📄 cv中文参考手册.htm
字号:
<p class="Blurb">高级形态学变换</p>
<pre>
void cvMorphologyEx( const CvArr* src, CvArr* dst, CvArr* temp,
IplConvKernel* element, int operation, int iterations=1 );
</pre><p><dl>
<dt>src<dd>输入图像.
<dt>dst<dd>输出图像.
<dt>temp<dd>临时图像，某些情况下需要
<dt>element<dd>结构元素
<dt>operation<dd>形态操作的类型:<br>
<code>CV_MOP_OPEN</code> - 开运算<br>
<code>CV_MOP_CLOSE</code> - 闭运算<br>
<code>CV_MOP_GRADIENT</code> - 形态梯度<br>
<code>CV_MOP_TOPHAT</code> - "顶帽"<br>
<code>CV_MOP_BLACKHAT</code> - "黑帽"<br>
<dt>iterations<dd>膨胀和腐蚀次数.
</dl><p>函数 <a href="#decl_cvMorphologyEx">cvMorphologyEx</a>
在膨胀和腐蚀基本操作的基础上，完成一些高级的形态变换：</p>
<pre>
开运算:
dst=open(src,element)=dilate(erode(src,element),element)
闭运算:
dst=close(src,element)=erode(dilate(src,element),element)
形态梯度
dst=morph_grad(src,element)=dilate(src,element)-erode(src,element)
"顶帽":
dst=tophat(src,element)=src-open(src,element)
"黑帽":
dst=blackhat(src,element)=close(src,element)-src
</pre>
<p>临时图像 <code>temp</code>
在形态梯度以及对“顶帽”和“黑帽”操作时的 in-place
模式下需要。
</p>
<hr><h2><a name="cv_imgproc_filters">滤波器与彩色变换</a></h2>
<hr><h3><a name="decl_cvSmooth">Smooth</a></h3>
<p class="Blurb">各种方法的图像平滑</p>
<pre>
void cvSmooth( const CvArr* src, CvArr* dst,
int smoothtype=CV_GAUSSIAN,
int param1=3, int param2=0, double param3=0 );
</pre><p><dl>
<dt>src<dd>输入图像.
<dt>dst<dd>输出图像.
<dt>smoothtype<dd>平滑方法:<ul>
<li>CV_BLUR_NO_SCALE (简单不带尺度变换的模糊) - 对每个象素的
<code>param1</code>×<code>param2</code>
领域求和。如果邻域大小是变化的，可以事先利用函数 <a href="#decl_cvIntegral">cvIntegral</a>
计算积分图像。
<li>CV_BLUR (simple blur) - 对每个象素<code>param1</code>×<code>param2</code>邻域 <code></code>
求和并做尺度变换 1/(<code>param1</code>•<code>param2</code>).
<li>CV_GAUSSIAN (gaussian blur) - 对图像进行核大小为 <code>param1</code>×<code>param2</code>
的高斯卷积
<li>CV_MEDIAN (median blur) - 对图像进行核大小为<code>param1</code>×<code>param1</code>
的中值滤波 (i.e. 邻域是方的).
<li>CV_BILATERAL (双向滤波) - 应用双向 3x3 滤波，彩色 sigma=<code>param1</code>，空间 sigma=<code>param2</code>.
关于双向滤波，可参考 <a href="http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html">http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html</a>
</ul>
<dt>param1<dd>平滑操作的第一个参数.
<dt>param2<dd>平滑操作的第二个参数. 对于简单/非尺度变换的高斯模糊的情况，如果<code>param2的值</code>
为零，则表示其被设定为<code>param1。</code>
<dt>param3<dd>对应高斯参数的 Gaussian sigma (标准差).
如果为零，则标准差由下面的核尺寸计算：<pre>
sigma = (n/2 - 1)*0.3 + 0.8, 其中 n=param1 对应水平核,
n=param2 对应垂直核.
</pre>
对小的卷积核 (3×3 to 7×7) 使用如上公式所示的标准 sigma
速度会快。如果 <code>param3</code> 不为零，而 <code>param1</code>
和 <code>param2</code>
为零，则核大小有 sigma 计算 (以保证足够精确的操作).
</dl><p>函数 <a href="#decl_cvSmooth">cvSmooth</a>
可使用上面任何一种方法平滑图像。每一种方法都有自己的特点以及局限。</p>
<p align="left">没有缩放的图像平滑仅支持单通道图像，并且支持8位到16位的转换(与cvSobel和cvaplace相似)和32位浮点数到32位浮点数的变换格式。</p><p>简单模糊和高斯模糊支持 1-
或 3-通道, 8-比特 和 32-比特 浮点图像。这两种方法可以（in-place）方式处理图像。</p>
<p>中值和双向滤波工作于 1- 或 3-通道， 8-位图像，但是不能以
in-place 方式处理图像.</p>
<hr><h3><a name="decl_cvFilter2D">Filter2D</a></h3>
<p class="Blurb">对图像做卷积</p>
<pre>
void cvFilter2D( const CvArr* src, CvArr* dst,
const CvMat* kernel,
CvPoint anchor=cvPoint(-1,-1));
#define cvConvolve2D cvFilter2D
</pre><p><dl>
<dt>src<dd>输入图像.
