多通道图像的每一个通道都单独计算。例子：使用 cvGetQuadrangleSubPix 进行图像旋转#in

26、clude cv.h#include highgui.h#include math.hint main( int argc, char* argv ) IplImage* src; /* the first command line parameter must be image file name */ if( argc=2 & (src = cvLoadImage(argv1, -1)!=0) IplImage* dst = cvCloneImage( src ); int delta = 1; int angle = 0; cvNamedWindow( src, 1 ); cvShowI

27、mage( src, src ); for(;) float m6; double factor = (cos(angle*CV_PI/180.) + 1.1)*3; CvMat M = cvMat( 2, 3, CV_32F, m ); int w = src-width; int h = src-height; m0 = (float)(factor*cos(-angle*2*CV_PI/180.); m1 = (float)(factor*sin(-angle*2*CV_PI/180.); m2 = w*0.5f; m3 = -m1; m4 = m0; m5 = h*0.5f; cvGe

28、tQuadrangleSubPix( src, dst, &M, 1, cvScalarAll(0); cvNamedWindow( dst, 1 ); cvShowImage( dst, dst ); if( cvWaitKey(5) = 27 ) break; angle = (angle + delta) % 360; return 0;Resize图像大小变换void cvResize( const CvArr* src, CvArr* dst, int interpolation=CV_INTER_LINEAR );src 输入图像. dst 输出图像. interpolation

29、插值方法: CV_INTER_NN - 最近邻插值, CV_INTER_LINEAR - 双线性插值 (缺省使用) CV_INTER_AREA - 使用象素关系重采样。当图像缩小时候，该方法可以避免波纹出现。当图像放大时，类似于 CV_INTER_NN 方法. CV_INTER_CUBIC - 立方插值. 函数 cvResize 将图像 src 改变尺寸得到与 dst 同样大小。若设定 ROI，函数将按常规支持 ROI.WarpAffine对图像做仿射变换void cvWarpAffine( const CvArr* src, CvArr* dst, const CvMat* map_matr

30、ix, int flags=CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS, CvScalar fillval=cvScalarAll(0) );src 输入图像. dst 输出图像. map_matrix 23 变换矩阵 flags 插值方法和以下开关选项的组合： CV_WARP_FILL_OUTLIERS - 填充所有输出图像的象素。如果部分象素落在输入图像的边界外，那么它们的值设定为 fillval. CV_WARP_INVERSE_MAP - 指定 map_matrix 是输出图像到输入图像的反变换，因此可以直接用来做象素插值。否则, 函数从 map_mat

31、rix 得到反变换。 fillval 用来填充边界外面的值函数 cvWarpAffine 利用下面指定的矩阵变换输入图像：如果没有指定 CV_WARP_INVERSE_MAP ，否则，函数与 cvGetQuadrangleSubPix 类似，但是不完全相同。 cvWarpAffine 要求输入和输出图像具有同样的数据类型，有更大的资源开销（因此对小图像不太合适）而且输出图像的部分可以保留不变。而 cvGetQuadrangleSubPix 可以精确地从8位图像中提取四边形到浮点数缓存区中，具有比较小的系统开销，而且总是全部改变输出图像的内容。要变换稀疏矩阵，使用 cxcore 中的函数

32、cvTransform 。GetAffineTransform由三对点计算仿射变换CvMat* cvGetAffineTransform( const CvPoint2D32f* src, const CvPoint2D32f* dst, CvMat* map_matrix );src 输入图像的三角形顶点坐标。 dst 输出图像的相应的三角形顶点坐标。 map_matrix 指向23输出矩阵的指针。函数cvGetAffineTransform计算满足以下关系的仿射变换矩阵：这里,dst(i) = (xi,yi),src(i) = (xi,yi),i = 0.2. 2DRotationMat

33、rix计算二维旋转的仿射变换矩阵CvMat* cv2DRotationMatrix( CvPoint2D32f center, double angle, double scale, CvMat* map_matrix );center 输入图像的旋转中心坐标 angle 旋转角度（度）。正值表示逆时针旋转(坐标原点假设在左上角). scale 各项同性的尺度因子 map_matrix 输出 23 矩阵的指针函数 cv2DRotationMatrix 计算矩阵: | (1-)*center.x - *center.y - | *center.x + (1-)*center.y where =

34、scale*cos(angle), =scale*sin(angle)该变换并不改变原始旋转中心点的坐标，如果这不是操作目的，则可以通过调整平移量改变其坐标(译者注：通过简单的推导可知，仿射变换的实现是首先将旋转中心置为坐标原点，再进行旋转和尺度变换，最后重新将坐标原点设定为输入图像的左上角，这里的平移量是center.x, center.y).WarpPerspective对图像进行透视变换void cvWarpPerspective( const CvArr* src, CvArr* dst, const CvMat* map_matrix, int flags=CV_INTER_LINE

