本文共 1624 字，大约阅读时间需要 5 分钟。

1. OpenCV概述

作为一个跨平台的开源计算机视觉库，OpenCV提供了许多图像处理的强大的API。在计算机视觉的一系列应用，归纳起来，基本方法可以分为传感器数据输入、特征点提取、关键点匹配、计算提取数据并进行分析四大步骤。其中涉及到的一些列算法，无论是前端数据处理，还是后端的滤波优化，均是以得到准确的分析结果为目的而进行的。

2. OpenCV入门

2.1 基本图像处理

众所周知，图像是由一个个像素点按照一定的顺序组合而成的，根据这个原理，对图像的存储，本质上就是对像素构成的矩阵的存储，对图像的操作也就是对像素的操作。

在OpenCV中，最基本的图像数据结构是cv:Mat，用来实例化图像对象，并对此对象进行一系列的操作，如cv:Mat中的at(int x,int y) 就是用来获取图像在(x,y)处的像素值。除此之外，OpenCV还封装了一些基本的处理函数，如图像的装载，翻转，图像格式的转换（如彩色图像与灰度图像的转换),定义ROI（region of interest)等等。

2.2 图像分割

OpenCV中的GrabCut算法可以基于像素特征对图像进行分割：

GrabCut基本思想

1.首先给定一张图片作为测试图片，针对待分离的前景区域画一个框，记录左下角和右下角的位置

2.初始化一个与原图大小相同的掩模，并初始化四个参数GCD_BGD，GCD_FGD， GCD_PR_BGD， GCD_PR_FGD全部为零

PS：参数含义

GCD_BGD（=0），背景；

GCD_FGD（=1），前景；

GCD_PR_BGD（=2），可能是背景；

GCD_PR_FGD（=3），可能是前景。

3.定义前景模型与背景模型，为两个1*56矩阵

4.将定义好的前景模型、背景模型、掩模，并设定一个迭代次数几个参数传至GrabCut算法，计算出一个新的掩模。新的掩模中给出的结果为2或3，即一个像素只存在两种情况：可能是背景、可能是前景。 5.将掩模中的2改为0.3改为1，并于原始图像对点对点乘积。使得原始图像中背景部分全部为0，前景部分则保持不变。

2.3 直方图统计像素及其应用

1.直方图统计像素：产生一个二维图像，横轴为像素的编号(以0-255为例)，纵轴为像素数量，基于图像中像素的特征，可据此分离前景与背景。

2.像素的修改：

• 通过修改像素强度的方式提高图像质量。如等比例修改像素的强度值到(0-255)。
• 通过修改像素数量的方式提高图像质量，原则是：p%像素的强度值必须小于等于255*p%

3.直方图统计像素的应用

• 反向投影直方图可以检测特定的图像和内容，原理是将每个像素替换为该像素出现的概率值
• 基于反向投影直方图的方法，可进一步用均值平移法寻找目标。即从初始位置开始，在周围反复移动，以提高局部匹配概率，确定物体的准确位置
• 完成基于内容的图像检索问题：通过比较直方图搜索相似图像
• 还可以用积分的方式统计不同大小区域内的像素和，进行图像搜索与匹配

3.基于形态学运算的图像分割和特征检测

3.1 腐蚀和膨胀图像

操作方法：

将原始图像与一定大小的结构元素重合，相交的部分形成一个像素集合，腐蚀就是把当前像素替换为当前像素集合中的像素最小值，而膨胀就是把当前像素替换成当前图像集合中的最大值 原理： 结构元素，本质上是一个a*a的形态学滤波器

3.2 开启和闭合图像

开启和闭合图像只与最基本的腐蚀和膨胀运算有关，开启图像为先做腐蚀运算再做膨胀运算，闭合图像为先做膨胀运算再做腐蚀运算。

3.3 灰度图像中利用腐蚀膨胀运算实现边缘检测

灰度图像中，可以将腐蚀和膨胀后的图像做差值，从而得到图像的边缘。即i边缘检测运算，Beucher运算。除此之外，得到图像边缘还有两种方式，膨胀后的图像和原始图像做差值，原始图像与腐蚀图像做差值。

而开启运算因为先对图像做腐蚀，所以可以消除图像的尖锐部分，闭合运算分析思路类似。

参考链接：

转载地址：http://xeqpi.baihongyu.com/