Chinaunix首页 | 论坛 | 博客
  • 博客访问: 96459
  • 博文数量: 5
  • 博客积分: 169
  • 博客等级: 入伍新兵
  • 技术积分: 106
  • 用 户 组: 普通用户
  • 注册时间: 2012-02-05 16:44
文章分类
文章存档

2012年(5)

我的朋友

分类: C/C++

2012-02-08 14:24:27

本文针对Learning OpenCV中文版的第三章后半部分,进行学习总结。方便以后查看。部分文字内容引用自http://blog.sina.com.cn/s/blog_7155fb1a0100sjst.html感谢鸳都学童帮助!
 
1.Roi和widthStep
两者有很重要的作用,即提高计算机视觉代码的执行速度,因为她们允许对图像的一小部分进行操作,而不是整个图像。
设置ROI: void cvSetImageROI(IplImage*image,CvRect rect);
取消ROI:void cvResetImageROI(IplImage*image);
 
以下代码内容:加载一幅图像并设置了想要的ROI区域,然后将ROI区域中像素都加上了一个整数。
  1. #include <cv.h>
  2. #include <highgui.h>
  3. int main(int argc, char** argv)
  4. {

  5.     IplImage* src;
  6.     cvNamedWindow("pre", CV_WINDOW_AUTOSIZE);
  7.     cvNamedWindow("post", CV_WINDOW_AUTOSIZE);
  8.     if( argc == 7 && ((src=cvLoadImage(argv[1],1)) != 0 ))
  9.     {
  10.         int x = atoi(argv[2]);
  11.         int y = atoi(argv[3]);
  12.         int width = atoi(argv[4]);
  13.         int height = atoi(argv[5]);
  14.         int add = atoi(argv[6]);
  15.         cvShowImage( "pre", src);
  16.         cvSetImageROI(src, cvRect(x,y,width,height));
  17.         cvAddS(src, cvScalar(add),src);
  18.         cvResetImageROI(src);
  19.         cvShowImage( "post",src);
  20.       cvWaitKey();
  21.     }
  22.   cvReleaseImage( &src );
  23.   cvDestroyWindow("pre");
  24.   cvDestroyWindow("post");
  25.     return 0;
  26. }

2.矩阵和图像基本操作

有很多函数有mask,代表掩码,如果某位mask0,那么对应的src的那一位就不计算,mask要和矩阵/ROI/的大小相等
大多数函数支持ROI,如果图像ROI被设置,那么只处理ROI部分
少部分函数支持COI,如果COI设置,只处理感兴趣的通道

矩阵逻辑运算
void cvAnd(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//两数组按位与计算如果mask非空
void cvAndS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
数组与标量位与计算如果mask非空
void cvOr(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvOrS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvXor(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvXorS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvNot(const CvArr* src,CvArr* dst);//
矩阵取反

 

矩阵算术运算
绝对值
void cvAbs(const CvArr* src,CvArr* dst);//计算src里的绝对值,把结果写到dst
void cvAbsDiff(const CvArr* src1,const CvArr* src2, CvArr* dst);//
两矩阵相减取绝对值写到
dst
void cvAbsDiffS(const CvArr* src, CvArr* dst,CvScalar value);//
矩阵减去一个数取绝对值

加减
void cvAdd(const CvArr* src1,const CvArr* src2,CvArr* dst,const CvArr* mask = NULL);//两数组相加,dst(I)=src1(I)+src2(I) if mask(I)!=0


void cvAddS(const CvArr* src,CvScalar value,CvArr*dst,const CvArr* mask = NULL);//
数组和一个数相加,dst(I)=src(I)+value if mask(I)!=0


void cvAddWeighted(const CvArr* src1,double alpha,const CvArr* src2,double beta,double gamma,CvArradded to each sum* dst);//
带权相加相当于dst(x,y) = α *src1(x,y) + β *src2(x,y) + γ

此函数可以实现两个图像的alpha融合(两个原图像和dstROI必须统一尺寸)。

标准融合公式:dst(x,y) = α *src1(x,y) + 1-α *src2(x,y)

如下代码内容:将两张图片的ROI融合输出

 