<dt>dst<dd>输出图像.
<dt>kernel<dd>卷积核, 单通道浮点矩阵.
如果想要应用不同的核于不同的通道，先用 <a href="opencvref_cxcore.htm#decl_cvSplit">cvSplit</a>
函数分解图像到单个色彩通道上，然后单独处理。
<dt>anchor<dd>核的锚点表示一个被滤波的点在核内的位置。
锚点应该处于核内部。缺省值 (-1,-1) 表示锚点在核中心。
</dl><p>函数 <a href="#decl_cvFilter2D">cvFilter2D</a>
对图像进行线性滤波，支持 In-place
操作。当核运算部分超出输入图像时，函数从最近邻的图像内部象素差值得到边界外面的象素值。
</p>
<hr><h3><a name="decl_cvIntegral">Integral</a></h3>
<p class="Blurb">计算积分图像</p>
<pre>
void cvIntegral( const CvArr* image, CvArr* sum, CvArr* sqsum=NULL, CvArr* tilted_sum=NULL );
</pre><p><dl>
<dt>image<dd>输入图像, <code>W</code>×<code>H</code>, 单通道，8位或浮点 (32f
或 64f).
<dt>sum<dd>积分图像, <code>W+1</code>×<code>H+1(译者注：原文的公式应该写成(W+1)</code>×<code>(H+1),避免误会)</code>, 单通道，32位整数或 double
精度的浮点数(64f).
<dt>sqsum<dd>对象素值平方的积分图像，<code>W+1</code>×<code>H+1(译者注：原文的公式应该写成(W+1)</code>×<code>(H+1),避免误会)</code>,
单通道，32位整数或 double 精度的浮点数 (64f).
<dt>tilted_sum<dd>旋转45度的积分图像，单通道，32位整数或 double
精度的浮点数 (64f).
</dl><p>函数 <a href="#decl_cvIntegral">cvIntegral</a>
计算一次或高次积分图像：</p>
<pre>
sum(X,Y)=sum<sub>x<X,y<Y</sub>image(x,y)
sqsum(X,Y)=sum<sub>x<X,y<Y</sub>image(x,y)<sup>2</sup>
tilted_sum(X,Y)=sum<sub>y<Y,abs(x-X)<y</sub>image(x,y)
</pre>
<p>利用积分图像，可以计算在某象素的上－右方的或者旋转的矩形区域中进行求和、求均值以及标准方差的计算，并且保证运算的复杂度为O(1)。例如：</p>
<p><br>
sum<sub>x1<=x<x2,y1<=y<y2</sub>image(x,y)=sum(x2,y2)-sum(x1,y2)-sum(x2,y1)+sum(x1,x1)<br>
</p>
<p>因此可以在变化的窗口内做快速平滑或窗口相关等操作。
</p>
<hr><h3><a name="decl_cvCvtColor">CvtColor</a></h3>
<p class="Blurb">色彩空间转换</p>
<pre>
void cvCvtColor( const CvArr* src, CvArr* dst, int code );
</pre><p><dl>
<dt>src<dd>输入的 8-比特 或浮点图像.
<dt>dst<dd>输出的 8-比特 或浮点图像.
<dt>code<dd>色彩空间转换，通过定义
CV_<src_color_space>2<dst_color_space> 常数 (见下面).
</dl><p>函数 <a href="#decl_cvCvtColor">cvCvtColor</a> 将输入图像从一个色彩空间转换为另外一个色彩空间。函数忽略
<code>IplImage</code> 头中定义的 <code>colorModel</code> 和 <code>channelSeq</code>
域，所以输入图像的色彩空间应该正确指定 (包括通道的顺序，对RGB空间而言，BGR
意味着布局为 B<sub>0</sub> G<sub>0</sub> R<sub>0</sub> B<sub>1</sub> G<sub>1</sub> R<sub>1</sub> ...
层叠的 24-位格式，而 RGB 意味着布局为 R<sub>0</sub> G<sub>0</sub> B<sub>0</sub> R<sub>1</sub> G<sub>1</sub> B<sub>1</sub> ...
