OpenCV常见库函数（上）：色彩、二值化、边缘操作、形态学操作

HSV图像模型

色度（Hue）
使用角度度量的，范围是从0°到360°（逆时针旋转）

饱和度（Saturation）
表示颜色接近光谱色的程度，范围从0到1

明度（Value）
范围是从0（暗）到1（明）

RGB转HSV模型
先把RGB的分量缩放到0-1（除255）
然后根据公式：

颜色通道转换cv::cvtColor

cv::split()分离通道

//分离三个通道并显示，调试用
std::vector<cv::Mat> channels;
cv::split(bgr_img,channels);
//注意opencv里是BGR模式
cv::Mat blue=channels.at(0);
cv::Mat green=channels.at(1);
cv::Mat red=channels.at(2);

cv::subtract()

将两张图片进行相减
当结果为负数时，像素值会被截断为0
当结果超过最大值时，像素值会被截断为255
cv::subtract(src1, src2, dst=None, mask=None, dtype=None)
src1 (numpy.ndarray): 第一幅输入图像或数组。
src2 (numpy.ndarray): 第二幅输入图像或数组，与 src1 具有相同的尺寸和类型。
图像尺寸必须相同！

dst (numpy.ndarray, 可选): 输出图像或数组。如果不指定，结果将存储在新的数组中。
mask (numpy.ndarray, 可选): 可选操作掩码，指定操作区域。
※掩码：二值图像，处理图像相同的尺寸
白色区域（值为255）：表示将进行操作的区域。
黑色区域（值为0）：表示不会进行操作的区域，输出图像这部分区域像素值置0

dtype (int, 可选): 可选的输出数组类型。如果未指定，则默认为输入数组的类型。

画图：标记装甲板、能量机关的角点，框出候选的目标

左上角为坐标原点
向右x轴正方向 向下y轴正方向

//画线：图片 起始坐标 结束坐标 颜色 宽度
cv::Point start(0,0);
cv::Point end(500,500);
cv::Scalar colorone(255,255,255);

cv::line(bgr_img,start,end,colorone,20);

//画圆：图片 圆心 半径 颜色 厚度(正数厚度 -1为实心圆)
cv::Point heart(200,200);

cv::circle(bgr_img,heart,50,(0,255,0),30);

阈值

threshold()
一般用于灰度图转二值图

double cv::threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type)

输入图像src：实际应用中，阈值处理通常在灰度图像上进行。
输出图像dst：输出图像，与输入图像具有相同的大小和类型。函数处理后的图像将存储在这里。

阈值thresh：某个像素的灰度值大于或等于（按照自己写的逻辑）这个阈值，则目标图像中对应像素的灰度值将被设置为maxval；否则，将被设置为0

设置值maxval：当像素值超过阈值时应该赋予的新值。
对于二值化操作，这个值通常是255，表示白色。

type：阈值类型

cv::THRESH_BINARY
//二值化：大于阈值的像素被设置为maxval，小于阈值的像素被设置为0
cv::THRESH_BINARY_INV
//反二值化。与cv::THRESH_BINARY相反，小于阈值的像素被设置为maxval，大于阈值的像素被设置为0
cv::THRESH_TRUNC
//截断：大于阈值的像素被设置为阈值，小于阈值的像素保持不变
cv::THRESH_TOZERO
//设为零：大于阈值的像素保持不变，小于阈值的像素被设置为0。
cv::THRESH_TOZERO_INV
//反向设为零：小于阈值的像素保持不变，大于阈值的像素被设置为0。
cv::THRESH_OTSU 和 cv::THRESH_TRIANGLE//自动计算最佳阈值

void inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst);
根据颜色范围从图像中提取特定的颜色区域

src：输入图像，通常是经过颜色空间转换后的图像，比如从BGR转换到HSV颜色空间的图像。
lowerb：颜色范围的下界，使用Scalar类型 BGR颜色表示
upperb：颜色范围的上界，使用Scalar类型 BGR颜色表示
（阈值要自己侧梁！）
dst：输出图像，是一个二值图像，其中符合颜色范围的像素被设置为255，不符合的被设置为0。

滤波与平滑：用于对原图图像进行降噪处理，或是抹去小光斑等

加权模糊图像 简单快速，但可能模糊边缘

blur(InputArray src, OutputArray dst, Size ksize)
//ksize填入模糊内核，参数格式为Size(a, b)

高斯加权模糊 保留边缘信息更好
GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX)
ksize：高斯核大小，必须为奇数
SigmaX、SigmaY：标准差，通常为0

中值滤波 取出椒盐噪声
medianBlur(InputArray src, OutputArray dst, int ksize)
ksize必须是奇数

双边滤波 模糊图像同时保持边缘信息，适合处理人脸图像

bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor,
double sigmaSpace)

参数 d=9 ：每个像素邻域的直径
参数 sigmaColor=75：色彩空间中的滤波器标准差
参数 sigmaSpace=75：坐标空间中的滤波器标准差。

参数值越大意味着只要颜色足够接近，距离较远的像素也会相互影响

形态学操作：增强图像的某些特征

获得结构元素

cv:Mat kernel = cv::getStructuringElement(int shape, cv::Size ksize, cv::Point anchor = cv::Point(-1, -1))

shape：结构元素形状
cv::MORPH_RECT (0): 矩形形状
cv::MORPH_ELLIPSE (1): 椭圆形状
cv::MORPH_CROSS (2): 十字形状

ksize：可以认为是矩形、椭圆、十字的最小外接矩形，形状内的值均为1
cv::Size(5, 5)

腐蚀：白色区域减小

cv::Mat img2;
cv::erode(img,img2,kernel);

※要写kernel通道！！！

膨胀：白色区域增大

cv::dilate(img, img2, kernel);

处理噪点

开运算：先进行腐蚀运算，再进行膨胀运算 消去一个黑图中的很多小白点
闭运算：先进行膨胀运算，再进行腐蚀运算 消去一个白图中的很多小黑点
【形态学变换运算】

cv::morphologyEx(src,dst,operation,element);

operation决定运算类型：
MORPH_OPEN：开运算
MORPH_CLOSE：闭运算
MORPH_GRADIENT：形态学梯度运算
MORPH_TOPHAT：顶帽运算
MORPH_BALCKHAT：黑帽运算

其他图像算子：提取边缘信息

一阶微分

cv::Sobel(src, dst, image_depth, xorder, yorder, kernel_size)

src：一般为黑度图
image_depth图像类型：一般为CV_16S 也有CV_64F

xorder/yorder：内核
如果xorder和yorder分别为1 和0，则得到水平方向Sobel内核；如果分别是0和1，则得到垂直方向的内核

kernel_size内核尺寸：一般为1,3,5,7

要加cv::convertScaleAbs(src,dst)来保证输出结果

二阶微分：快速指示边缘，但是不提供边缘方向信息

cv::Laplacian(src, dst, ddepth, ksize, scale, delta, borderType);

ksize内核大小：通常为3

滤波、平滑、形态学操作等都属于使用图像算子对图片进行卷积操作
在OpenCV中，你可以使用 getStructuringElement() 来构建独特的卷积核，随后使用 filer2D() 来对图像进行卷积运算。