  1. #include
  2. #include
  3. #include
  4. int main(int argc, char** argv)
  5. {
  6.     IplImage *src1, *src2;
  7.     if( argc == 9 && ((src1=cvLoadImage(argv[1],1)) != 0
  8.         )&&((src2=cvLoadImage(argv[2],1)) != 0 ))
  9.     {
  10.         int x = atoi(argv[3]);
  11.         int y = atoi(argv[4]);
  12.         int width = atoi(argv[5]);
  13.         int height = atoi(argv[6]);
  14.         double alpha = (double)atof(argv[7]);
  15.         double beta = (double)atof(argv[8]);
  16.         cvSetImageROI(src1, cvRect(x,y,width,height));
  17.         cvSetImageROI(src2, cvRect(0,0,width,height));
  18.         cvAddWeighted(src1, alpha, src2, beta,0.0,src1);
  19.         cvResetImageROI(src1);
  20.         cvNamedWindow( "Alpha_blend", 1 );
  21.         cvShowImage( "Alpha_blend", src1 );
  22.         cvWaitKey();
  23.     }
  24.     else
  25.       printf("Couldn't load one or both of %s, %s\n",argv[1],argv[2]);
  26.     return 0;
  27. }

 

void cvSub(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//矩阵减法,dst(I)=src1(I)-src2(I) if mask(I)!=0


void cvSubS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
矩阵减数,dst(I)=src(I)-value if mask(I)!=0


void cvSubRS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
数减矩阵,dst(I)=value-src(I) if mask(I)!=0

乘除
void cvDiv(const CvArr* src1, const CvArr* src2, CvArr* dst, double scale=1);//scale*src1(i)/src2(i),如果src1=NULL,则计算scale/src2(i)


void cvMul(const CvArr* src1,const CvArr* src2,CvArr* dst,double scale=1);//
两矩阵元素之间的简单乘法,一般的矩阵点乘用cvGEMM();


次方
void cvPow(const CvArr* src, CvArr* dst, double power);//为每个src的数求power次方


指数

void cvExp(const CvArr* src, CvArr* dst);//dst(I)=EXP(src(I))


对数
void cvLog(const CvArr* src, CvArr* dst);//

 

线性代数计算
&
void cvScaleAdd(const CvArr* src1, CvScalar scale, const CvArr* src2, CvArr* dst);//src1scale的乘积加上src2


void cvCrossProduct(const CvArr* src1,const CvArr* src2,CvArr* dst);//
计算两个3D向量(单通道)的叉乘运算


double cvDotProduct(const CvArr* src1, const CvArr* src2);//
两个N维向量点乘,两个向量应该均为单通道数组,并且类型一致


void cvGEMM(const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3, double beta, CvArr* dst, int tABC=0);//
广义矩阵乘法,D=alpha*op(A)*op(B)+beta*op(C)由通用乘加函数参与定义的两个具体宏
        cvMatMul(const CvArr* src1,const CvArr* src2,CvArr* dst);

cvMatMulA,B,D===cvGEMM(A, B, 1, NULL, 0, D, 0)
        cvMatMulAdd(const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst);

cvMatMulAddA,B,C,D===cvGEMM(A, B, 1, C, 1, D, 0)

CvScalar cvTrace(const CvArr* mat);//
计算对角线上的元素和(MAT必须是浮点类型)


变换
void cvTransform(const CvArr* src, CvArr* dst, const CvMat* transmat, const CvMat* shiftvec=NULL);//dst=transmat · src + shiftvec
void cvPerspectiveTransform(const CvArr* src, CvArr* dst, const CvMat* mat);//
把矩阵每个元素中三个通道当做一个矩阵,乘matmat是一个3×3或者4×4的转换矩阵


转置
void cvTranspose(const CvArr* src, CvArr* dst);//不支持多通道数组,不执行复共轭,用cvXors()
void cvMulTransposed(const CvArr* src, CvArr* dst, int order, const CvArr* delta=NULL, double scale=1.0);//(src-delta)
乘以它的转置再乘以scale


逆矩阵
double cvInvert(const CvArr* src,CvArr* dst,int method=CV_LU);//求原矩阵的逆矩阵,默认使用高斯消去法
    
方阵可逆的充要条件是|A|!=0
    method
取值为CV_LU高斯消去法(默认)    CV_SVD 奇异值分解SVD    CV_SVD_SYM对称矩阵的SVD


行列式
double cvDet(const CvArr* mat);//计算方阵行列式,一定是单通道的
    
小型方阵直接计算,大型方阵用高斯消去法计算
    
如果矩阵正定对称,用奇异值分解的方法解决cvSVD();


特征向量特征值
void cvEigenVV(CvArr* mat, CvArr* evects, CvArr* evals, double eps=0);//计算对称矩阵的特征值和特征向量,evects输出特征向量,evals输出特征值,eps雅可比方法停止参数
    
要求三个矩阵都是浮点类型,10×10以下该方法有效,20×20以上的矩阵不能计算出结果,为节约计算量,eps通常设为DBL_EPSILON(10^-15)
    
