课程来源：哔哩哔哩
环境：OpenCV4.5.1 + VS2019
目录
013.图像像素值统计（min，max，mean均值，standard deviation标准方差
002.图像色彩空间转换
void colorSpace_Demo(Mat &image);
void QuickDemo::colorSpace_Demo(Mat &image) {Mat gray, hsv; //定义2个矩阵类型的图像cvtColor(image, hsv, COLOR_BGR2HSV);//转换成hdv （图像转换函数，第三个参数是转成的类型cvtColor(image, gray, COLOR_BGR2GRAY);//转成灰度imshow("HSV", hsv);//显示图片imshow("灰度", gray);//显示图片//imwrite("F:\\文件夹\\C++\\OPENCV4入门学习\\图\\hsv.png", hsv);//保存图片 （保存地址，保存图的名称）//imwrite("F:\\文件夹\\C++\\OPENCV4入门学习\\图\\gray.png", gray);//保存}003.图像对象的创建与赋值
void mat_creation_demo(/*Mat& image*/);
void QuickDemo::mat_creation_demo(/*Mat& image*/) {//Mat m1, m2;//m1 = image.clone();//image.copyTo(m2);//创建空白图形Mat m3 = Mat::ones(Size(400, 400), CV_8UC3);//8位的无符号的3通道（改1则为单通道//ones 改 zeros则初始化为0//长度 = 通道数 * 宽度m3 = Scalar(255, 0, 0);//给三个通道都赋值，单通道则 m3 = 127;//m3初始化为蓝色cout << "width:" << m3.cols << endl << "hight:" << m3.rows << endl << "channels:" << m3.channels() << endl;//显示宽度，长度，通道数//cout << m3 << endl;Mat m4;//m4 = m3;//直接赋值 则m4变，m3也变（同体//m4 = m3.clone();//m4为m3的克隆，m4变，m3不会变（不同体m3.copyTo(m4);//把m3赋值给m4，m4为蓝色m4 = Scalar(0, 255, 255);//改变m4的颜色为黄色imshow("图像3", m3);//标题和图像名称 显示图像3 纯蓝色imshow("图像4", m4);}004.图像像素的读写操作
void pixel_visit_demo(Mat &image);
void QuickDemo::pixel_visit_demo(Mat &image) {int dims = image.channels();int h = image.rows;int w = image.cols;//数组下标访问像素值/*for (int row = 0; row < h; row++) {for (int col = 0; col < w; col++) {if (dims == 1) {//单通道的灰度图像int pv = image.at<uchar>(row, col);//得到像素值image.at<uchar>(row, col) = 255 - pv;//给像素值重新赋值（取反}if (dims == 3) {//三通道的彩色图像Vec3b bgr = image.at<Vec3b>(row, col);//opencv特定的类型，获取三维颜色，3个值image.at<Vec3b>(row, col)[0] = 255 - bgr[0];image.at<Vec3b>(row, col)[1] = 255 - bgr[1];image.at<Vec3b>(row, col)[2] = 255 - bgr[2]; //对彩色图像读取其像素值，并将其改写}}}*///指针访问模式for (int row = 0; row < h; row++) {uchar* current_row = image.ptr<uchar>(row);for (int col = 0; col < w; col++) {if (dims == 1) {//单通道的灰度图像int pv = image.at<uchar>(row, col);//得到像素值*current_row++ = 255 - pv;//给像素值重新赋值（取反}if (dims == 3) {//三通道的彩色图像*current_row++ = 255 - *current_row;//指针每做一次运算，就向后移动一位*current_row++ = 255 - *current_row;*current_row++ = 255 - *current_row;}}}namedWindow("像素读写演示", WINDOW_FREERATIO);imshow("像素读写演示", image);//imwrite("E:/2021.9.26备份/图片/Camera Roll/003颜色取反.png", image);//保存}005.图像像素的算术操作（加减乘除4种不同的API实现
void operators_demo(Mat &image);