35、AR+CV_WARP_FILL_OUTLIERS, CvScalar fillval=cvScalarAll(0) );src 输入图像. dst 输出图像. map_matrix 33 变换矩阵 flags 插值方法和以下开关选项的组合: CV_WARP_FILL_OUTLIERS - 填充所有缩小图像的象素。如果部分象素落在输入图像的边界外，那么它们的值设定为 fillval. CV_WARP_INVERSE_MAP - 指定 matrix 是输出图像到输入图像的反变换，因此可以直接用来做象素插值。否则, 函数从 map_matrix 得到反变换。 fillval 用来填充边界外面的值函

36、数 cvWarpPerspective 利用下面指定矩阵变换输入图像：如果没有指定 CV_WARP_INVERSE_MAP ，, 否则，要变换稀疏矩阵，使用 cxcore 中的函数 cvTransform 。WarpPerspectiveQMatrix用4个对应点计算透视变换矩阵CvMat* cvWarpPerspectiveQMatrix( const CvPoint2D32f* src, const CvPoint2D32f* dst, CvMat* map_matrix );src 输入图像的四边形的4个点坐标 dst 输出图像的对应四边形的4个点坐标 map_matrix 输出的

37、33 矩阵函数 cvWarpPerspectiveQMatrix 计算透视变换矩阵，使得：(tixi,tiyi,ti)T=matrix(xi,yi,1)T其中 dst(i)=(xi,yi), src(i)=(xi,yi), i=0.3.GetPerspectiveTransform由四对点计算透射变换CvMat* cvGetPerspectiveTransform( const CvPoint2D32f* src, const CvPoint2D32f* dst, CvMat* map_matrix );#define cvWarpPerspectiveQMatrix cvGetPerspe

38、ctiveTransformsrc 输入图像的四边形顶点坐标。 dst 输出图像的相应的四边形顶点坐标。 map_matrix 指向33输出矩阵的指针。函数cvGetPerspectiveTransform计算满足以下关系的透射变换矩阵：这里,dst(i) = (xi,yi),src(i) = (xi,yi),i = 0.3.Remap对图像进行普通几何变换void cvRemap( const CvArr* src, CvArr* dst, const CvArr* mapx, const CvArr* mapy, int flags=CV_INTER_LINEAR+CV_WARP_FIL

39、L_OUTLIERS, CvScalar fillval=cvScalarAll(0) );src 输入图像. dst 输出图像. mapx x坐标的映射 (32fC1 image). mapy y坐标的映射 (32fC1 image). flags 插值方法和以下开关选项的组合: CV_WARP_FILL_OUTLIERS - 填充边界外的像素. 如果输出图像的部分象素落在变换后的边界外，那么它们的值设定为 fillval。 fillval 用来填充边界外面的值. 函数 cvRemap 利用下面指定的矩阵变换输入图像:dst(x,y)-src(mapx(x,y),mapy(x,y)与其它几何

40、变换类似，可以使用一些插值方法（由用户指定，译者注：同cvResize）来计算非整数坐标的像素值。LogPolar把图像映射到极指数空间void cvLogPolar( const CvArr* src, CvArr* dst, CvPoint2D32f center, double M, int flags=CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS );src 输入图像。 dst 输出图像。 center 变换的中心，输出图像在这里最精确。 M 幅度的尺度参数，见下面公式。 flags 插值方法和以下选择标志的结合 CV_WARP_FILL_OUTLIERS

41、 -填充输出图像所有像素，如果这些点有和外点对应的，则置零。 CV_WARP_INVERSE_MAP - 表示矩阵由输出图像到输入图像的逆变换，并且因此可以直接用于像素插值。否则，函数从map_matrix中寻找逆变换。 fillval 用于填充外点的值。函数cvLogPolar用以下变换变换输入图像：正变换 (CV_WARP_INVERSE_MAP 未置位):dst(phi,rho)-src(x,y)逆变换 (CV_WARP_INVERSE_MAP 置位):dst(x,y)-src(phi,rho),这里，rho=M*log(sqrt(x2+y2)phi=atan(y/x)此函数模仿人类视

42、网膜中央凹视力，并且对于目标跟踪等可用于快速尺度和旋转变换不变模板匹配。Example. Log-polar transformation.#include #include int main(int argc, char* argv) IplImage* src; if( argc = 2 & (src=cvLoadImage(argv1,1)!= 0 ) IplImage* dst = cvCreateImage( cvSize(256,256), 8, 3 ); IplImage* src2 = cvCreateImage( cvGetSize(src), 8, 3 ); cvLogPolar( src, dst, cvPoint2D32f(src-width/2,src-height/2), 40, CV_INTER_LI

展开阅读全文