如果给定的矩阵是对称正定矩阵,那么考虑使用cvSVD();


协方差
void cvCalcCovarMatrix(const CvArr** vects, int count, CvArr* cov_mat, CvArr* avg, int flags);//给定一组大小和类型相同的向量,向量的个数,计算标记,输出协方差正阵和每个向量的平均值矩阵
    CV_COVAR_NORMAL    
普通计算协方差和平均值,输出的是n×n的协方差阵
    CV_COVAR_SCRAMBLED    
快速PCA“Scrambled”协方差,输出的是m×m的协方差阵
    CV_COVAR_USE_AVERAGE    
平均值是输入的
    CV_COVAR_SCALE    
重新缩放输出的协方差矩阵
        
四个flag通过并运算协同发挥作用,前两个不能并

 

解方程组
int cvSolve(const CvArr* src1, const CvArr* src2, CvArr* dst, int method=CV_LU);//Solves a linear system or least-squares problem.C=argminx||A*X-B||目的是寻找一个最优的X返回dst


void cvSVD(CvArr* A, CvArr* W, CvArr* U=NULL, CvArr* V=NULL, int flags=0);//Performs singular value decomposition of a real floating-point matrix.
奇异值分解:A=U*W*Vt,其中W为对角矩阵


void cvSVBkSb(const CvArr* W, const CvArr* U, const CvArr* V, const CvArr* B, CvArr* X, int flags);//Performs singular value back substitution.

 

数组比较
void cvCmp(const CvArr* src1, const CvArr* src2, CvArr* dst, int cmp_op);//两矩阵比较运算
    CV_CMP_EQ - src1(I)
是否相等
    CV_CMP_GT - src1(I)
是否大于
    CV_CMP_GE - src1(I)
是否大于等于
    CV_CMP_LT - src1(I)
是否小于
    CV_CMP_LE - src1(I)
是否小于等于
    CV_CMP_NE - src1(I)
是否不等
        
如果判断为假,dst设为0,如果判断为真,dst设为0xff
void cvCmpS(const CvArr* src, double value, CvArr* dst, int cmp_op);//
矩阵和一个数字比较运算

 

矩阵内转换
类型转换
void cvConvertScale(const CvArr* src,CvArr* dst,double scale,double shift);//矩阵首先乘以scale再加上shift,然后把src中的数据类型转换成dst类型,但是srcdst通道数需要相等


void cvConvertScaleAbs(const CvArr* src,CvArr* dst,double scale,double shift);//
srcdst类型转换前,先做绝对值


void cvCvtColor(const CvArr* src,CvArr* dst, int code);//
图像 颜色空间转换,src要为8U 16U 32Fdst的数据类型需要和src相同,通道数看code
    code
格式如:CV_原色彩空间2目的色彩空间    色彩空间要考虑RGB的顺序

    
支持的颜色空间包括:RGB    RGB565    RGB555    GRAY RGBA    XYZ    YCrCb    HSV    HLS    Luv    BayerRG


空间转换
void cvFlip(const CvArr* src, CvArr* dst=NULL, int flip_mode=0);//图像绕xy轴旋转。当用在一维数组上时并且flip_mode>0,可以用来颠倒数据排列
    flip_mode=0
:左右对称values of the conversion resul
    flip_mode>0
:上下对称

    flip_mode<0
:中心对称

 

矩阵间操作
void cvCopy(const CvArr* src,CvArr* dst,const CvArr* mask=NULL);//复制
void cvMerge(const CvArr* src0,const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst);//
多个通道数组合并成一个,类型和尺寸都相同,dst有多个通道,src可以赋值NULL
void cvSplit(cosnt CvArr* src,CvArr* dst0,CvArr* dst1,CvArr* dst2,CvArr* dst3);//
一个多通道数组分解成多个数组,类型尺寸都想同,dst可以赋值NULL,是cvMerge的逆运算

void cvRepeat(const CvArr* src, CvArr* dst);//
dst中重复叠加srcdst(i,j)=src(i mod rows(src), j mod cols(src))
CvMat* cvReshape(const CvArr* originalarr, CvMat* headerdata, int new_cn, int new_rows=0);//
把一个originalarr(可以是已经有内容的图片),转换为有新的通道数、新的行数的数据(CvMat*只含数据,没 有图片头)

CvArr* cvReshapeMatND(const CvArr* arr, int sizeof_header, CvArr* header, int new_cn, int new_dims, int* new_sizes);
void cvLUT(const CvArr* src, CvArr* dst, const CvArr* lut);//src
8bit类型的数据,lut是一张一维查找表,拥有256个通道数类型和dst相同的元素,src的某一位置的元素数值n,到 lutn位置查找的内容填入dst的相应srcn元素的位置