void QuickDemo::operators_demo(Mat &image) {Mat dst = Mat::zeros(image.size(), image.type());Mat m = Mat::zeros(image.size(), image.type());dst = image - Scalar(50, 50, 50);m = Scalar(50, 50, 50);multiply(image, m, dst);//乘法操作 apiimshow("乘法操作", dst);add(image, m, dst);//加法操作 apiimshow("加法操作", dst);subtract(image, m, dst);//减法操作 apiimshow("减法操作", dst);divide(image, m, dst);//除法操作 apiimshow("除法操作", dst);//加法操作底层/*int dims = image.channels();int h = image.rows;int w = image.cols;for (int row = 0; row < h; row++) {for (int col = 0; col < w; col++) {Vec3b p1 = image.at<Vec3b>(row, col);//opencv特定的类型，获取三维颜色，3个值Vec3b p2 = m.at<Vec3b>(row, col);dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(p1[0] + p2[0]);dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(p1[1] + p2[1]);dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(p1[2] + p2[2]);}}namedWindow("加法操作底层", WINDOW_FREERATIO);imshow("加法操作底层", dst);*/}006.滚动条-调整图像亮度
void tracking_bar_demo1(Mat &image);
Mat src, dst, m;int lightness = 50;//定义初始化的亮度为50static void on_track(int, void*) {m = Scalar(lightness, lightness, lightness);//创建调整亮度的数值add(src, m, dst);//subtract(src, m, dst);//定义亮度变换为减imshow("亮度调整", dst);//显示调整亮度之后的图片}void QuickDemo::tracking_bar_demo1(Mat &image) {namedWindow("亮度调整", WINDOW_AUTOSIZE);dst = Mat::zeros(image.size(), image.type());//图片的初始化创建一个和image大小相等，种类相同的图像m = Mat::zeros(image.size(), image.type());//图片的初始化创建一个和image大小相等，种类相同的图像src = image;//给src赋值int max_value = 100;//定义最大值为100createTrackbar("Value Bar", "亮度调整", &lightness, max_value, on_track);//调用函数实现功能on_track(50, 0);}007.滚动条-传递参数
void tracking_bar_demo2(Mat &image);
static void on_lightness(int b, void* userdata) {Mat image = *((Mat*)userdata);Mat dst = Mat::zeros(image.size(), image.type());Mat m = Mat::zeros(image.size(), image.type());m = Scalar(b, b, b);//创建调整亮度的数值addWeighted(image, 1.0, m, 0, b, dst);//融合两张图 dst = image * 1.0 + m * 0 + bimshow("亮度&对比度调整", dst);//显示调整亮度之后的图片}static void on_contrast(int b, void* userdata) {Mat image = *((Mat*)userdata);Mat dst = Mat::zeros(image.size(), image.type());Mat m = Mat::zeros(image.size(), image.type());double contrast = b / 100.0;addWeighted(image, contrast, m, 0.0, 0, dst);imshow("亮度&对比度调整", dst);//显示调整亮度之后的图片}void QuickDemo::tracking_bar_demo2(Mat& image) {namedWindow("亮度&对比度调整", WINDOW_AUTOSIZE);int lightness = 50;//定义初始化的亮度为50int max_value = 100;//定义最大值为100int contrast_value = 100;createTrackbar("Value Bar", "亮度&对比度调整", &lightness, max_value, on_lightness, (void*)(&image));//调用函数实现功能createTrackbar("Contrast Bar", "亮度&对比度调整", &contrast_value, 200, on_contrast, (void*)(&image));//调用函数实现功能on_lightness(50, &image);}008.键盘响应操作
void key_demo(Mat &image);
void QuickDemo::key_demo(Mat& image) {Mat dst = Mat::zeros(image.size(), image.type());while (true) {char c = waitKey(100);//等待100ms（1s = 1000ms），做视频处理都是1if (c == 27) {//按 esc 退出应用程序break;}if (c == 49) {//key#1cout << "you enter key #1" << endl;cvtColor(image, dst, COLOR_BGR2GRAY); //按键盘1，则转换后为灰度图像}if (c == 50) {//key#2cout << "you enter key #2" << endl;cvtColor(image, dst, COLOR_BGR2HSV); //按键盘1，则转换后为HSV图像}if (c == 51) {//key#3cout << "you enter key #3" << endl;dst = Scalar(50, 50, 50);cvtColor(image, dst, COLOR_BGR2HSV); //直接1到3会报错，则先转换为HSV图像add(image, dst, dst); //按键盘1，则转换后为增加亮度后的图像}imshow("键盘响应",dst);//输出图像}}009.OpenCV自带颜色表操作
