了解过之前老版本OpenCV的童鞋们都应该清楚，对于OpenCV1.0时代的基于C语言接口而建的图像存储格式IplImage*，如果在退出前忘记release掉的话，就会照成内存泄露.自从OpenCV踏入2.0时代，用Mat类数据结构作为主打之后，OpenCV变得越发像需要很少编程涵养的Matlab那样，上手超级快。甚至有些函数名称都和matlab一样，比如大家所熟知的imread，imwrite，imshow等函数。
mat类型
cv::Mat类是用于保存图像以及其他矩阵数据的数据结构。默认情况下，其尺寸为0，我们也可以指定初始尺寸,比如，比如定义一个Mat类对象，就要写cv::Mat pic(320,640,cv::Scalar(100));
Mat有多种创建方法，此处省略。
其他常用数据结构
二维点：Point2f
三维点: Point3f
点的表示：Point
颜色的表示：Scalar类
尺寸的表示：Size类
矩形的表示：Rect类
颜色空间转换：cvtColor
基本图形的绘制
画椭圆
void DrawEllipse( Mat img, double angle ) { int thickness = 2; int lineType = 8; ellipse( img, Point( WINDOW_WIDTH/2, WINDOW_WIDTH/2 ), Size( WINDOW_WIDTH/4, WINDOW_WIDTH/16 ), angle, 0, 360, Scalar( 255, 129, 0 ), thickness, lineType ); }
画圆
void DrawFilledCircle( Mat img, Point center ) { int thickness = -1; int lineType = 8; circle( img, center, WINDOW_WIDTH/32, Scalar( 0, 0, 255 ), thickness, lineType ); }
画多边形
void DrawPolygon( Mat img ) { int lineType = 8; //创建一些点 Point rookPoints[1][20]; rookPoints[0][0] = Point( WINDOW_WIDTH/4, 7*WINDOW_WIDTH/8 ); rookPoints[0][1] = Point( 3*WINDOW_WIDTH/4, 7*WINDOW_WIDTH/8 ); rookPoints[0][2] = Point( 3*WINDOW_WIDTH/4, 13*WINDOW_WIDTH/16 ); rookPoints[0][3] = Point( 11*WINDOW_WIDTH/16, 13*WINDOW_WIDTH/16 ); rookPoints[0][4] = Point( 19*WINDOW_WIDTH/32, 3*WINDOW_WIDTH/8 ); rookPoints[0][5] = Point( 3*WINDOW_WIDTH/4, 3*WINDOW_WIDTH/8 ); rookPoints[0][6] = Point( 3*WINDOW_WIDTH/4, WINDOW_WIDTH/8 ); rookPoints[0][7] = Point( 26*WINDOW_WIDTH/40, WINDOW_WIDTH/8 ); rookPoints[0][8] = Point( 26*WINDOW_WIDTH/40, WINDOW_WIDTH/4 ); rookPoints[0][9] = Point( 22*WINDOW_WIDTH/40, WINDOW_WIDTH/4 ); rookPoints[0][10] = Point( 22*WINDOW_WIDTH/40, WINDOW_WIDTH/8 ); rookPoints[0][11] = Point( 18*WINDOW_WIDTH/40, WINDOW_WIDTH/8 ); rookPoints[0][12] = Point( 18*WINDOW_WIDTH/40, WINDOW_WIDTH/4 ); rookPoints[0][13] = Point( 14*WINDOW_WIDTH/40, WINDOW_WIDTH/4 ); rookPoints[0][14] = Point( 14*WINDOW_WIDTH/40, WINDOW_WIDTH/8 ); rookPoints[0][15] = Point( WINDOW_WIDTH/4, WINDOW_WIDTH/8 ); rookPoints[0][16] = Point( WINDOW_WIDTH/4, 3*WINDOW_WIDTH/8 ); rookPoints[0][17] = Point( 13*WINDOW_WIDTH/32, 3*WINDOW_WIDTH/8 ); rookPoints[0][18] = Point( 5*WINDOW_WIDTH/16, 13*WINDOW_WIDTH/16 ); rookPoints[0][19] = Point( WINDOW_WIDTH/4, 13*WINDOW_WIDTH/16 ); const Point* ppt[1] = { rookPoints[0] }; int npt[] = { 20 }; fillPoly( img, ppt, npt, 1, Scalar( 255, 255, 255 ), lineType ); }
画线
void DrawLine( Mat img, Point start, Point end ) { int thickness = 2; int lineType = 8; line( img, start, end, Scalar( 0, 0, 0 ), thickness, lineType ); }
用指针访问像素
void colorReduce(Mat& inputImage, Mat& outputImage, int div) { //参数准备 outputImage = inputImage.clone(); //拷贝实参到临时变量 int rowNumber = outputImage.rows; //行数 int colNumber = outputImage.cols*outputImage.channels(); //列数 x 通道数=每一行元素的个数 //双重循环，遍历所有的像素值 for(int i = 0;i < rowNumber;i++) //行循环 { uchar* data = outputImage.ptr
用动态地址计算配合at访问像素
void colorReduce(Mat& inputImage, Mat& outputImage, int div) { //参数准备 outputImage = inputImage.clone(); //拷贝实参到临时变量 int rowNumber = outputImage.rows; //行数 int colNumber = outputImage.cols; //列数 //存取彩色图像像素 for(int i = 0;i < rowNumber;i++) { for(int j = 0;j < colNumber;j++) { // ------------------------【开始处理每个像素】-------------------- outputImage.at
注意：opencv中的彩色图像不是按rgb顺序排列的，而是bgr。
ROI与图像混合
定义ROI感兴趣区域有两种方法：
//方法一 imageROI=image(Rect(500,250,logo.cols,logo.rows)); //方法二 imageROI=srcImage3(Range(250,250+logoImage.rows),Range(200,200+logoImage.cols));
线性混合
线性混合操作是一种典型的二元（两个输入）的像素操作，它的理论公式是这样的：
我们通过在范围0到1之间改变alpha值，来对两幅图像（f0（x）和f1（x））或两段视频（同样为（f0（x）和f1（x））产生时间上的画面叠化（cross-dissolve）效果，就像幻灯片放映和电影制作中的那样。即在幻灯片翻页时设置的前后页缓慢过渡叠加效果，以及电影情节过渡时经常出现的画面叠加效果。 实现方面，我们主要运用了OpenCV中addWeighted函数.
