环境搭建

下载OpenCV库

设置引用目录
\opencv\sources\include\opencv2

设置库目录(我用的x64的)
\opencv\build\x64\vc14\lib

基础讲解

cv::Mat 矩阵类型
Mat中还含有每个像素的像素值

图像文件格式
CV_8UC1，CV_8UC2，CV_8UC3 等等
含义是：8U 8bit的unsigned类型,CX指几个通道

读取文件
cv::Mat img = cv::imread(“C:/test.jpg”);

新建一个显示窗口
cv::namedWindow(“测试”, cv::WINDOW_AUTOSIZE);

在“测试”这个窗口输出图片。
cv::imshow(“测试”, img);

入门代码

// openvcFirst.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。//#include "pch.h"#include 
   
    #include 
    
     #pragma comment(lib,"opencv_world411d.lib")int main(){
   	//读取文件	cv::Mat img = cv::imread("C:/test.jpg");	if (img.empty()) {
   		printf_s("找不到图片\n");		return -1;	}		/*	flag 可以选	WINDOW_AUTOSIZE 窗口大小自动适应图片大小，并且不可手动更改。（上面图1就是使用的它）	WINDOW_NORMAL 用户可以改变这个窗口大小	WINDOW_OPENGL 窗口创建的时候会支持OpenGL	*/	cv::namedWindow("测试", cv::WINDOW_AUTOSIZE);//新建一个显示窗口	cv::imshow("测试", img);//在“测试”这个窗口输出图片。	cv::waitKey(2000); //等待2秒	cv::Mat output;	//Convert Color	cv::cvtColor(img, output, cv::COLOR_BGR2GRAY);//将img的bgr转为灰色 存到output	cv::imshow("测试", output);//显示output	cv::waitKey(5000);//等待5秒	cv::Mat output2;	output2 = cv::Scalar(255,255,255);//rgb颜色 会将output2 画成一个纯色图	cv::imshow("测试", output2);//显示output2	cv::waitKey(5000);//等待5秒		cv::imwrite("d:/test.jpg", output);//保存output到test.jpg}

掩膜操作

cv::Mat img = cv::imread("C:/test.jpg");	if (img.empty()) {
   		printf_s("找不到图片\n");		return -1;	}	cv::namedWindow("测试", cv::WINDOW_AUTOSIZE);//新建一个显示窗口	cv::imshow("测试", img);//在“测试”这个窗口输出图片。	cv::waitKey(2000);	cv::Mat BGR(1080, 1920, CV_8UC3, cv::Scalar(0, 180, 255));	cv::imshow("测试", BGR);	cv::waitKey(2000);	cv::Mat output = cv::Mat::zeros(img.size(), img.type());//用来存储修改过的	//获取像素指针	/*	Mat.ptr
   
    (int i=0) //获取像素矩阵的指针，索引i表示第几行，从0开始	P(row,col) //获取当前像素点 P(row,col) = Mat.ptr
    
     (row)[col]	//说白了就是个二维矩阵，程序里可以说是2级指针		矩阵的掩膜操作	根据掩膜重新计算每个像素的像素值 可以提高图像的对比度	对比度公式	img(row,col) = 5 * img(row,col)-[img(row-1,col)+img(row+1,col)+img(row,col-1)+img(row,col+1)]	类似这样：	0 -1 0	-1 5 -1	0 -1 0	*/	//我们现在就是手动的进行卷积运算，下面还有API可以很方便的操作	//img.cols 就是宽度 1920,channels就是3，代表3个通道 rgb	//*3的原因是我们获取到的其实是uchar 所以是8个bit，每个像素rgb是24bit(r、g、b各占8bit),所以我们需要*通道数	int cols = (img.cols - 1) * img.channels(); 	int rows = img.rows;	int channels = img.channels();	for (int row = 1; row < rows - 1; row++) {
   		const uchar* previous = img.ptr
     
      (row - 1);//上一行		const uchar* current = img.ptr
      
       (row);//当前行		const uchar* next = img.ptr
       
        (row + 1);//下一行		uchar* outputCurrent = output.ptr
        
         (row);//用于输出的 for (int col = channels; col < cols; col++) { //保存到输出mask中 /* saturate_cast
         
           就是最小不低于0 最大不超过255 saturate_cast
          
            就是取type的最小或最大值，不能超过范围 类似 math.max(math.min(value,255),0) */ outputCurrent[col] = cv::saturate_cast
           
            (5 * current[col] - (current[col - channels] + current[col + channels] + previous[col] + next[col])); } } std::cout << img.size() << "changed!\n"; cv::imshow("测试", output); cv::waitKey(2000);

用filter2D实现

下面这个效果相同,filter2D 就可以实现上面复杂的操作

//filter2D 默认锚点为-1,-1	cv::Mat kernel = (cv::Mat_
   
    (3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);	//img.depth() 位图深度 enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6} 	cv::filter2D(img, output, img.depth(), kernel);	cv::imshow("测试", output);//在“测试”这个窗口输出图片。	cv::waitKey(2000);

3通道转4通道(也就是带透明度的图片)

Mat src = imread("C:/test.jpg");	vector
   
     rgb3Channels(3); //申请一个mat的vector 用来存放split后的矩阵信息	split(src, rgb3Channels);//将src进行分割，并存放在rgb3Channels  	Mat zero_mat= Mat::zeros(Size(src.cols, src.rows), CV_8UC1); //申请一个单通道全0矩阵 	vector
    
      channels_4; //为merge做准备	//注意 顺序是bgr	channels_4.push_back(rgb3Channels[0]);	//b 这里存放的属于 src整个矩阵所有的b信息，下面相同	channels_4.push_back(rgb3Channels[1]);	//g	channels_4.push_back(rgb3Channels[2]);	//r	channels_4.push_back(zero_mat);			//alpha=0 	Mat img_alpha_0;	merge(channels_4, img_alpha_0); //channels_4是我们组合好的,但它是vector,我们需要合并，其实就是对应split的原理，说白了就是转成4通道矩阵	imshow("img_alpha_0", img_alpha_0);	waitKey(0);

常用API

亮度对比度调节
公式:
float alpha = 1.2 //对比度
float beta = 30 //亮度
dst.at(row,col)[0] = saturate_cast(srcB * alpha + beta)

均值模糊
blur(Mat src,Mat dst,Size(x,y),Point(-1,-1));
Size其实是kernel的大小，不是图像大小
Point(-1,-1) 锚点位置

高斯模糊
GaussianBlur(Mat src,Mat dst,Size(x,y),sigmax,sigmay);

putText 文字

line 画线

rectangle 方框

ellipse 椭圆

circle 圆圈

fillPoly 填充

线性混合
f0为第一张图像，f1为第二章图像
x为像素
当x变化时，让2张图片的像素值相加，取值范围在1-0
void cv::addWeighted(
InputArray src1, //图像1
double alpha, //图像1的alpha值
InputArray src2,//图像2
double beta,//图像2的alpha直 ,一般是用(1-第一张图的alpha)来算
double gamma,//gamma值
InputArray dst, //用来保存输出的图像
int dtype = -1//输出混合图像
)
计算原理就是
dst[i] = saturate_cast(src1[i] * alpha + src2[i] * beta + gamma)
还有add,multiply等方法，建议不要使用，效果非常差