void color_style_demo(Mat& image);
void QuickDemo::color_style_demo(Mat& image) {int colormap[] = {//共19种COLORMAP_AUTUMN,COLORMAP_BONE,COLORMAP_CIVIDIS,COLORMAP_DEEPGREEN,COLORMAP_HOT,COLORMAP_HSV,COLORMAP_INFERNO,COLORMAP_JET,COLORMAP_MAGMA,COLORMAP_OCEAN,COLORMAP_PINK,COLORMAP_PARULA,COLORMAP_RAINBOW,COLORMAP_SPRING,COLORMAP_TWILIGHT,COLORMAP_TURBO,COLORMAP_TWILIGHT,COLORMAP_VIRIDIS,COLORMAP_TWILIGHT_SHIFTED,COLORMAP_WINTER};Mat dst;int index = 0; //初始化为指向0的位置while (true) {char c = waitKey(500);//等待半秒（1s = 1000ms），做视频处理都是1if (c == 27) {//按 esc 退出应用程序break;}if (c == 49) {//key#1 按下按键1时。保存图片到指定位置cout << "you enter key #1" << endl;imwrite("F:/文件夹/C++/OPENCV4入门学习/图/颜色表的成果.jpg", dst);}applyColorMap(image, dst, colormap[index % 19]);//循环展示19种图片（产生伪色彩图像）index++;imshow("循环播放", dst);}}010.图像像素的逻辑操作（与，或，非，异或
void bitwise_demo(Mat& image);
void QuickDemo::bitwise_demo(Mat& image) {//绘制两张图Mat m1 = Mat::zeros(Size(256, 256), CV_8UC3);Mat m2 = Mat::zeros(Size(256, 256), CV_8UC3);rectangle(m1, Rect(100, 100, 80, 80), Scalar(255, 255, 0), -1, LINE_8, 0);//-1 =》小于0为填充，大于0为绘制 // Rect(左上角x，左上角y，矩形长，矩形宽) |=》搞锯齿的(表示四领域或者八领域的绘制 //最后的参数0表示中心坐标 或 半径坐标的小数位rectangle(m2, Rect(150, 150, 80, 80), Scalar(0, 255, 255), -1, LINE_8, 0);//小于0为填充，大于0为绘制imshow("m1", m1);imshow("m2", m2);//进行逻辑操作Mat dst;bitwise_and(m1, m2, dst);//位操作 与imshow("像素位操作 与", dst);bitwise_or(m1, m2, dst);//位操作 或imshow("像素位操作 或", dst);// dst = ~image;//位操作 非（取反bitwise_not(image, dst);//位操作 非（取反imshow("像素位操作 非", dst);bitwise_xor(m1, m2, dst);//位操作 异或imshow("像素位操作 异或", dst);}与，或，异或 效果如图：
非操作：
011.通道合并与分离
void channels_demo(Mat& image);
void QuickDemo::channels_demo(Mat& image) {vector<Mat>mv;//可存放Mat类型的容器split(image, mv);//将多通道 拆分成 单通道（通道分离//imshow("蓝色", mv[0]);//imshow("绿色", mv[1]);//imshow("红色", mv[2]);// 三个通道分别为 B G R// 0，1，2 三个通道分别代表 B G R//关闭其中两个通道，则意味着 只开启剩余那个通道Mat dst;mv[0] = 0;mv[2] = 0;// 关0，1则红色 关1，2则蓝色merge(mv, dst);//合并mv和dstimshow("绿色", dst);int from_to[] = { 1,2,1,1,2,0 };//把通道相互交换，第0->第2，第1->第1，第2->第0mixChannels(&image, 1, &dst, 1, from_to, 3);//3表示有3对要交换（即3个通道//参数为要进行混合的图像的地址，参数2为混合后图像的存放地址imshow("通道混合", dst);imshow("原图image不会变", image);}只开放绿色通道 / B与R交换后的通道混合
012.图像色彩空间转换（提取轮廓然后换绿幕
void inrange_demo(Mat& image);
void QuickDemo::inrange_demo(Mat& image) {//提取任务的轮廓Mat hsv;cvtColor(image, hsv, COLOR_BGR2HSV);//先把RGB色彩空间转换到hsv的空间中Mat mask;//其次提取图片的maskinRange(hsv, Scalar(35, 43, 46), Scalar(77, 255, 255), mask);//通过inRange提取hsv色彩空间的颜色//35，43，46根据图片表中的绿色最低来确定最小值（hmin,smin,vmim//77，255，255 最大值//参数一为低范围，参数二高范围//将hsv中的由低到高的像素点提取出来并存储到mask中imshow("mask", mask);//此时mask为白底Mat redback = Mat::zeros(image.size(), image.type());redback = Scalar(40, 40, 200);//红色背景图bitwise_not(mask, mask);//取反变成黑底imshow("mask", mask);image.copyTo(redback, mask);//将mask中不为0部分(白色像素点)对应的原图 拷贝到 redback上，mask通过inRange得到imshow("roi区域提取", redback);}HSV色彩空间的颜色：
