opencv图像处理函数

基于opencv的use摄像头视频采集程序 ........................................................................... 1 基于opencv的两个摄像头数据采集.................................................................................. 3 能激发你用代码做视频的冲动程序 ................................................................................... 6 图像反转（就是把黑的变白，白的变黑）........................................................................11 图像格式的转换 ............................................................................................................. 12 从摄像头或者AVI文

Opencv函数

cvLoadImagecvNamedWindowcvShowImagecvWaitKey

cvReleaseImagecvDestroyWindowcvQueryFramecvReleaseCapturecvCreateTrackbar

cvSetCapturePropertycvGetCapturePropertycvGetSizecvSmoothcvPyrDown

cvCanny：Canny

cvCreateCameraCapturecvCreateVideoWritercvWriteFrame

cvReleaseVideoWriterCV_MAT_ELEMcvAbscvAbsDiffcvAbsDiffScvAddcvAddS

cvAddWeightedcvAvgcvAvgSdv

cvCalcCovarMatrixcvCmpcvCmpS

cvConvertScalecvCopy

cvCountNonZerocvCrossProductcvCvtColorcvDetcvDiv

cvDotProductcvEigenVVcvFlipCvinvoke.cvLoadImageCvinvoke.cvNamedWindowCvinvoke.cvShowI

计算机技术应用 《机电技术》2010年第5期

基于OpenCV的图像处理程序开发方法的研究

刘丽梅 郑新武 陈永明 王磊

(厦门大学 机电工程系，福建 厦门 361005)

摘 要：OpenCV是一个开放源代码的机器视觉库，可在应用VC++进行程序开发的过程中，直接调用OpenCV视觉库的特定函数，开发出自己的图像处理程序。文章通过示例程序——“Canny边缘检测”，论述了将VC与OpenCV相结合进行图像处理程序开发的具体方法。

关键词：OpenCV；VC++；图像处理；边缘检测

中图分类号：TP391 TN911.73 文献标识码：A 文章编号：1672－4801(2010)05－021－04

机器视觉和图像处理技术已经广泛应用于工业技术、医疗、航空航天、军事等各个领域。由于视频图像处理程序的开发工作量庞大，如果研发人员自主开发程序必定耗费大量时间和精力。应用OpenCV作为图像处理基础类库，在VC环境下进行程序开发，可以大大缩短开发周期，提高工作效率。

于数字图像处理的函数库，能够在Windows、

Linux、Mac平台中运行。它由一系列C函数和少量C++类构成

图像处理函数详解——bwareaopen 功能：用于从对象中移除小对象。

用法：BW2 = bwareaopen(BW,P) BW2 = bwareaopen(BW,P,CONN)

BW2 = bwareaopen(BW,P,CONN)从二值图像中移除所有小于P的连通对象。CONN对应邻域方法，默认为8。 例子：

originalBW = imread('text.png');

imview(originalBW)

bwAreaOpenBW = bwareaopen(originalBW,50);

imview(bwAreaOpenBW)

图像处理函数详解——bwlabel

功能：对连通对象进行标注，bwlabel主要对二维二值图像中各个分离部分进行标注（多维用bwlabeln，用法类似）。

用法：L = bwlabel(BW,n) [L,num] = bwlabel(BW,n)

L = bwlabel(BW,n)表示返回和BW相同大小的数组L。L中包含了连通对象的标注。参数n为4或8，分别对应4邻域和8邻域，默认值为8。 [L,num] = bwlabel(BW,n)返回连通数num。 图像处理函数详解——bwperim 功能：查找二

Matlab图像处理函数汇总：

1、图像的变换

① fft2：fft2函数用于数字图像的二维傅立叶变换，如：i=imread('104_8.tif');

j=fft2(i);

②ifft2:：ifft2函数用于数字图像的二维傅立叶反变换，如： i=imread('104_8.tif');

j=fft2(i);

k=ifft2(j);

2、模拟噪声生成函数和预定义滤波器

① imnoise：用于对图像生成模拟噪声，如：

i=imread('104_8.tif');

j=imnoise(i,'gaussian',0,0.02);%模拟高斯噪声

② fspecial：用于产生预定义滤波器，如：

h=fspecial('sobel');%sobel水平边缘增强滤波器

h=fspecial('gaussian');%高斯低通滤波器

h=fspecial('laplacian');%拉普拉斯滤波器

h=fspecial('log');%高斯拉普拉斯（LoG）滤波器

h=fspecial('average');%均值滤波器

2、图像的增强

①直方图：imhist函数用于数字图像的直方图显示，如： i=imread('104_8.tif');

imhist(i);

②直方图均化：histeq函数

图像处理函数详解——bwareaopen 功能：用于从对象中移除小对象。

用法：BW2 = bwareaopen(BW,P) BW2 = bwareaopen(BW,P,CONN)

BW2 = bwareaopen(BW,P,CONN)从二值图像中移除所有小于P的连通对象。CONN对应邻域方法，默认为8。 例子：

originalBW = imread('text.png');

imview(originalBW)

bwAreaOpenBW = bwareaopen(originalBW,50);

imview(bwAreaOpenBW)

图像处理函数详解——bwlabel

功能：对连通对象进行标注，bwlabel主要对二维二值图像中各个分离部分进行标注（多维用bwlabeln，用法类似）。

用法：L = bwlabel(BW,n) [L,num] = bwlabel(BW,n)

L = bwlabel(BW,n)表示返回和BW相同大小的数组L。L中包含了连通对象的标注。参数n为4或8，分别对应4邻域和8邻域，默认值为8。 [L,num] = bwlabel(BW,n)返回连通数num。 图像处理函数详解——bwperim 功能：查找二

MATLAB函数处理图像实现膨胀腐蚀

一、实验目的

1、了解二值形态学的基本运算 2、掌握二值图像膨胀、腐蚀的基本方法 3、编程实现膨胀、腐蚀

二、实验要求

1、使用imdilate函数进行图像膨胀，并观察膨胀后图像的变化。 2、使用imerode函数进行图像腐蚀，观察腐蚀后的图像变化情况。

三、实验原理

膨胀：将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。利用它可以填补物体中的空洞。B对X膨胀所产生的二值图像D是满足以下条件的点（x,y）的集合:如果B的原点平移到点（x,y），那么它与X的交集非空。 数学表达式：C?A?B

腐蚀：一种消除边界点，使边界向内部收缩的过程。利用它可以消除小而且无意义的物体。B对X腐蚀所产生的二值图像E是满足以下条件的点（x,y)的集合：如果B的原点平移到点（x,y），那么B将完全包含于X中。数学表达式：

C?A?B

膨胀处理：一种消除边界点，使边界点向内部收缩的过程。

腐蚀处理：将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。

四、实验步骤

1.图像膨胀的Matlab实现：

可以使用imdilate函数进行图像膨胀,imdilate函数需要两个基本输入参数，即待处理的输入图像和结

basler gige相机 怎么使用opencv显示图像

这个是官方的例子，我把头文件，库都配好后，可以运行。

但是它直接调用的是pylon的窗口，现在我想用opencv的窗口来显示他

#include #include

// Namespace for using pylon objects. using namespace Pylon;

// Namespace for using cout. using namespace std;

// Number of images to be grabbed.

static const uint32_t c_countOfImagesToGrab = 100;

int main(int argc, char* argv[])

{

// The exit code of the sample application. int exitCode = 0;

// Automagically call PylonInitialize and Pylon

img_gray=imread('rice.png'); img_erzhi=imread('testpat1.png'); imshow(img_gray)

figure,imshow(img_erzhi) [m n]=size(img_gray); img_gray_fu=zeros(m,n); img_gray_peng=zeros(m,n); img_erzhi_fu=zeros(m,n); img_erzhi_peng=zeros(m,n); for i=2:m-1 for j=2:n-1

img_gray_fu(i,j)=min(min(img_gray(i-1:i+1,j-1:j+1))); img_gray_peng(i,j)=max(max(img_gray(i-1:i+1,j-1:j+1))); end end

figure,imshow(uint8(img_gray_fu)); figure,imshow(uint8(img_gray_peng)); for i=2:m-1 for j=2:n-1

img

1、Imadjust

该函数用于调节灰度图像的亮度或彩色图像的颜色矩阵。

J = imadjust(I)

J = imadjust(I,[low_in; high_in],[low_out; high_out]) J = imadjust(I,[low_in; high_in],[low_out; high_out],gamma)

newmap = imadjust(map,[low_in; high_in],[low_out;high_out],gamma) J = imadjust(I)

将灰度图像 I 中的亮度值映射到 J 中的新值，使得图像中 1% 的数据饱和至最低和最高亮度，这可以增加输出图像 J 的对比度值。此用法相当于 imadjust(I,stretchlim(I))

J = imadjust(I,[low_in; high_in],[low_out; high_out])

将图像I中的亮度值映射到J中的新值，即将low_in至high_in之间的值映射到low_out至high_out之间的值。low_in 以下与 high_in 以上的值被剪切掉了，也就是说，low_in 以下的值映射到 low_out，high_in 以