opencv core元件高階

1、影象在記憶體中儲存方式，影象矩陣的大小取決於顏色模型，取決於所有的通道數；還有重要的顏色空間縮減的概念：因為如果是rgb的話，使用uchar的話，就有256^3的結合方法。所以要用到顏色縮減的方法，就是利用在每個畫素值裡抽選一部分畫素值，而不是選擇全部畫素值。利用的公式是inew=(iold/10)*10來計算。

總結來看：就是對影象矩陣遍歷每乙個畫素，然後對畫素值進行公式運算。

2、lut函式：look up table操作，就是對於畫素影象進行批量查詢、掃瞄與操作影象。計時函式：gettickcount()和gettickfrequency()函式。

3、訪問影象中畫素的三類方法，參照opencv藍皮書的111頁，（colorreduce()函式的三種寫法：（這個是用來減少顏色空間的函式）

//
這種做法是第一種做法用指標來做。
void colorreauce(mat& inputimage, mat& outputimage, int
div)}}

第一種是用指標的方法訪問元素；

第二種做法是用迭代器來處理畫素；類似與stl庫中的迭代器；

第三種做法是用動態位址來計算，就是將藍色、紅色和綠色來進行分別測量；（image.at(j, i)[channe]=value;tips:注意這個通道的順序是bgr，不是rgb）

4、roi區域影象疊加&影象混合

定義這個區域有兩種方法：（1）使用矩形區域rect（2）指定感興趣行或列的範圍（range）range是指從起始索引到終止索引，

(1)mat imageroi;

mat imageroi = image(rect(500,250,logo.cols,logo.rows));//這個是定義roi區域的

(2)imageroi = image(range(250,250+logoimage.rows),range(200,200+logoiamge.cols));

5、addweighted()函式（計算陣列加權和）double alpha、double beta和 double gamma這個分別代表陣列的權重。參照roi藍皮書的118頁的**；

(tips:兩幅一定要同樣的型別和尺寸，因為我們做的是兩張的加權，兩張不相同不能運算）

6、初級影象混合：addweighted函式，參照前面的**（

addweighted的矩陣表示式是：dst = src1[i]*alpha+ src2[i]*beta + gamma;

7、分離顏色通道、多通道影象混合；通過split和merge方法來進行。

（1）通道分離：split()函式，是乙個多通道陣列分離幾個單通道陣列；

split函式：void split(const mat& src, mat *mvbegin);

void split(inputarray m, outputarrayofarrays mv);

公式：mv[c](i)=src(i)c

8、輸入xml和yaml檔案

xml和yaml檔案是用來做資料的儲存和傳輸用的，我們訓練玩的特徵點資料是儲存在這裡的。

9、閾值化

固定閾值操作：threshold函式

函式threshold()對單通道陣列應用固定閾值操作，典型對於灰度影象進行閾值操作得到二值影象，compare()函式可以達到目的；

自適應閾值操作：adaptivethreshold()函式；

void adaptivethreshold(inputarray src, outputarray dst, double maxvalue, int adaptivemethod, int thresholtype, int blocksize, double c)

第二個引數，outputarray型別的dst，這個型別和尺寸和源影象相同；

10、rotatedrect()函式

rotatedrect該類表示平面上的旋轉矩形，有三個屬性：

矩形中心點(質心)

邊長(長和寬)

3.旋轉角度

opencv core元件高階

React元件通訊高階元件

高階元件高階函式一

React高階元件

opencv core元件高階

React元件通訊 高階元件

高階元件 高階函式 一

React高階元件

相關推薦

React元件通訊高階元件

高階元件高階函式一