013.图像像素值统计（min，max，mean均值，standard deviation标准方差
void pixel_statistic_demo(Mat& image);
void QuickDemo::pixel_statistic_demo(Mat& image) {double minv, maxv;Point minLoc, maxLoc;//定义地址vector<Mat> mv;//可存放Mat类型的容器split(image, mv);//将多通道 拆分成 单通道（通道分离for (int i = 0; i < mv.size(); i++) {//分别打印各个通道的数值minMaxLoc(mv[i], &minv, &maxv, &minLoc, &maxLoc, Mat());//求出图像的最大值和最小值及其位置//参数一：输入单通道的数组//参数二：返回最小值的指针参数三：返回最大值的指针//参数四：返回最小值位置的指针参数五：返回最大值位置的指针cout << "No.channels:" << i << " minvalue:" << minv << " maxvalue:" << maxv << endl;}Mat mean, stddev;meanStdDev(image, mean, stddev);//求出图像的均值的方差cout << "mean:" << mean << endl;cout << "stddev:" << stddev << endl;}014.图像几何形状绘制（圆，矩形，直线，椭圆
void drawing_demo(Mat& image);
void QuickDemo::drawing_demo(Mat& image) {Rect rect;//矩形尺寸rect.x = 200;//起始点x坐标rect.y = 200;//起始点y坐标rect.width = 150;//矩形宽度rect.height = 200;//矩形高度Mat bg = Mat::zeros(image.size(), image.type());rectangle(bg, rect, Scalar(0, 0, 255), -1, 8, 0);//画矩形//参数一：绘图的底图或画布名称 参数二：图片的起始，宽高//参数三：填充颜色 参数四：>0为线宽，<0为填充//参数五：领域填充(控制边缘锯齿 参数六：默认值为0cv::circle(bg, cv::Point(350, 400), 25, cv::Scalar(0, 255, 0), 2, cv::LINE_AA, 0);//画圆//参数二：图片中心的位置 参数三：表示圆的半径为25cv::line(bg, cv::Point(100, 100), cv::Point(350, 400), cv::Scalar(255, 0, 0), 8, cv::LINE_AA, 0);//画直线//参数二：线段起点坐标 参数三：线段终点坐标 LINE_AA表示去掉锯齿RotatedRect rrt;//角度构造rrt.center = Point(200, 200);//中心点位置rrt.size = Size(100, 200);//x正沿x正方向，y正沿y正方向（可以是负的rrt.angle = 0.0;//顺时针的角度（0-360度ellipse(bg, rrt, Scalar(255, 0, 255), 2, 8);//画椭圆imshow("矩形，圆，直线，椭圆的绘制", bg);}015.随机数与随机颜色
void random_demo();
void QuickDemo::random_demo() {Mat canvas = Mat::zeros(Size(512, 512), CV_8UC3);//创建画布int w = canvas.cols;int h = canvas.rows;RNG rng(12345);//产生随机数（12345为随机数的种子，默认的while (true) {char c = waitKey(10);//等待10ms（1s = 1000ms），做视频处理都是1if (c == 27) {//按 esc 推出应用程序break;}int x1 = rng.uniform(0, canvas.cols);//将随机坐标控制在画布范围内int y1 = rng.uniform(0, canvas.rows);int x2 = rng.uniform(0, w);int y2 = rng.uniform(0, h);int r = rng.uniform(0, 255);//将随机颜色控制在255范围内int g = rng.uniform(0, 255);//将随机颜色控制在255范围内int b = rng.uniform(0, 255);//将随机颜色控制在255范围内//canvas = Scalar(0, 0, 0);//想要每次都只出现一条线而不是叠加，则加上此句line(canvas, Point(x1, y1), Point(x2, y2), Scalar(r, g, b), 2, LINE_AA);//画直线//参数二：线段起点坐标参数三：线段终点坐标2为线宽 LINE_AA表示去掉锯齿imshow("随机绘制演示", canvas);}}016.多边形填充与绘制
void polyline_drawing_demo(Mat& image);