层叠的24-位格式. 函数做如下变换：<ul>
<li>RGB 空间内部的变换，如增加/删除 alpha
通道，反相通道顺序，到16位 RGB彩色或者15位RGB彩色的正逆转换(Rx5:Gx6:Rx5),以及到灰度图像的正逆转换，使用：
<pre>
RGB[A]->Gray: Y=0.212671*R + 0.715160*G + 0.072169*B + 0*A
Gray->RGB[A]: R=Y G=Y B=Y A=0
</pre>
<p>所有可能的图像色彩空间的相互变换公式列举如下：</p>
<p></p>
<li>RGB<=>XYZ (CV_BGR2XYZ, CV_RGB2XYZ, CV_XYZ2BGR, CV_XYZ2RGB):
<pre>
|X| |0.412411 0.357585 0.180454| |R|
|Y| = |0.212649 0.715169 0.072182|*|G|
|Z| |0.019332 0.119195 0.950390| |B|
|R| | 3.240479 -1.53715 -0.498535| |X|
|G| = |-0.969256 1.875991 0.041556|*|Y|
|B| | 0.055648 -0.204043 1.057311| |Z|
</pre>
<p></p>
<li>RGB<=>YCrCb (CV_BGR2YCrCb, CV_RGB2YCrCb, CV_YCrCb2BGR, CV_YCrCb2RGB)
<pre>
Y=0.299*R + 0.587*G + 0.114*B
Cr=(R-Y)*0.713 + 128
Cb=(B-Y)*0.564 + 128
R=Y + 1.403*(Cr - 128)
G=Y - 0.344*(Cr - 128) - 0.714*(Cb - 128)
B=Y + 1.773*(Cb - 128)
</pre>
<p></p>
<li>RGB=>HSV (CV_BGR2HSV,CV_RGB2HSV)
<pre>
V=max(R,G,B)
S=(V-min(R,G,B))*255/V if V!=0, 0 otherwise
(G - B)*60/S, if V=R
H= 180+(B - R)*60/S, if V=G
240+(R - G)*60/S, if V=B
if H<0 then H=H+360
</pre>
<p>使用上面从 0° 到 360° 变化的公式计算色调（hue）值，确保它们被
2 除后能适用于8位。
</p><p></p>
<li>RGB=>Lab (CV_BGR2Lab, CV_RGB2Lab)
<pre>
|X| |0.433910 0.376220 0.189860| |R/255|
|Y| = |0.212649 0.715169 0.072182|*|G/255|
|Z| |0.017756 0.109478 0.872915| |B/255|
L = 116*Y<sup>1/3</sup> for Y>0.008856
L = 903.3*Y for Y<=0.008856
a = 500*(f(X)-f(Y))
b = 200*(f(Y)-f(Z))
where f(t)=t<sup>1/3</sup> for t>0.008856
f(t)=7.787*t+16/116 for t<=0.008856
</pre>
上面的公式可以参考
<a href="http://www.cica.indiana.edu/cica/faq/color_spaces/color.spaces.html">
http://www.cica.indiana.edu/cica/faq/color_spaces/color.spaces.html</a>
<p></p>
<li>Bayer=>RGB (CV_BayerBG2BGR, CV_BayerGB2BGR, CV_BayerRG2BGR, CV_BayerGR2BGR,<br>
CV_BayerBG2RGB, CV_BayerRG2BGR, CV_BayerGB2RGB, CV_BayerGR2BGR,<br>
CV_BayerRG2RGB, CV_BayerBG2BGR, CV_BayerGR2RGB, CV_BayerGB2BGR)<p>Bayer
模式被广泛应用于 CCD 和 CMOS 摄像头.
它允许从一个单独平面中得到彩色图像，该平面中的 R/G/B
象素点被安排如下：</p>
<p>
<table border=0 width=400>
<tr>
<td><font size=5 color="#ff0000"><p align="center">R</font></td>
<td><font size=5 color="#008000"><p align="center">G</font></td>
<td><font size=5 color="#ff0000"><p align="center">R</font></td>
<td><font size=5 color="#008000"><p align="center">G</font></td>
<td><font size=5 color="#ff0000"><p align="center">R</font></td>
</tr><tr>
<td><font size=5 color="#008000"><p align="center">G</font></td>
<td bgcolor="pink"><font size=5 color="#0000ff" ><p align="center">B</font></td>
<td bgcolor="pink"><font size=5 color="#008000" ><p align="center">G</font></td>
<td><font size=5 color="#0000ff"><p align="center">B</font></td>
<td><font size=5 color="#008000"><p align="center">G</font></td>
</tr><tr>
<td><font size=5 color="#ff0000"><p align="center">R</font></td>
<td><font size=5 color="#008000"><p align="center">G</font></td>
<td><font size=5 color="#ff0000"><p align="center">R</font></td>
<td><font size=5 color="#008000"><p align="center">G</font></td>
<td><font size=5 color="#ff0000"><p align="center">R</font></td>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -