图像管理方案计划opencv代码
opencv+c++用协方差函数匹配影像代码

opencv+c++用协方差函数匹配影像代码在OpenCV中,可以使用calcCovarMatrix函数来计算两个影像之间的协方差矩阵。
协方差矩阵是描述两个变量之间关系的一种统计量,可以用于影像匹配和特征匹配等应用。
下面是一个示例代码,展示了如何使用协方差函数来匹配影像:```c++#include <opencv2/opencv.hpp>using namespace cv;int main(){// 读取两张影像Mat image1 = imread('image1.jpg', IMREAD_GRAYSCALE);Mat image2 = imread('image2.jpg', IMREAD_GRAYSCALE);// 确保两张影像大小一致resize(image1, image1, image2.size());// 将影像转换为一维向量Mat image1_vector = image1.reshape(1, image1.rows * image1.cols);Mat image2_vector = image2.reshape(1, image2.rows * image2.cols);// 计算协方差矩阵Mat covar, mean;calcCovarMatrix(image1_vector, covar, mean,CV_COVAR_NORMAL | CV_COVAR_ROWS);// 将协方差矩阵归一化normalize(covar, covar, 0, 255, NORM_MINMAX, CV_8U);// 在第二张影像上绘制匹配结果Mat matched_image;matchTemplate(image2, covar, matched_image,TM_CCOEFF_NORMED);// 找到匹配结果的最大值和位置double min_val, max_val;Point min_loc, max_loc;minMaxLoc(matched_image, &min_val, &max_val, &min_loc,&max_loc);// 在第二张影像上绘制匹配结果的矩形框rectangle(image2, max_loc, Point(max_loc.x + covar.cols, max_loc.y + covar.rows), Scalar(255, 255, 255), 2);// 显示结果影像namedWindow('Matched Image', WINDOW_NORMAL);imshow('Matched Image', image2);waitKey(0);return 0;}```在上述代码中,首先我们读取了两张影像,并将它们转换为一维向量,然后使用calcCovarMatrix函数计算了第一张影像的协方差矩阵。
双目视觉 opencv 代码

双目视觉 opencv 代码双目视觉是指利用两个摄像头来获取场景的深度信息。
在OpenCV中,可以使用双目视觉进行立体视觉的处理。
下面我将从多个角度介绍如何使用OpenCV来实现双目视觉的代码。
1. 初始化摄像头:首先,你需要初始化两个摄像头,可以使用OpenCV的VideoCapture类来实现。
你可以通过以下代码来初始化两个摄像头:cv::VideoCapture cap1(0); // 打开第一个摄像头。
cv::VideoCapture cap2(1); // 打开第二个摄像头。
2. 获取图像:接下来,你需要从两个摄像头中获取图像。
你可以使用以下代码来获取图像:cv::Mat frame1, frame2;cap1 >> frame1; // 从第一个摄像头获取图像。
cap2 >> frame2; // 从第二个摄像头获取图像。
3. 立体校正:在进行立体视觉处理之前,通常需要进行立体校正,以确保两个摄像头的图像对齐。
你可以使用OpenCV中的stereoRectify和initUndistortRectifyMap函数来实现立体校正。
4. 视差计算:一旦完成立体校正,你可以使用OpenCV中的StereoBM或StereoSGBM类来计算图像的视差。
这些类实现了不同的立体匹配算法,可以帮助你计算出图像中不同像素的视差值。
5. 三维重构:最后,你可以使用视差图和立体校正参数来进行三维重构,从而获取场景的深度信息。
你可以使用reprojectImageTo3D函数来实现三维重构。
以上是使用OpenCV实现双目视觉的基本步骤和代码示例。
当然,双目视觉涉及到的内容非常广泛,包括摄像头标定、深度图像的可视化等等,还有很多细节需要考虑。
希望以上内容能够帮助你入门双目视觉的代码实现。
opencv双目视觉三维重建代码

一、概述双目视觉是一种通过两个摄像头拍摄同一场景来获取深度信息的技术,它在计算机视觉领域有着广泛的应用。
在双目视觉中,图像识别、匹配和三维重建是其中的关键环节。
OpenCV是一个开源的计算机视觉库,提供了丰富的图像处理和计算机视觉算法。
本文将介绍使用OpenCV实现双目视觉三维重建的代码,帮助读者快速上手这一技术。
二、环境准备在开始编写双目视觉三维重建代码之前,我们需要准备好相应的开发环境。
首先确保已经安装了OpenCV库,可以通过冠方全球信息站或者包管理工具进行安装。
需要准备两个摄像头,保证两个摄像头的焦距、畸变参数等校准信息。
确保安装了C++或者Python的开发环境,以便编写和运行代码。
三、双目视觉图像获取1. 初始化摄像头在代码中需要初始化两个相机,并设置相应的参数,例如分辨率、曝光时间、白平衡等。
可以使用OpenCV提供的方法来实现这一步骤。
2. 同步获取图像由于双目视觉需要同时获取两个摄像头的图像,所以我们需要确保两个摄像头的图像获取是同步的。
可以通过多线程或者硬件同步的方式来实现图像的同步获取。
四、双目视觉图像预处理1. 图像校准由于摄像头的畸变等因素会影响后续的视图匹配和三维重建结果,因此需要对图像进行校准。
可以使用OpenCV提供的摄像头校准工具来获取相机的内参和外参,通过这些参数对图像进行去畸变处理。
2. 图像匹配在获取到双目图像之后,需要对这两个图像进行特征提取和匹配。