void QuickDemo::polyline_drawing_demo(Mat& image) {Mat canvas = Mat::zeros(Size(512, 512), CV_8UC3);Point p1(150, 100);//第一个点的坐标Point p2(350, 200);// 二Point p3(240, 300);// 三Point p4(150, 300);// 四Point p5(50, 200);// 五vector<Point> pts;//搞一个容器，用来装 点pts.push_back(p1);//将点放进容器内pts.push_back(p2);//因 未初始化数组容量，所以要用 push_back 操作pts.push_back(p3);//若 已初始化，可以用 数组下标 来操作pts.push_back(p4);pts.push_back(p5);//fillPoly(canvas, pts, Scalar(122, 155, 255), 8, 0);//填充多边形//polylines(canvas, pts, true, Scalar(90, 0, 255), 2, 8, 0);//绘制多边形//参数一：画布参数二：点集参数三：一定要写true（封闭图形//参数倒3：线宽(最少为1参数倒2：线的渲染方式参数倒1：相对左上角（0,0）的位置//单个API搞定多边形的绘制和填充vector<vector<Point>> contours;//搞一个容器，用来装 多边形的点集contours.push_back(pts);//将一个多边形的点集放进容器内，作为一个元素drawContours(canvas, contours, -1, Scalar(0, 0, 255), -1);//参数倒1：<0表示填充，>0表示线宽//参数二：多边形的点集参数三：-1为绘制全部的多边形；0为绘制第一个，1为绘制第二个，以此类推imshow("多边形绘制", canvas);}017.鼠标操作与响应（提取选中的ROI区域
void mouse_drawing_demo(Mat& image);
//选中的矩形区域提取Point sp(-1, -1);//鼠标的起始位置Point ep(-1, -1);//鼠标的结束位置Mat temp;static void on_draw(int event, int x, int y, int flags, void* userdata) {//参数一（event）为鼠标事件Mat image = *((Mat*)userdata);if (event == EVENT_LBUTTONDOWN) {//若鼠标的左键按下sp.x = x;sp.y = y;//此时鼠标的起始位置坐标cout << "start point" << sp << endl;}else if (event == EVENT_LBUTTONUP) {//若鼠标的左键抬起ep.x = x;ep.y = y;//此时鼠标的结束位置坐标int dx = ep.x - sp.x;int dy = ep.y - sp.y;if (dx > 0 && dy > 0) {//若鼠标有移动过Rect box(sp.x, sp.y, dx, dy);imshow("ROI区域", image(box));rectangle(image, box, Scalar(0, 0, 255), 2, 8, 0);imshow("鼠标绘制", image);//这里是为了显示结果sp.x = -1;//复位，为下一次做准备sp.y = -1;//复位，为下一次做准备}}else if (event == EVENT_MOUSEMOVE) {//若鼠标正在移动if (sp.x > 0 && sp.y > 0) {ep.x = x;ep.y = y;//此时鼠标的结束位置坐标int dx = ep.x - sp.x;int dy = ep.y - sp.y;if (dx > 0 && dy > 0) {//若鼠标有移动过Rect box(sp.x, sp.y, dx, dy);temp.copyTo(image);//为了不将鼠标移动过程中的框也显示出来rectangle(image, box, Scalar(0, 0, 255), 2, 8, 0);imshow("鼠标绘制", image);//这里是为了每次重新提取都将前面的覆盖}}}}void QuickDemo::mouse_drawing_demo(Mat& image) {namedWindow("鼠标绘制", WINDOW_AUTOSIZE);setMouseCallback("鼠标绘制",on_draw, (void*)(&image));//设置窗口是回调函数，参数二表示调用on_drawimshow("鼠标绘制", image);temp = image.clone();}018.图像像素类型转换和归一化
void norm_demo(Mat& image);
void QuickDemo::norm_demo(Mat& image) {Mat dst;cout << image.type() << endl;//打印图片的类型image.convertTo(image, CV_32F);//将image的数据转换成浮点型float32位数据cout << image.type() << endl;//打印转换后的图片数据类型normalize(image, dst, 1.0, 0, NORM_MINMAX);//进行归一化操作//参数一：要进行归一化的图片参数二：归一化后要输出的图片//参数三：alpha参数四：beta参数五：归一化方法cout << dst.type() << endl;//打印归一化后的图像的类型imshow("图像的归一化", dst);//显示归一化后的图像//CV_8UC3 原本为 3通道，每个通道8位的UC（无符号）类型//CV_32FC3 转换后 3通道，每个通道32位的浮点数类型/*归一化方法：NORM_L1（依据sum）b不用，a为归一化后矩阵的范数值NORM_L2（依据单位向量为1）b不用，a为 同上NORM_MINMAX（依据最大值）b不用，a为 同上NORM_INF（依据min与max的差值）a为归一化后的最小值，b归一化后的最大值*/}019.图像放缩与插值
void resize_demo(Mat& image);
