opencv10 教程 《OpenCV 实例精解》学习笔记

管理依赖关系

脚本复杂化

图像和矩阵

OpenCV用 Mat 类来实现，访问像素：value = Row_i * num_cols * num_channels + Col_j * num_channels + Channel_k

读写图像

、 、

读取视频和

VideoCapture 、imshow、

其它基本对象类型

Vec 、 Point _、 Scalar 、 、 Size 、 Rect 、 Rotated Rect 、 Map

矩阵的基本运算

与标量乘法：*

每个元素乘法：

矩阵乘法：*

基本数据的持久性和存储

FileStorage

OpenCV的用户界面

基于本地用户界面的基本界面和基于QT库且略微高级的跨平台用户界面

使用OpenCV实现基本的用户界面

、、 、 、 、 、

QT的图形用户界面

三个主要区域：工具栏、图像区域、状态栏

displayOverlay、displayStatusBar

在界面上添加滑动条和鼠标事件

滑动条的回调函数、鼠标的回调函数、 、

在用户界面上添加按钮（仅适用于QT窗口）

QT_CHECKBOX、QT_RADIOBOX、QT_PUSH_BUTTON

：输入图像、输出图像、色彩空间转换类型

支持OpenGL

OpenGL是一个以显卡为标准的图形库，允许绘制从二维到复杂三维的场景

生成CMake脚本文件

创建图形用户界面

CommandLineParser 、imread、namedWindow、imshow、

绘制直方图

、、 、 、

图像的色彩均衡化

图像均衡化和直方图均衡化尝试获取一个值均匀分布的直方图

cvColor、split、 、merge、imshow

LOMO效果

、 、 、Mat.convertTo、

卡通效果

边缘检测和色彩滤波

、 、 、 、 、

隔离场景中的目标

预处理（去噪、去除光亮、二值化），分割（轮廓提取、连通分量提取）

创建AOI应用程序

输入图像的预处理

去除噪声

中值滤波通常用于去除椒盐噪声

使用光纹删除背景来分割

阈值操作

threshold

分割输入图像

用于分割阈值图像的两种技术：连通区域、findContours函数

连通区域算法

、 、Mat::zeros、Mat.setTo、

算法

介绍机器学习的概念

机器学习包含了模式识别和人工智能的学习理论，并且和计算机统计学相关

根据机器学习算法如何从数据或样本中学习，可以将其分为：监督学习、无监督学习、强化学习等

根据所需的结果，可以分为：分类算法、回归算法、聚类算法、密度估计算法

OpenCV实现了8种机器学习算法，都集成自 StatModel 类：

人工神经网络

提升算法（boosting）

随机树

最大期望

K近邻

logistic回归分析

一般的贝叶斯分类器

支持向量机

StatModel是需要通过它的每个具体实现来实现的接口，它的两个关键函数是 和

计算机视觉和机器学习的工作流程

预处理（去除光亮条件和噪声、阈值、模糊等）-分割-特征提取-机器学习分类-后期处理

自动检测目标分类的示例

预处理、分割图像

对图像中的每个物体提取特征、将带标签的物体添加到训练特征向量中

创建SVM模型

通过训练特征向量训练我们的SVM模型

对预处理输入图像进行分类

分割输入图像

对检测到的每个物体提取特征、预测SVM模型、在输出图像中绘制结果

特征提取

Mat.clone、 RNG 、Mat::zeros、findContours、drawContours、sum、 、

训练 SVM 模型

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-65349-1.html