bool LinearBlending() { //【0】定义一些局部变量 double alphaValue = 0.5; double betaValue; Mat srcImage2, srcImage3, dstImage; // 【1】读取图像 ( 两幅图片需为同样的类型和尺寸 ) srcImage2 = imread(“mogu.jpg”); srcImage3 = imread(“rain.jpg”); if( !srcImage2.data ) { printf(“读取srcImage2错误！
“); return false; } if( !srcImage3.data ) { printf(“读取srcImage3错误！
“); return false; } // 【2】进行图像混合加权操作 betaValue = ( 1.0 – alphaValue ); addWeighted( srcImage2, alphaValue, srcImage3, betaValue, 0.0, dstImage); // 【3】显示原图窗口 imshow( “<2>线性混合示例窗口【原图】”, srcImage2 ); imshow( “<3>线性混合示例窗口【效果图】”, dstImage ); return true; }
分离颜色通道，多通道颜色混合
通道分离split函数
//【2】将一个三通道图像转换成三个单通道图像 split(srcImage,channels);//分离色彩通道 //【3】将原图的红色通道引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变 imageRedChannel= channels.at(2);
通道合并，merge函数
merge是split的逆向操作，是把多个通道合并
//【5】将三个单通道重新合并成一个三通道 merge(channels,srcImage);
图像对比度、亮度值调整
static void ContrastAndBright(int, void *) { // 创建窗口 namedWindow(“【原始图窗口】”, 1); // 三个for循环，执行运算 g_dstImage(i,j) = a*g_srcImage(i,j) + b for( int y = 0; y < g_srcImage.rows; y++ ) { for( int x = 0; x < g_srcImage.cols; x++ ) { for( int c = 0; c < 3; c++ ) { g_dstImage.at
离散傅立叶变换
dft函数用于对一维或二维浮点数组进行正向或反向傅立叶变换。
getOptimalDFTSize返回dft最优尺寸
copyMakeBorder扩充图片边界
magnitude计算二维矢量的幅值
normalize矩阵归一化
主要步骤如下
【1】以灰度模式读取原始图像并显示
2】将输入图像延扩到最佳的尺寸，边界用0补充
3】为傅立叶变换的结果(实部和虚部)分配存储空间
4】进行就地离散傅里叶变换
【5】将复数转换为幅值，即=> log(1 + sqrt(Re(DFT(I))^2 + Im(DFT(I))^2))
6】进行对数尺度(logarithmic scale)缩放
【7】剪切和重分布幅度图象限
【8】归一化，用0到1之间的浮点值将矩阵变换为可视的图像格式
【9】显示效果图
int main( ) { //【1】以灰度模式读取原始图像并显示 Mat srcImage = imread(“1.jpg”, 0); if(!srcImage.data ) { printf(“读取图片错误，请确定目录下是否有imread函数指定图片存在~！
“); return false; } imshow(“原始图像” , srcImage); ShowHelpText(); //【2】将输入图像延扩到最佳的尺寸，边界用0补充 int m = getOptimalDFTSize( srcImage.rows ); int n = getOptimalDFTSize( srcImage.cols ); //将添加的像素初始化为0. Mat padded; copyMakeBorder(srcImage, padded, 0, m – srcImage.rows, 0, n – srcImage.cols, BORDER_CONSTANT, Scalar::all(0)); //【3】为傅立叶变换的结果(实部和虚部)分配存储空间。 //将planes数组组合合并成一个多通道的数组complexI Mat planes[] = {Mat_
傅立叶变换结果
输入输出xml与yaml文件
一般步骤如下：
1.实例化FileStorage类对象，完成初始化。
2.使用流操作符《写入，》读取。
3.析构FileStorage对象，同时关闭文件。
XML和YAML文件的写入
int main( ) { //改变console字体颜色 system(“color 5F”); ShowHelpText(); //初始化 FileStorage fs(“test.yaml”, FileStorage::WRITE); //开始文件写入 fs << "frameCount" << 5; time_t rawtime; time(&rawtime); fs << "calibrationDate" << asctime(localtime(&rawtime)); Mat cameraMatrix = (Mat_