void QuickDemo::resize_demo(Mat& image) {Mat zoomin, zoomout;int h = image.rows;int w = image.cols;resize(image, zoomout, Size(w / 2, h / 2), 0, 0, INTER_LINEAR);// INTER_LINEAR 为线性插值//若Size里的值没变，则按照参数四fx（水平轴）和参数五fy（垂直轴）来进行放缩操作//参数六：插值的方法imshow("zoomout", zoomout);resize(image, zoomin, Size(w * 1.5, h * 1.5), 0, 0, INTER_LINEAR);imshow("zoomin", zoomin);}020.图像翻转
void flip_demo(Mat& image);
void QuickDemo::flip_demo(Mat& image) {Mat dst;flip(image, dst, 0);// 0 上下翻转 x对称imshow("图像上下翻转", dst);flip(image, dst, 1);// 1 左右翻转 y对称imshow("图像左右翻转", dst);flip(image, dst, -1);//-1 上下左右都翻转（相当于旋转180°）imshow("图像上下左右翻转", dst);}021.图像旋转
void rotate_demo(Mat& image);
void QuickDemo::rotate_demo(Mat& image) {Mat dst, M;//M为2*3的变换矩阵（旋转矩阵）int w = image.cols;//图片宽度int h = image.rows;//图片高度M = getRotationMatrix2D(Point(w / 2, h / 2), 45, 1.0);//获得旋转矩阵 M//参数一：原来图像的中心点位置参数二：旋转角度(逆时针)参数三：图像本身大小的放大缩小double cos = abs(M.at<double>(0, 0));//取绝对值double sin = abs(M.at<double>(0, 1));/*[x'] = [ cos sin] * [x][y'] [-sin cos] [y],M =[ cos sin 0][-sin cos 0], （第三列用来控制平移）*/double nw = cos * w + sin * h;//旋转后图像所占矩形的宽double nh = sin * w + cos * h;//旋转后图像所占矩形的高//更新 新的中心 （将新中心平移到正确位置上）M.at<double>(0, 2) += (nw / 2 - w / 2);//将矩形的宽高 加上偏差量 （新M的第一列最后的值）M.at<double>(1, 2) += (nh / 2 - h / 2);//将矩形的宽高 加上偏差量 （新M的第二列最后的值）warpAffine(image, dst, M, Size(nw, nh), INTER_LINEAR, 0, Scalar(255, 255, 0));//进行旋转//参数四：原来图像的中心点位置参数五：插值方式//参数六：边缘的处理方式参数七：边缘底图的颜色//namedWindow("旋转演示", WINDOW_FREERATIO); //可调整显示图片的窗口大小imshow("旋转演示", dst);}
022.视频文件摄像头使用
void video_demo1(Mat& image);
void QuickDemo::video_demo1(Mat& image) {//读已有视频VideoCapture capture("E:/2021.9.26备份/图片/Camera Roll/人脸素材.mp4");//读取视频地址Mat frame;//定义一个二值化的 framewhile (true) {capture.read(frame);//flip(frame, frame, 1);// 1 左右翻转 y对称 （镜像）if (frame.empty())//如果读入失败{break;//若视频为空，则跳出操作}imshow("frame", frame);//显示视频colorSpace_Demo(frame);//对视频调用之前的demoint c = waitKey(1);//等待10ms（1s = 1000ms），做视频处理都是1if (c == 27) {//按 esc 退出应用程序break;}}capture.release();//释放相机的资源/*//调用电脑摄像头VideoCapture capture(0);Mat frame;//定义一个二值化的 framewhile (true) {capture.read(frame);if (frame.empty())//如果读入失败{break;//若视频为空，则跳出操作}flip(frame, frame, 1);// 1 左右翻转 y对称 （镜像）imshow("frame", frame);//显示视频int c = waitKey(10);//等待10ms（1s = 1000ms），做视频处理都是1if (c == 27) {//按 esc 退出应用程序break;}}*/}023.视频处理与保存
void video_demo2(Mat& image);
void QuickDemo::video_demo2(Mat& image) {//视频的属性：SD(标清)，HD(高清)，UHD(超清)，蓝光。VideoCapture capture("E:/2021.9.26备份/图片/Camera Roll/人脸素材.mp4");//读取视频地址int frame_width = capture.get(CAP_PROP_FRAME_WIDTH);//获取视频的宽度int frame_height = capture.get(CAP_PROP_FRAME_HEIGHT);//获取视频的高度int count = capture.get(CAP_PROP_FRAME_COUNT);//获取视频总的帧数//fps是衡量处理视频的能力 （一秒钟处理多少张图片的能力，处理速度越快则越好）double fps = capture.get(CAP_PROP_FPS);cout << "frame width：" << frame_width << endl;cout << "frame height：" << frame_height << endl;cout << "FPS：" << fps << endl;cout << "Number of frame：" << count << endl;VideoWriter