 

统计运算
最大最小
void cvMax(const CvArr* src1, const CvArr* src2, CvArr* dst);
void cvMaxS(const CvArr* src, double value, CvArr* dst);//
找较大值放到dst

void cvMin(const CvArr* src1,const CvArr* src2,CvArr* dst);
void cvMins(const CvArr* src,double value,CvArr* dst);//
找较小值放到dst
void cvMinMaxLoc(const CvArr* arr, double* min_val, double* max_val, CvPoint* min_loc=NULL, CvPoint* max_loc=NULL, const CvArr* mask=NULL);
    
找出全局某个通道中最大最小的值,和她们的位置,如果不止一个通道,一定要设置COI

零的个数
int cvCountNonZero( const CvArr* arr );//统计非零的个数


是否落在范围内
void cvInRange(const CvArr* src,const CvArr* lower,const CvArr* upper,CvArr* dst);
void cvInRangeS(const CvArr* src,CvScalar lower,CvScalar upper,CvArr* dst);//
判断原数组中的每个数大小是否落在对应的lowerupper数组位置数值的中间

    if( lower(i)<=src(i)


平均值标准差
CvScalar cvAvg(const CvArr* arr,const CvArr* mask = NULL);//计算mask非零位置的所有元素的平均值,如果是图片,则单独计算每个通道上的平均值,如果COI设置了,只计算该COI通道的平均值
void cvAvgSdv(const CvArr* arr, CvScalar* mean, CvScalar* std_dev, const CvArr* mask=NULL);//
计算各通道的平均值,标准差,支持COI

 

double cvNorm(const CvArr* arr1,const CvArr* arr2=NULL,int norm_type=CV_L2,const CvArr* mask=NULL);//计算一个数组的各种范数
    
如果arr2NULLnorm_type
        CV_C
求所有数取绝对值后的最大值,CV_L1 求所有数的绝对值的和,CV_L2求所有数的平方和的平方根
    
如果arr2不为NULLnorm_type
        CV_C arr1
arr2对应元素差的绝对值中的最大值    CV_L1 arr1arr2对应元素差的绝对值的和   CV_L2 arr1arr2的差平方和的平方根
        CV_RELATIVE_C    CV_RELATIVE_L1    CV_RELATIVE_L2
上面结果除以cvNorm(arr2,NULL,对应的norm_type);


cvNormalize(const CvArr* src,CvArr* dst,double a=1.0,double b=0.0,int norm_type=CV_L2,const CvArr* mask=NULL);
    CV_C    CV_L1    CV_L2    CV_MINMAX
cvReduce(const CvArr* src,CvArr* dst,int dim,int op=CV_REDUCE_SUM);//
根据一定规则,把矩阵约简为向量
    dim    
决定约简到行还是列    1:约简到单个列,0:约简到单个行,-1:根据dstCvSize,决定约简到行还是列
    op    
决定按什么规则约简
        CV_REDUCE_SUM -
/列的和
        CV_REDUCE_AVG  -    
/列平均值
        CV_REDUCE_MAX -
/列中最大值
        CV_REDUCE_MIN  -    
/列中最小值

 

取得设置数组信息
得到指定行列
CvMat* cvGetCol(const CvArr* arr,CvMat* submat,int col);//提取矩阵中的某一列
CvMat* cvGetCols(const CvArr* arr,CvMat* submat,int start_col,int end_col);//
取目标矩阵的某列/连续几列,submat和返回值的实际数据还是在原矩阵中,只是修改了头部和数据指针,没有数据拷贝
CvMat* cvGetRow(const CvArr* arr,CvMat* submat,int row);//
提取矩阵中的某一行
CvMat* cvGetRows(const CvArr* arr,CvMat* submat,int start_row,int end_row);
得到对角线
CvMat* cvGetDiag(const CvArr* arr,CvMat* submat,int diag=0);//取矩阵arr的对角线,结果放在向量中,并不要求原矩阵是方阵,diag表示从哪个位置开始取对角线
维度大小
int cvGetDims(const CvArr* arr,int* sizes=NULL);//获取数组的维数和每一维的大小,sizes十一个数组的头指针。图像或者矩阵的维数一定是2,先行数后列数
int cvGetDimSize(const CvArr* arr,int index);//
获取某一维的大小
矩阵大小
CvSize cvGetSize(const CvArr* arr);//返回矩阵和图像的大小。小的结构体一般都是直接返回值而不是重新分配指针,分配指针的效率可能比直接返回值效率更低
截取矩形矩阵
CvMat* cvGetSubRect(const CvArr* arr, CvMat* submat, CvRect rect);//从输入的数组中根据输入的矩形截取一块数组中的矩形,返回的CvMat*就是submat
得到和设置元素        因为效率原因,实际很少会直接用到这些方法,而是根据实际的应用来决定如何操作每一个数

