OpenCV嘗試心得

opencv是一款計算機視覺庫，初次接觸計算機視覺感覺計算機視覺有點東西 -.-，很多的影象處理之間的關係需要我們對影象的知識。

以前沒接觸過影象，自己認為的影象就是螢幕上rgb的畫素點，每個畫素點，是影象的一開始的狀態，但是通過這次培訓明白了影象是rgb三層畫素之間的疊加，取樣頻率和量化之間的概念，在我理解看來也就是rgb的不同顏色之間畫素深度的乙個疊加，其實螢幕上的影象在記憶體中也是以畫素深度數值來進行表示，如圖：

以下內容引自：

影象的頻率是表徵影象中灰度變化劇烈程度的指標，是灰度在平面空間上的梯度。如：大面積的沙漠在影象中是一片灰度變化緩慢的區域，對應的頻率值很低；而對於地表屬性變換劇烈的邊緣區域在影象中是一片灰度變化劇烈的區域，對應的頻率值較高。傅利葉變換在實際中有非常明顯的物理意義，設f是乙個能量有限的模擬訊號，則其傅利葉變換就表示f的頻譜。從純粹的數學意義上看，傅利葉變換是將乙個函式轉換為一系列週期函式來處理的。從物理效果看，傅利葉變換是將影象從空間域轉換到頻率域，其逆變換是將影象從頻率域轉換到空間域。換句話說，傅利葉變換的物理意義是將影象的灰度分布函式變換為影象的頻率分布函式。

傅利葉逆變換是將影象的頻率分布函式變換為灰度分布函式傅利葉變換以前，影象（未壓縮的點陣圖）是由對在連續空間（現實空間）上的取樣得到一系列點的集合，通常用乙個二維矩陣表示空間上各點，記為z=f(x,y)。又因空間是三維的，影象是二維的，因此空間中物體在另乙個維度上的關係就必須由梯度來表示，這樣我們才能通過觀察影象得知物體在三維空間中的對應關係。

傅利葉頻譜圖上我們看到的明暗不一的亮點，其意義是指影象上某一點與鄰域點差異的強弱，即梯度的大小，也即該點的頻率的大小（可以這麼理解，影象中的低頻部分指低梯度的點，高頻部分相反）。一般來講，梯度大則該點的亮度強，否則該點亮度弱。這樣通過觀察傅利葉變換後的頻譜圖，也叫功率圖，我們就可以直觀地看出影象的能量分布：如果頻譜圖中暗的點數更多，那麼實際影象是比較柔和的（因為各點與鄰域差異都不大，梯度相對較小）；反之，如果頻譜圖中亮的點數多，那麼實際影象一定是尖銳的、邊界分明且邊界兩邊畫素差異較大的。

對頻譜移頻到原點以後，可以看出影象的頻率分布是以原點為圓心，對稱分布的。將頻譜移頻到圓心除了可以清晰地看出影象頻率分布以外，還有乙個好處，它可以分離出有週期性規律的干擾訊號，比如正弦干擾。一幅頻譜圖如果帶有正弦干擾，移頻到原點上就可以看出，除了中心以外還存在以另一點為中心、對稱分布的亮點集合，這個集合就是干擾噪音產生的。這時可以很直觀的通過在該位置放置帶阻濾波器消除干擾。

在我個人理解的觀點，傅利葉變換將影象在空間一點的畫素點的變換轉換為頻率關係，從而利用頻率之間的關係來對影象進行處理，個人觀點，如有謬誤，希望大家指正批評。

我們已知的影象是在平面上由數字組成的矩陣，在我個人理解來說

如圖：

這個穿著黑色風衣的帥氣男子，現在假設用乙個矩陣來表示這個影象為：

（excel畫圖不太美觀。。。。）

我們可以假設周圍背景的畫素深度變化比較均勻（這裡用0來進行表示），可見在該矩陣中在邊界處，這張的畫素變化比較大，通過檢測影象的畫素公升降的緩急，（也可以認為是數學中的導數大小）來確定哪幾個點為影象的邊界，從而計算出影象的邊界部分，（當然實際應用中這些演算法很複雜）

個人理解：

影象的銳化：即增強影象中邊界部分，從而凸顯出影象中的物體的邊緣，使影象中的物體更加凸顯。

影象的平滑：即減弱影象中邊界部分，將圖形邊界的變化減小。

如圖將邊界數值增大即為影象的銳化處理，將影象邊界的數值減小即為影象的平滑。

高斯模糊示例：

其實現原理就是對影象進行平滑處理，但是如果高斯模糊的中心點到各個點的權值相同，這顯然是不合理的，在我們的印象中應該是離中心點最近的點與中心點的灰度值大小可以近似，即距離中心點最近的點灰度值的權值更大，所以我們使用正態分佈的分布函式來近似對圖形中心點進行擬合。

計算過程如圖所示：

這種計算會導致外圍一圈（55的卷積模板為橫向缺失四行，縱向缺失四行，77卷積模板橫向丟失六行，縱向丟失6行，以此類推）的影象無法進行卷積操作，需要後續進行優化操作。

實現如下：

#include //#include using namespace std;
using namespace cv;
#define pi 3.1415926
int main(int argc,char ** ar**)
}	double gausssum = 0;
gausssum = sum(model).val[0];
for (int i = 0; i < model.rows; i++)				//驗證正態分佈的模板是否最終和為0；		}
mat dst = mat(src.rows - 4, src.cols - 4, cv_8uc1);
for (int i = 2; i < src.rows - 2; i++)				//此處使用迴圈實現將卷積模板與原影象的灰度值進行卷積運算
}dst.at(i - 2, j - 2) = (uchar)sum;				//將卷積後的值賦值到影象
}	}namedwindow("gaussblur", window_autosize);			//定義輸出視窗
imshow("gaussblur", dst);							//輸出高斯模糊後的影象。
waitkey(0);
return 0;
}

效果如圖（有點不明顯）：

也可使用opencv自帶函式進行高斯模糊操作

#include using namespace std;
using namespace cv;
#define pi 3.1415926
int main(int argc,char ** ar**)

效果如下：

感覺這次處理效果更好。

通過這次實踐，感覺自己對圖形影象的一些知識加深了理解，感覺計算機視覺有點東西-.-，希望以後多接觸這一方面東西，擴充套件自己的視野。

文章寫的不太好，如果有謬誤，希望大家批評指正，謝謝！

OpenCV嘗試心得

嘗試opencv裂縫檢測

opencv心得體會 opencv學習心得第一章

opencv移植dsp心得

OpenCV嘗試心得

嘗試opencv裂縫檢測

opencv心得體會 opencv學習心得第一章

opencv移植dsp心得

相關推薦