writer("F:/文件夹/C++/OPENCV4入门学习/图/test.mp4", capture.get(CAP_PROP_FOURCC), fps, Size(frame_width, frame_height), true);//参数一：保存地址参数二：获取图片的格式(编码方式)参数三：图片是帧数参数四：视频宽高参数五：与原来颜色保持一致//等全部运行完再去查看视频是否保存成功Mat frame;while (true) {capture.read(frame);//flip(frame, frame, 1);// 1 左右翻转 y对称 （镜像）if (frame.empty())//如果读入失败{break;//若视频为空，则跳出操作}imshow("frame", frame);//显示视频colorSpace_Demo(frame);//对视频调用之前的demowriter.write(frame);int c = waitKey(1);//等待10ms（1s = 1000ms），做视频处理都是1if (c == 27) {//按 esc 退出应用程序break;}}//releasewriter.release();capture.release();//释放相机的资源}024.图像直方图
void histogram_demo(Mat& image);
void QuickDemo::histogram_demo(Mat& image) {//三通道分离vector<Mat> bgr_plane;split(image, bgr_plane);//定义参数变量const int channels[1] = { 0 };const int bins[1] = { 256 };//总共 256 个灰度级别float hranges[2] = { 0,255 };//每个通道的取值范围是 0 到 255const float* ranges[1] = { hranges };Mat b_hist;Mat g_hist;Mat r_hist;//计算 Blue，Green，Red 通道的直方图calcHist(&bgr_plane[0], 1, 0, Mat(), b_hist, 1, bins, ranges);//第一个通道calcHist(&bgr_plane[1], 1, 0, Mat(), g_hist, 1, bins, ranges);calcHist(&bgr_plane[2], 1, 0, Mat(), r_hist, 1, bins, ranges);//参数一：要计算直方图的数据参数二：1表示只有一张图(输入图像的格式)//参数三：需要统计直方图的第几个通道参数四：掩模，mask必须是8位的数组且和参数一的大小一致//参数五：b_hist表示直方图的输出参数六：1表示维度是一维的(输出直方图的维度dims)//参数七：直方图中每个维度需分成的区间个数参数八：ranges表示直方图的取值范围(区间)//显示直方图int hist_w = 512;//设置 画布宽度 为512int hist_h = 400;//设置 画布高度 为400int bin_w = cvRound((double)hist_w / bins[0]);//每个 bin 占的宽度 //cvRound()四舍五入返回数值Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3);//创建画布//归一化直方图数据（归一化到大小一致的范围内）normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());//histImage.rows是为了不超出画布许可的高度范围normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());//参数一：要进行归一化的图片参数二：归一化后要输出的图片//参数三：alpha参数四：beta参数五：归一化方法//绘制直方图曲线for (int i = 1; i < bins[0]; i++) {//每个bin占2个像素的位置line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(b_hist.at<float>(i - 1))),Point(bin_w * (i), hist_h - cvRound(b_hist.at<float>(i))), Scalar(255, 0, 0), 2, 3, 0);line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(g_hist.at<float>(i - 1))),Point(bin_w * (i), hist_h - cvRound(g_hist.at<float>(i))), Scalar(0, 255, 0), 2, 3, 0);line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(r_hist.at<float>(i - 1))),Point(bin_w * (i), hist_h - cvRound(r_hist.at<float>(i))), Scalar(0, 0, 255), 2, 3, 0);//从前一个位置到当前位置连上一条线}//显示直方图namedWindow("Histogram Demo", WINDOW_AUTOSIZE);imshow("Histogram Demo", histImage);}025.二维直方图
void histogram_2d_demo(Mat& image);