uchar* cvPtr1D(CvArr* arr,int idx0,int* type);//
得到的是指针,所以可以修改,比下面的效率更高
uchar* cvPtr2D(CvArr* arr,int idx0,int idx1,int* type);
uchar* cvPtr3D(CvArr* arr,int idx0,int idx1,int idx2,int* type);
uchar* cvPtrND(CvArr* arr,int* idx,int* type,int create_node=1,unsigned* precalc_hashval=NULL);//int* idx
是一个数组指针,里面保存着索引
double cvGetReal1D(const CvArr* arr,int idx0);//
得到的是具体值
double cvGetReal2D(const CvArr* arr,int idx0,int idx1);
double cvGetReal3D(const CvArr* arr,int idx0,int idx1,int idx2);
double cvGetRealND(const CvArr* arr,int* idx);
CvScalar cvGet1D(const CvArr* arr,int idx0);
CvScalar cvGet2D(const CvArr* arr,int idx0,int idx1);
CvScalar cvGet3D(const CvArr* arr,int idx0,int idx1,int idx2);
CvScalar cvGetND(const CvArr* arr,int* idx);
double cvmGet(const CvMat* mat, int row, int col);//
仅仅用于矩阵单通道浮点数的获取,由于是inline并且没有类型判断,所以效率比较高
void cvSetReal1D(CvArr* arr, int idx0, double value);
void cvSetReal2D(CvArr* arr, int idx0, int idx1, double value);
void cvSetReal3D(CvArr* arr, int idx0, int idx1, int idx2, double value);
void cvSetRealND(CvArr* arr, int* idx, double value);
void cvSet1D(CvArr* arr, int idx0, CvScalar value);
void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value);
void cvSet3D(CvArr* arr, int idx0, int idx1, int idx2, CvScalar value);
void cvSetND(CvArr* arr, int* idx, CvScalar value);
void cvmSet(CvMat* mat, int row, int col, double value);//
仅仅用于设置单通道浮点类型的矩阵
void cvClearND(CvArr* arr, int* idx);//
把多维数组的某位置设置为0
void cvSet(CvArr* arr, CvScalar value, const CvArr* mask=NULL);//
把数组每个元素都设为
value
void cvSetZero(CvArr* arr);//
对普通矩阵,每位都设为0;对稀疏矩阵,删除所以元素

 

一般算数运算
int cvRound(double value ); int cvFloor( double value ); int cvCeil( double value);//求和double最(上/下)接近的整数
float cvSqrt(float value);//
求平方根
float cvInvSqrt(float value);//
求平方根倒数
float cvCbrt(float value);//
求立方根
float cvCbrt(float value);//
求两个向量的夹角
int cvIsNaN(double value);//
判断是否是合法数
int cvIsInf(double value);//
判断是否无穷
void cvCartToPolar(const CvArr* x, const CvArr* y, CvArr* magnitude, CvArr* angle=NULL, int angle_in_degrees=0);//
void cvPolarToCart(const CvArr* magnitude, const CvArr* angle, CvArr* x, CvArr* y, int angle_in_degrees=0);//
void cvSolveCubic(const CvArr* coeffs, CvArr* roots);//
求三次方方程解,coeffs作为三次方程的系数,可以是三元(三次方系数为1)或者四元

 

随机数生成
CvRNG cvRNG(int64 seed=-1);//生成随机数生成器
unsigned cvRandInt(CvRNG* rng);
double cvRandReal(CvRNG* rng);
void cvRandArr(CvRNG* rng, CvArr* arr, int dist_type, CvScalar param1, CvScalar param2);//
    dist_type
决定生成随机数组中的分布    CV_RAND_UNI均匀分布    CV_RAND_NORMAL正态/高斯分布
    param1
:均匀分布中的下界(包含),正态分布中的平均值
    param2
:均匀分布中的上界(不包含),正态分布中的偏差

 

分布转换
void cvDFT(const CvArr* src, CvArr* dst, int flags, int nonzero_rows=0);
int cvGetOptimalDFTSize(int size0);
void cvMulSpectrums(const CvArr* src1, const CvArr* src2, CvArr* dst, int flags);
void cvDCT(const CvArr* src, CvArr* dst, int flags);

 

阅读(13441) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~