opencv中文参考手册.doc

Cv中文参考手册

Cv图像处理
Wikipedia，自由的百科全书
注意:本章描述图像处理和分析的一些函数。大多数函数都是针对两维象素数组的，这里，我们称这些数组为“图像”，但是它们不一定非得是IplImage结构，也可以是CvMat或者CvMatND结构。

梯度、边缘和角点
Sobel
使用扩展Sobel算子计算一阶、二阶、三阶或混合图像差分
voidcvSobel(constCvArr*src,CvArr*dst,intxorder,intyorder,intaperture_size=3);
src
输入图像.
dst
输出图像.
xorder
x方向上的差分阶数
yorder
y方向上的差分阶数
aperture_size
扩展Sobel核的大小，必须是1,3,5或7。除了尺寸为1，其它情况下，aperture_size×aperture_size可分离内核将用来计算差分。对aperture_size=1的情况，使用3x1或1x3内核（不进行高斯平滑操作）。这里有一个特殊变量CV_SCHARR(=-1)，对应3x3Scharr滤波器，可以给出比3x3Sobel滤波更精确的结果。Scharr滤波器系数是：

对x-方向以及转置矩阵对y-方向。
函数cvSobel通过对图像用相应的内核进行卷积操作来计算图像差分：

由于Sobel算子结合了Gaussian平滑和微分，所以，其结果或多或少对噪声有一定的鲁棒性。通常情况，函数调用采用如下参数(xorder=1,yorder=0,aperture_size=3)或(xorder=0,yorder=1,aperture_size=3)来计算一阶x-或y-方向的图像差分。第一种情况对应：

第二种对应：

或者

核的选则依赖于图像原点的定义(origin来自IplImage结构的定义)。由于该函数不进行图像尺度变换，所以和输入图像(数组)相比，输出图像(数组)的元素通常具有更大的绝对数值（译者注：即象素的深度）。为防止溢出，当输入图像是8位的，要求输出图像是16位的。当然可以用函数cvConvertScale或cvConvertScaleAbs转换为8位的。除了8-比特图像，函数也接受32-位浮点数图像。所有输入和输出图像都必须是单通道的，并且具有相同的图像尺寸或者ROI尺寸。
Laplace
计算图像的Laplacian变换
voidcvLaplace(constCvArr*src,CvArr*dst,intaperture_size=3);
src
输入图像.
dst
输出图像.
aperture_size
核大小(与cvSobel中定义一样).
函数cvLaplace计算输入图像的Laplacian变换，方法是先用sobel算子计算二阶x-和y-差分，再求和:
dst(x,y)=d2src/dx2+d2src/dy2
对aperture_size=1则给出最快计算结果，相当于对图像采用如下内核做卷积：

类似于cvSobel函数，该函数也不作图像的尺度变换，所支持的输入、输出图像类型的组合和cvSobel一致。
Canny
采用Canny算法做边缘检测
voidcvCanny(constCvArr*image,CvArr*edges,doublethreshold1,
doublethreshold2,intaperture_size=3);
image
输入图像.
edges
输出的边缘图像
threshold1
第一个阈值
threshold2
第二个阈值
aperture_size
Sobel算子内核大小(见cvSobel).
函数cvCanny采用CANNY算法发现输入图像的边缘而且在输出图像中标识这些边缘。threshold1和threshold2当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割。
PreCornerDetect
计算用于角点检测的特征图，
voidcvPreCornerDetect(constCvArr*image,CvArr*corners,intaperture_size=3);
image
输入图像.
corners
保存候选角点的特征图
aperture_size
Sobel算子的核大小(见cvSobel).
函数cvPreCornerDetect计算函数其中表示一阶图像差分，表示二阶图像差分。角点被认为是函数的局部最大值：
//假设图像格式为浮点数
IplImage*corners=cvCloneImage(image);
IplImage*dilated_corners=cvCloneImage(image);
IplImage*corner_mask=cvCreateImage(cvGetSize(image),8