void QuickDemo::histogram_2d_demo(Mat& image) {//2D直方图Mat hsv, hs_hist;cvtColor(image, hsv, COLOR_BGR2HSV);//先把RGB色彩空间转换到hsv的空间中int hbins = 30, sbins = 32;int hist_bins[] = { hbins, sbins };//h和s这两个维度需分成的 区间个数float h_range[] = { 0,180 };//h的取值范围float s_range[] = { 0,256 };//s的取值范围const float* hs_ranges[] = { h_range, s_range };int hs_channels[] = { 0,1 };//计算通道的直方图calcHist(&hsv, 1, hs_channels, Mat(), hs_hist, 2, hist_bins, hs_ranges, true, false);//参数一：要计算直方图的数据参数二：1表示只有一张图(输入图像的格式)//参数三：需要统计直方图的第几个通道(前两个)参数四：掩模，mask必须是8位的数组且和参数一的大小一致//参数五：b_hist表示直方图的输出参数六：2表示维度是二维的(输出直方图的维度dims)//参数七：直方图中每个维度需分成的区间个数参数八：hs_ranges表示直方图的取值范围(区间)//参数九：是否对得到的直方图进行归一化处理参数十：在多个图像时，是否累计计算像素值的个数double maxVal = 0;minMaxLoc(hs_hist, 0, &maxVal, 0, 0);//寻找最大值和最小值及其位置（这里先找到最大值）//参数一：输入单通道的数组//参数二：返回最小值的指针参数三：返回最大值的指针//参数四：返回最小值位置的指针参数五：返回最大值位置的指针int scale = 10;Mat hist2d_image = Mat::zeros(sbins * scale, hbins * scale, CV_8UC3);//创建空白图像for (int h = 0; h < hbins; h++) {for (int s = 0; s < sbins; s++) {float binVal = hs_hist.at<float>(h, s);int intensity = cvRound(binVal * 255 / maxVal);rectangle(hist2d_image, Point(h * scale, s * scale),Point((h + 1) * scale - 1, (s + 1) * scale - 1), Scalar::all(intensity), -1);}}//显示直方图//applyColorMap(hist2d_image, hist2d_image, COLORMAP_JET);//产生伪色彩图像namedWindow("H-S Histogram", WINDOW_AUTOSIZE);imshow("H-S Histogram", hist2d_image);//imwrite("F:/文件夹/C++/OPENCV4入门学习/图/hist_2d.png", hist2d_image);}026.直方图均衡化
void histogram_eq_demo(Mat& image);
直方图均衡化是通过调整图像的灰阶分布，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节。
void QuickDemo::histogram_eq_demo(Mat& image) {//直方图均衡化 (目的是对比度拉伸，即 对比度会更强)//用途：用于图像增强，人脸检测，卫星遥感(提升图像质量)。//opencv中，均衡化的图像只支持单通道Mat gray;cvtColor(image, gray, COLOR_BGR2GRAY);imshow("灰度图像", gray);Mat dst;equalizeHist(gray, dst);imshow("直方图均衡化演示", dst);}对三通道的图像进行直方图均衡化：
Mat image;Mat imageRGB[3];split(image, imageRGB);for (int i = 0; i < 3; i++){equalizeHist(imageRGB[i], imageRGB[i]);}merge(imageRGB, 3, image);imshow("直方图均衡化图像增强效果", image);027.图像卷积操作（会变模糊，且卷积核尺寸越大则越模糊
void blur_demo(Mat& image);
void QuickDemo::blur_demo(Mat& image) {//会变模糊，且卷积核尺寸越大则越模糊Mat dst;blur(image, dst, Size(15, 15), Point(-1, -1));//均值滤波 均值模糊//参数三：卷积核的大小参数四：卷积的起始点（Point(-1, -1)则默认取核的中心）//参数三中：//Size(15, 1) 左右晃动的模糊（只有行的话//Size(1, 15) 上下（ 列imshow("图像卷积操作", dst);}
028.高斯模糊
void gaussian_blur_demo(Mat& image);
void QuickDemo::gaussian_blur_demo(Mat& image) {//中心值最大，离中心越远值越小Mat dst;GaussianBlur(image, dst, Size(5, 5), 15);//参数三：高斯矩阵的大小（正数且奇数）//参数四：sigmaX 和 sigmaY 为15 //（参数三和四都 值越大则越模糊，且参数四的影响更明显）imshow("高斯模糊", dst);}高斯卷积数学表达式说明：
高斯卷积的图像说明：
029.高斯双边模糊（可磨皮操作
（同时考虑空间临近信息与颜色相似信息，在滤除噪声、平滑图像的同时，又做到边缘保存）
（高斯双边模糊：可以在去除噪声的同时，保持边缘信息相对清晰。但是，相比于大多数滤波器，双边滤波的速度是非常慢的。）
void bifilter_demo(Mat& image);
void QuickDemo::bifilter_demo(Mat& image) { //可做磨皮操作Mat dst;bilateralFilter(image, dst, 0, 100, 10);//参数三：色彩空间参数四：坐标空间（双边是指 色彩空间 和 坐标空间namedWindow("高斯双边模糊", WINDOW_AUTOSIZE);imshow("高斯双边模糊", dst);}
030.案例：实时人脸检测
(24条消息) openCV4.0 C++ 实战：人脸检测 学习笔记(自用 代码+注释)_chxin14160的博客-CSDN博客
代码总结
(24条消息) openCV4.0 C++ 快速入门30讲学习笔记(自用 代码+注释)_chxin14160的博客-CSDN博客