可以使用SIFT、SURF等特征提取算法来提取图像的关键点,并使用特征匹配算法(例如FLANN或者暴力匹配)来进行图像匹配。
五、立体匹配1. 视差计算在进行图像匹配之后,我们可以通过计算视差来获取场景中不同物体的深度信息。
OpenCV提供了多种视差计算算法,例如BM、SGBM 等,可以根据实际情况选择适合的算法。
2. 深度图生成通过视差计算得到的视差图可以进一步转换为深度图,从而得到场景中每个像素点的深度信息。
c++的opencv使用方法总结

C++的OpenCV使用方法总结在计算机视觉和图像处理领域,OpenCV是一个非常强大的开源库,它提供了丰富的功能和工具,用于处理图像和视频。
作为C++程序员,了解并熟练使用OpenCV库是非常重要的。
本文将对C++中使用OpenCV的方法进行总结,并探讨一些常见的应用和技巧。
一、安装和配置OpenCV在开始使用OpenCV之前,首先需要安装和配置这个库。
在Windows评台上,可以通过下载预编译的二进制文件进行安装;在Linux评台上,可以通过包管理器进行安装。
安装完毕后,还需进行一些环境配置,确保编译器能够正确信息OpenCV库文件。
二、基本图像处理1. 读取和显示图像在C++中使用OpenCV读取和显示图像非常简单,只需几行代码即可完成。
首先需要使用imread函数读取图像文件,然后使用imshow 函数显示图像。
在进行图像显示后,需要使用waitKey函数等待用户按下某个键,以便关闭显示窗口。
2. 图像的基本操作OpenCV提供了丰富的图像处理函数,包括图像缩放、旋转、平移、通道拆分与合并等。
这些函数可以帮助我们对图像进行各种基本操作,从而满足不同的需求。
三、特征提取与描述1. Harris角点检测Harris角点检测是一种经典的特征点检测方法,它可以用来识别图像中的角点。
在OpenCV中,我们可以使用cornerHarris函数来实现Harris角点检测,然后对检测结果进行筛选和标记。
2. SIFT特征提取SIFT是一种广泛应用的特征提取算法,它具有旋转不变性和尺度不变性。
在OpenCV中,我们可以使用SIFT算法来提取图像的关键点和特征描述子,从而实现图像匹配和目标识别等功能。
四、图像分类与识别1. 使用支持向量机(SVM)进行图像分类OpenCV提供了对机器学习算法的支持,包括SVM分类器。
我们可以使用SVM对图像进行分类,从而实现图像识别和目标检测等功能。
2. 使用深度学习模型进行图像识别近年来,深度学习在图像识别领域取得了显著的成就。
如何在C++中进行图像和视频的处理和分析

如何在C++中进行图像和视频的处理和分析在C++中,我们可以使用一些库和工具来进行图像和视频的处理和分析。
下面将介绍几种常用的方法。
1.使用OpenCV库:OpenCV是一个开源的计算机视觉库,提供了许多函数和方法,可以用于图像和视频的处理和分析。
我们可以使用这个库来读取图像和视频、处理图像和视频、分析图像和视频等操作。
我们可以通过以下步骤在C++中使用OpenCV进行图像处理:-安装OpenCV库:可以从OpenCV官方网站下载OpenCV库,并按照官方文档进行安装。
-导入OpenCV库:在C++代码中添加`#include<opencv2/opencv.hpp>`来导入OpenCV库。
-读取图像和视频:使用OpenCV提供的函数如`imread()`和`VideoCapture`来读取图像和视频。
-图像处理:使用OpenCV提供的函数如`resize()`、`cvtColor()`、`filter2D()`等来进行图像处理操作,如调整大小、颜色转换、滤波等。
-分析图像和视频:使用OpenCV提供的函数如`findContours()`、`HoughLines()`、`opticalFlowFarneback()`等进行图像和视频分析操作,如轮廓检测、直线检测、光流分析等。
-显示图像和视频:使用OpenCV提供的函数如`imshow()`和`VideoWriter`来显示处理后的图像和视频。
2.使用FFmpeg库:FFmpeg是一个开源的音视频处理库,可以用于图像和视频的处理和分析。
它提供了许多函数和方法,可以用来读取、处理和编码图像和视频。
我们可以使用FFmpeg库来读取图像和视频、处理图像和视频、编码图像和视频等操作。
在C++中使用FFmpeg库需要以下步骤:-安装FFmpeg库:从FFmpeg官方网站下载FFmpeg库,并按照官方文档进行安装。
-导入FFmpeg库:在C++代码中添加`#include<libavcodec/avcodec.h>`来导入FFmpeg库。
opencv 4计算机视觉应用程序编程手册

opencv 4计算机视觉应用程序编程手册OpenCV 4计算机视觉应用程序编程手册一、OpenCV 4简介与安装OpenCV(Open Source Computer Vision Library)是一款开源的计算机视觉库,广泛应用于图像处理、视频分析、特征提取、目标检测等领域。
OpenCV 4在性能和功能上均有显著提升,支持Python、C++等多种编程语言。
本手册将带领读者了解OpenCV 4的基本概念,并在各种平台上安装使用。
二、计算机视觉基础概念与原理计算机视觉是一门研究如何让计算机从图像或视频中获取有意义信息的科学。
其主要任务包括图像处理、特征提取、目标检测、目标跟踪等。
在本章节中,我们将学习计算机视觉的基本概念和原理,为后续的实际项目打下基础。
三、图像处理与分析图像处理是计算机视觉的核心任务之一,主要包括图像读取、显示、存储、滤波、边缘检测等操作。
在本章节中,我们将学习OpenCV 4中常用的图像处理函数,并了解其应用场景。
四、特征提取与匹配特征提取是计算机视觉中关键的一环,旨在从图像中提取具有代表性的特征点。
常见的特征提取算法有SIFT、SURF、ORB等。
特征匹配则是寻找两幅图像中对应的特征点,常用的方法有暴力匹配、FLANN等。
在本章节中,我们将学习这些算法的原理及使用方法。
五、目标检测与跟踪目标检测是在图像或视频中查找特定目标的过程,常用的算法有R-CNN、Fast R-CNN、Faster R-CNN、SSD、YOLO等。
目标跟踪则是跟踪目标在连续帧中的位置,常用的方法有TLD、KCF等。
在本章节中,我们将学习这些目标检测与跟踪算法的原理及实现。
六、3D建模与增强现实3D建模是将二维图像转换为三维模型的一种技术,常用的工具有Open3D、Maya等。
增强现实则是将虚拟物体叠加到真实场景中,常用的框架有ARCore、ARKit等。
在本章节中,我们将学习3D建模与增强现实的基本原理及应用。
opencv所有函数汇总

opencv所有函数汇总OpenCV是一个开放源代码的计算机视觉和机器学习软件库。
它拥有多种函数和方法,可用于处理图像和视频、目标检测、特征提取、图像分割、图像配准、机器学习等多个领域。
以下是一些常用的OpenCV函数的汇总:1. cv2.imread该函数读取图像文件,并返回一个NumPy数组,该数组表示图像的像素值。
2. cv2.imshow用于在窗口中显示图像。
3. cv2.imwrite将图像保存到指定的文件路径。
4. cv2.cvtColor用于将图像从一个颜色空间转换为另一个颜色空间。
5. cv2.resize可用于调整图像的大小。
6. cv2.flip用于翻转图像。
7. cv2.rectangle绘制矩形框。
8. cv2.circle绘制圆形。
9. cv2.line绘制线条。
10. cv2.putText在图像上绘制文本。
11. cv2.threshold将图像分割为黑白两个阈值。
12. cv2.adaptiveThreshold根据图像不同区域的光照条件对图像进行阈值处理。
13. cv2.medianBlur对图像进行中值滤波。
14. cv2.GaussianBlur对图像进行高斯模糊。
15. cv2.bilateralFilter对图像进行双边滤波。
16. cv2.contourArea计算轮廓的面积。
17. cv2.findContours找到图像中的轮廓。
18. cv2.drawContours在图像上绘制轮廓。
19. cv2.matchTemplate在图像中查找指定模板的匹配项。
20. cv2.HoughCircles在图像中检测圆。
21. cv2.HoughLines在图像中检测直线。
22. cv2.goodFeaturesToTrack在图像中寻找角点。
23. cv2.findHomography计算两个图像之间的单应性矩阵。
24. cv2.warpPerspective将图像进行透视变换。
数字图像处理课程设计opencv

数字图像处理课程设计opencv一、教学目标本课程的教学目标是使学生掌握数字图像处理的基本理论、方法和OpenCV编程技能。
通过本课程的学习,学生应能理解数字图像处理的基本概念,掌握常用的图像处理算法,并能够运用OpenCV库进行实际的图像处理操作。
具体来说,知识目标包括:1.理解数字图像处理的基本概念和原理。
2.掌握数字图像处理的基本算法和常用技术。
3.熟悉OpenCV库的基本结构和功能。
技能目标包括:1.能够运用OpenCV库进行数字图像处理的基本操作。
2.能够编写简单的数字图像处理程序。
3.能够分析和解决数字图像处理实际问题。
情感态度价值观目标包括:1.培养对数字图像处理的兴趣和热情。
2.培养学生的创新意识和实践能力。
3.培养学生的团队合作精神和沟通交流能力。
二、教学内容本课程的教学内容主要包括数字图像处理的基本理论、方法和OpenCV编程实践。
教学大纲如下:1.数字图像处理概述1.1 数字图像处理的基本概念1.2 数字图像处理的应用领域2.图像处理基本算法2.1 图像滤波2.2 图像增强2.3 图像边缘检测3.OpenCV库的使用3.1 OpenCV库的基本结构3.2 OpenCV库的基本功能4.图像处理实例分析4.1 图像去噪实例4.2 图像增强实例4.3 图像边缘检测实例三、教学方法本课程采用多种教学方法相结合的方式,包括讲授法、讨论法、案例分析法和实验法等。
1.讲授法:通过教师的讲解,使学生掌握数字图像处理的基本理论和方法。
2.讨论法:通过小组讨论,激发学生的思考,培养学生的创新意识和实践能力。
3.案例分析法:通过分析实际案例,使学生能够将理论知识应用于实际问题。
4.实验法:通过实验操作,使学生掌握OpenCV库的基本功能,并能够编写实际的图像处理程序。
四、教学资源本课程的教学资源包括教材、参考书、多媒体资料和实验设备等。
1.教材:选用《数字图像处理》(李航著)作为主要教材,辅助以相关参考书籍。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
/.#include "stdafx.h"#include "mymfc.h"#include "mymfcDlg.h"#include "afxdialogex.h"#include <opencv2/opencv.hpp>#ifdef _DEBUG#define new DEBUG_NEW#endif// 用于应用程序“关于”菜单项的CAboutDlg 对话框class CAboutDlg : public CDialogEx{public:CAboutDlg();// 对话框数据enum { IDD = IDD_ABOUTBOX };protected:virtual void DoDataExchange(CDataExchange* pDX); // DDX/DDV 支持// 实现protected:DECLARE_MESSAGE_MAP()};CAboutDlg::CAboutDlg() : CDialogEx(CAboutDlg::IDD){}void CAboutDlg::DoDataExchange(CDataExchange* pDX){CDialogEx::DoDataExchange(pDX);}BEGIN_MESSAGE_MAP(CAboutDlg, CDialogEx)END_MESSAGE_MAP()// CmymfcDlg 对话框CmymfcDlg::CmymfcDlg(CWnd* pParent /*=NULL*/): CDialogEx(CmymfcDlg::IDD, pParent), TheImage(NULL), rePath(_T("")){m_hIcon = AfxGetApp()->LoadIcon(IDR_MAINFRAME);}void CmymfcDlg::DoDataExchange(CDataExchange* pDX){CDialogEx::DoDataExchange(pDX);}BEGIN_MESSAGE_MAP(CmymfcDlg, CDialogEx)ON_WM_SYSCOMMAND()ON_WM_PAINT()ON_WM_QUERYDRAGICON()ON_BN_CLICKED(IDC_ReadImg, &CmymfcDlg::OnBnClickedReadimg)ON_BN_CLICKED(IDC_EdgeDetect, &CmymfcDlg::OnBnClickedEdgedetect) ON_BN_CLICKED(IDC_Refresh, &CmymfcDlg::OnBnClickedRefresh)ON_BN_CLICKED(IDC_GrayProcess, &CmymfcDlg::OnBnClickedGrayprocess) ON_BN_CLICKED(IDC_Sobel, &CmymfcDlg::OnBnClickedSobel)ON_BN_CLICKED(IDC_Laplace, &CmymfcDlg::OnBnClickedLaplace)ON_BN_CLICKED(IDC_FFT2, &CmymfcDlg::OnBnClickedFft2)ON_BN_CLICKED(IDC_CImage, &CmymfcDlg::OnBnClickedCimage)ON_BN_CLICKED(IDC_Mirror, &CmymfcDlg::OnBnClickedMirror)ON_BN_CLICKED(IDC_CColor, &CmymfcDlg::OnBnClickedCcolor)ON_BN_CLICKED(IDC_MedianBlur, &CmymfcDlg::OnBnClickedMedianblur) ON_BN_CLICKED(IDC_Gaussian, &CmymfcDlg::OnBnClickedGaussian)ON_BN_CLICKED(IDC_BothSide, &CmymfcDlg::OnBnClickedBothside)ON_BN_CLICKED(IDC_Equally, &CmymfcDlg::OnBnClickedEqually)ON_BN_CLICKED(IDC_Corrosion, &CmymfcDlg::OnBnClickedCorrosion)ON_BN_CLICKED(IDC_Dilate, &CmymfcDlg::OnBnClickedDilate)END_MESSAGE_MAP()// CmymfcDlg 消息处理程序BOOL CmymfcDlg::OnInitDialog(){CDialogEx::OnInitDialog();// 将“关于...”菜单项添加到系统菜单中。
CvSize ImgSize;ImgSize.height = IMAGE_HEIGHT;ImgSize.width = IMAGE_WIDTH;TheImage = cvCreateImage( ImgSize, IPL_DEPTH_8U, IMAGE_CHANNELS );// IDM_ABOUTBOX 必须在系统命令范围内。
ASSERT((IDM_ABOUTBOX & 0xFFF0) == IDM_ABOUTBOX);ASSERT(IDM_ABOUTBOX < 0xF000);CMenu* pSysMenu = GetSystemMenu(FALSE);if (pSysMenu != NULL){BOOL bNameValid;CString strAboutMenu;bNameValid = strAboutMenu.LoadString(IDS_ABOUTBOX);ASSERT(bNameValid);if (!strAboutMenu.IsEmpty()){pSysMenu->AppendMenu(MF_SEPARATOR);pSysMenu->AppendMenu(MF_STRING, IDM_ABOUTBOX, strAboutMenu);}}// 设置此对话框的图标。
当应用程序主窗口不是对话框时,框架将自动// 执行此操作SetIcon(m_hIcon, TRUE); // 设置大图标SetIcon(m_hIcon, FALSE); // 设置小图标// TODO: 在此添加额外的初始化代码return TRUE; // 除非将焦点设置到控件,否则返回TRUE}void CmymfcDlg::OnSysCommand(UINT nID, LPARAM lParam){if ((nID & 0xFFF0) == IDM_ABOUTBOX){CAboutDlg dlgAbout;dlgAbout.DoModal();}else{CDialogEx::OnSysCommand(nID, lParam);}}// 如果向对话框添加最小化按钮,则需要下面的代码// 来绘制该图标。
对于使用文档/视图模型的MFC 应用程序,// 这将由框架自动完成。
void CmymfcDlg::OnPaint(){if (IsIconic()){CPaintDC dc(this); // 用于绘制的设备上下文SendMessage(WM_ICONERASEBKGND, reinterpret_cast<WPARAM>(dc.GetSafeHdc()), 0);// 使图标在工作区矩形中居中int cxIcon = GetSystemMetrics(SM_CXICON);int cyIcon = GetSystemMetrics(SM_CYICON);CRect rect;GetClientRect(&rect);int x = (rect.Width() - cxIcon + 1) / 2;int y = (rect.Height() - cyIcon + 1) / 2;// 绘制图标dc.DrawIcon(x, y, m_hIcon);}else{CDialogEx::OnPaint();CDialog::OnPaint();// 重绘对话框CDialog::UpdateWindow();// 更新windows窗口,如果无这步调用,图片显示还会出现问题//ShowImage( TheImage, IDC_ShowImg );// 重绘图片函数}}//当用户拖动最小化窗口时系统调用此函数取得光标//显示。
HCURSOR CmymfcDlg::OnQueryDragIcon(){return static_cast<HCURSOR>(m_hIcon);}void CmymfcDlg::OnBnClickedReadimg() //读取图片操作{// TODO: 在此添加控件通知处理程序代码// 这里用CFileDialog来选择图片CFileDialog dlg(TRUE, _T("*.bmp"), NULL,OFN_FILEMUSTEXIST | OFN_PATHMUSTEXIST | OFN_HIDEREADONLY,_T("All Files (*.*) |*.*|image files (*.bmp; *.jpg)|*.bmp; *.jpg ||"), NULL);// 打开文件对话框的标题名dlg.m_ofn.lpstrTitle = _T("Open Image");// 判断是否获得图片if( dlg.DoModal() != IDOK )return;// 获取图片路径CString mPath = dlg.GetPathName();rePath = mPath;// 读取图片IplImage* ipl = cvLoadImage( mPath, 1 );// 判断是否成功读取图片if( !ipl )return;if( TheImage )cvZero( TheImage );ResizeImage( ipl );ShowImage( TheImage,IDC_ShowImg);cvReleaseImage( &ipl );}void CmymfcDlg::ShowImage(IplImage* img, UINT ID) // ID 是Picture Control控件的ID号{// 获得显示控件的DCCDC* pDC = GetDlgItem( ID ) ->GetDC();// 获取HDC(设备句柄) 来进行绘图操作HDC hDC = pDC ->GetSafeHdc();CRect rect;GetDlgItem(ID) ->GetClientRect( &rect );// 求出图片控件的宽和高int rw = rect.right - rect.left;int rh = rect.bottom - rect.top;// 读取图片的宽和高int iw = img->width;int ih = img->height;// 使图片的显示位置正好在控件的正中int tx = (int)(rw - iw)/2;int ty = (int)(rh - ih)/2;SetRect( rect, tx, ty, tx+iw, ty+ih );// 复制图片CvvImage cimg;cimg.CopyOf( img );// 将图片绘制到显示控件的指定区域内cimg.DrawToHDC( hDC, &rect );ReleaseDC( pDC );}void CmymfcDlg::ResizeImage(IplImage* img){// 读取图片的宽和高int w = img->width;int h = img->height;// 找出宽和高中的较大值者int max = (w > h)? w: h;// 计算将图片缩放到TheImage区域所需的比例float scale = (float) ( (float) max / 256.0f );// 缩放后图片的宽和高int nw = (int)( w/scale );int nh = (int)( h/scale );// 为了将缩放后的图片存入TheImage 的正中部位,需计算图片在TheImage 左上角的期望坐标值int tlx = (nw > nh)? 0: (int)(256-nw)/2;int tly = (nw > nh)? (int)(256-nh)/2: 0;// 设置TheImage 的ROI 区域,用来存入图片imgcvSetImageROI( TheImage, cvRect( tlx, tly, nw, nh) );// 对图片img 进行缩放,并存入到TheImage 中cvResize( img, TheImage );// 重置TheImage 的ROI 准备读入下一幅图片cvResetImageROI( TheImage );}void CmymfcDlg::OnBnClickedEdgedetect() //Canny算法的边缘检测{// TODO: 在此添加控件通知处理程序代码IplImage *gray = 0, *edge = 0;gray = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );edge = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );cvCvtColor( TheImage, gray, CV_BGR2GRAY );cvCanny( gray, edge, 30, 100, 3 );ShowImage( edge, IDC_ShowImg ); // 调用显示图片函数cvReleaseImage( &gray );cvReleaseImage( &edge );}void CmymfcDlg::OnBnClickedRefresh() //恢复图片{// TODO: 在此添加控件通知处理程序代码//将读入的图片路径传给mPathCString mPath = rePath;// 读取图片、缓存到一个局部变量ipl 中IplImage* ipl = cvLoadImage( mPath, 1 );// 判断是否成功读取图片if( !ipl )return;// 对上一幅显示的图片数据清零if( TheImage )cvZero( TheImage );// 对读入的图片进行缩放,使其宽或高最大值者刚好等于256,再复制到TheImage 中ResizeImage( ipl );// 调用显示图片函数ShowImage( TheImage,IDC_ShowImg);}void CmymfcDlg::OnBnClickedGrayprocess() //灰度图像的转化{// TODO: 在此添加控件通知处理程序代码IplImage *gray = 0;gray = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );cvCvtColor( TheImage, gray, CV_RGB2GRAY );ShowImage( gray, IDC_ShowImg );//释放图片的内存空间cvReleaseImage( &gray );}void CmymfcDlg::OnBnClickedSobel() //用cvSobel函数的边缘检测{// TODO: 在此添加控件通知处理程序代码IplImage *gray = 0, *edge = 0;gray = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );edge = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );cvCvtColor( TheImage, gray, CV_BGR2GRAY );cvSobel( gray, edge, 1, 0, 3 );ShowImage( edge, IDC_ShowImg ); // 调用显示图片函数cvReleaseImage( &gray );cvReleaseImage( &edge );}void CmymfcDlg::OnBnClickedLaplace() //用cvLaplace函数实现图像的拉普拉斯变换{// TODO: 在此添加控件通知处理程序代码IplImage *gray = 0, *edge = 0;gray = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );edge = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );cvCvtColor( TheImage, gray, CV_BGR2GRAY );cvLaplace( gray, edge, 3 );ShowImage( edge, IDC_ShowImg ); // 调用显示图片函数cvReleaseImage( &gray );cvReleaseImage( &edge );}void CmymfcDlg::fft2(IplImage* src, IplImage* des) //傅里叶正变换方法{//实部、虚部IplImage *image_Re = 0, *image_Im = 0, *Fourier = 0;// int i, j;image_Re = cvCreateImage(cvGetSize(src), IPL_DEPTH_64F, 1); //实部//Imaginary partimage_Im = cvCreateImage(cvGetSize(src), IPL_DEPTH_64F, 1); //虚部//2 channels (image_Re, image_Im)Fourier = cvCreateImage(cvGetSize(src), IPL_DEPTH_64F, 2);// Real part conversion from u8 to 64f (double)cvConvertScale(src, image_Re, 1, 0);// Imaginary part (zeros)cvZero(image_Im);// Join real and imaginary parts and stock them in Fourier imagecvMerge(image_Re, image_Im, 0, 0, Fourier);// Application of the forward Fourier transformcvDFT(Fourier, des, CV_DXT_FORWARD);cvReleaseImage(&image_Re);cvReleaseImage(&image_Im);cvReleaseImage(&Fourier);}void CmymfcDlg::OnBnClickedFft2(){// TODO: 在此添加控件通知处理程序代码IplImage *src; //源图像IplImage *Fourier; //傅里叶系数IplImage *dst ;IplImage *ImageRe;IplImage *ImageIm;IplImage *Image;IplImage *ImageDst;double m,M;double scale;double shift;src = cvLoadImage(rePath,0); //加载源图像,第二个参数表示将输入的图片转为单信道Fourier = cvCreateImage(cvGetSize(src),IPL_DEPTH_64F,2);dst = cvCreateImage(cvGetSize(src),IPL_DEPTH_64F,2);ImageRe = cvCreateImage(cvGetSize(src),IPL_DEPTH_64F,1);ImageIm = cvCreateImage(cvGetSize(src),IPL_DEPTH_64F,1);Image = cvCreateImage(cvGetSize(src),src->depth,src->nChannels);ImageDst = cvCreateImage(cvGetSize(src),src->depth,src->nChannels);fft2(src,Fourier); //傅里叶变换fft2shift(Fourier, Image); //中心化//cvDFT(Fourier,dst,CV_DXT_INV_SCALE);//实现傅里叶逆变换,并对结果进行缩放cvSplit(dst,ImageRe,ImageIm,0,0);cvPow(ImageRe,ImageRe,2);cvPow(ImageIm,ImageIm,2);cvAdd(ImageRe,ImageIm,ImageRe,NULL);cvPow(ImageRe,ImageRe,0.5);cvMinMaxLoc(ImageRe,&m,&M,NULL,NULL);scale = 255/(M - m);shift = -m * scale;//将shift加在ImageRe各元素按比例缩放的结果上,存储为ImageDst//cvConvertScale(ImageRe,ImageDst,scale,shift);cvNamedWindow("傅里叶谱",0);cvShowImage("傅里叶谱",Image);cvReleaseImage(&src);cvReleaseImage(&Image);cvReleaseImage(&ImageIm);cvReleaseImage(&ImageRe);cvReleaseImage(&Fourier);cvReleaseImage(&dst);cvReleaseImage(&ImageDst);}void CmymfcDlg::fft2shift(IplImage* src, IplImage* dst) //傅里叶变换{IplImage *image_Re = 0, *image_Im = 0;int nRow, nCol, i, j, cy, cx;double scale, shift, tmp13, tmp24;image_Re = cvCreateImage(cvGetSize(src), IPL_DEPTH_64F, 1);//Imaginary partimage_Im = cvCreateImage(cvGetSize(src), IPL_DEPTH_64F, 1);cvSplit( src, image_Re, image_Im, 0, 0 );// Compute the magnitude of the spectrum Mag = sqrt(Re^2 + Im^2)//计算傅里叶谱cvPow( image_Re, image_Re, 2.0);cvPow( image_Im, image_Im, 2.0);cvAdd( image_Re, image_Im, image_Re);cvPow( image_Re, image_Re, 0.5 );//对数变换以增强灰度级细节(这种变换使以窄带低灰度输入图像值映射// Compute log(1 + Mag);cvAddS( image_Re, cvScalar(1.0), image_Re ); // 1 + MagcvLog( image_Re, image_Re ); // log(1 + Mag)//Rearrange the quadrants of Fourier image so that the origin is at the image center nRow = src->height;nCol = src->width;cy = nRow/2; // image centercx = nCol/2;//进行中心变换for( j = 0; j < cy; j++ ){for( i = 0; i < cx; i++ ){//中心化,将整体份成四块进行对角交换tmp13 = CV_IMAGE_ELEM( image_Re, double, j, i);CV_IMAGE_ELEM( image_Re, double, j, i) = CV_IMAGE_ELEM(image_Re, double, j+cy, i+cx);CV_IMAGE_ELEM( image_Re, double, j+cy, i+cx) = tmp13;tmp24 = CV_IMAGE_ELEM( image_Re, double, j, i+cx);CV_IMAGE_ELEM( image_Re, double, j, i+cx) =CV_IMAGE_ELEM( image_Re, double, j+cy, i);CV_IMAGE_ELEM( image_Re, double, j+cy, i) = tmp24;}}//归一化处理将矩阵的元素值归一为[0,255]//[(f(x,y)-minVal)/(maxVal-minVal)]*255double minVal = 0, maxVal = 0;// Localize minimum and maximum valuescvMinMaxLoc( image_Re, &minVal, &maxVal );// Normalize image (0 - 255) to be observed as an u8 imagescale = 255/(maxVal - minVal);shift = -minVal * scale;cvConvertScale(image_Re, dst, scale, shift);cvReleaseImage(&image_Re);cvReleaseImage(&image_Im);}void CmymfcDlg::OnBnClickedCimage() //图片的反转{// TODO: 在此添加控件通知处理程序代码IplImage * cImage = 0;cImage = cvCloneImage(TheImage); //这里用克隆函数将原图片复制给cImage//利用翻转函数cvFlip()将cImage反转cvFlip(cImage,NULL,0);ShowImage(cImage,IDC_ShowImg);cvReleaseImage(&cImage);}void CmymfcDlg::OnBnClickedMirror() //图像的镜像{// TODO: 在此添加控件通知处理程序代码IplImage * cImage = 0;cImage = cvCloneImage(TheImage); //这里用克隆函数将原图片复制给cImage//利用翻转函数cvFlip()将cImage反转cvFlip(cImage,NULL,1);ShowImage(cImage,IDC_ShowImg);cvReleaseImage(&cImage);}void CmymfcDlg::OnBnClickedCcolor() //图像的反色{// TODO: 在此添加控件通知处理程序代码IplImage * cImage = 0;cImage = cvCloneImage(TheImage); //这里用克隆函数将原图片复制给cImage//利用函数cvNot()将cImage每个像素点取反cvNot(TheImage,cImage);ShowImage(cImage,IDC_ShowImg);cvReleaseImage(&cImage);}void CmymfcDlg::OnBnClickedMedianblur() //非线性滤波之中值滤波{// TODO: 在此添加控件通知处理程序代码//灰度原始图像IplImage *gray = 0;gray = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );cvCvtColor( TheImage, gray, CV_RGB2GRAY );IplImage * dstImage = 0;dstImage = cvCloneImage(gray); //这里用克隆函数将sreImage图片复制给dstImage cvSmooth(gray,dstImage,CV_MEDIAN,5,5);ShowImage(dstImage,IDC_ShowImg);cvReleaseImage(&gray);cvReleaseImage(&dstImage);}void CmymfcDlg::OnBnClickedGaussian() //高斯滤波{// TODO: 在此添加控件通知处理程序代码//灰度原始图像IplImage *gray = 0;gray = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );cvCvtColor( TheImage, gray, CV_RGB2GRAY );IplImage * dstImage = 0;dstImage = cvCloneImage(gray); //这里用克隆函数将sreImage图片复制给dstImage cvSmooth(gray,dstImage,CV_GAUSSIAN,5,5);ShowImage(dstImage,IDC_ShowImg);cvReleaseImage(&gray);cvReleaseImage(&dstImage);}void CmymfcDlg::OnBnClickedBothside() //双边滤波{// TODO: 在此添加控件通知处理程序代码//灰度原始图像IplImage *gray = 0;gray = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );cvCvtColor( TheImage, gray, CV_RGB2GRAY );IplImage * dstImage = 0;dstImage = cvCloneImage(gray); //这里用克隆函数将sreImage图片复制给dstImage cvSmooth(gray,dstImage,CV_BILATERAL,1,150,240,480);ShowImage(dstImage,IDC_ShowImg);cvReleaseImage(&gray);cvReleaseImage(&dstImage);}void CmymfcDlg::OnBnClickedEqually() //图片的均值滤波{// TODO: 在此添加控件通知处理程序代码//灰度原始图像IplImage *gray = 0;gray = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );cvCvtColor( TheImage, gray, CV_RGB2GRAY );IplImage * dstImage = 0;dstImage = cvCloneImage(gray); //这里用克隆函数将sreImage图片复制给dstImage cvSmooth(gray,dstImage,CV_BLUR,3,3);ShowImage(dstImage,IDC_ShowImg);cvReleaseImage(&gray);cvReleaseImage(&dstImage);}void CmymfcDlg::OnBnClickedCorrosion() //图片的腐蚀{// TODO: 在此添加控件通知处理程序代码//灰度原始图像IplImage *gray = 0;gray = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );cvCvtColor( TheImage, gray, CV_RGB2GRAY );IplImage * dstImage = 0;dstImage = cvCloneImage(gray); //这里用克隆函数将sreImage图片复制给dstImage cvErode(gray,dstImage,0,1); //使用cvErode()函数实现图片的腐蚀ShowImage(dstImage,IDC_ShowImg);cvReleaseImage(&gray);cvReleaseImage(&dstImage);}void CmymfcDlg::OnBnClickedDilate() //图片的膨胀{// TODO: 在此添加控件通知处理程序代码//灰度原始图像IplImage *gray = 0;gray = cvCreateImage( cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 1 );cvCvtColor( TheImage, gray, CV_RGB2GRAY );IplImage * dstImage = 0;dstImage = cvCloneImage(gray); //这里用克隆函数将sreImage图片复制给dstImage cvDilate(gray,dstImage,0,1); //使用cvDilate()函数实现图片的膨胀ShowImage(dstImage,IDC_ShowImg);cvReleaseImage(&gray);cvReleaseImage(&dstImage);}。