OpenCV快速通关

第一章：OpenCV 简介与环境搭建
第二章：OpenCV 图像基本操作
第三章：OpenCV 图像变换与处理实战

---

---

OpenCV 图像变换与处理实战

  在计算机视觉的绚丽舞台上，OpenCV 无疑是一颗耀眼的明星，它赋予开发者操控图像、挖掘视觉信息的超强能力。在正式深入那些令人惊叹的代码实例前，咱们先来夯实理论基础，为后续实操筑牢根基。

一、OpenCV 基础与图像处理概览

OpenCV（Open Source Computer Vision Library），开源计算机视觉库，犹如一座装满图像处理 “神器” 的百宝箱。历经多年迭代、无数开发者打磨，它横跨多平台，用 C++、Python 等热门语言编写接口，贴合不同编程习惯，揽下计算机视觉八成基础任务，从简单图像读取、存储，到复杂目标检测、图像识别，统统不在话下。
图像处理本质是对图像像素的精心雕琢。图像存于计算机里，像整齐排列的 “像素方阵”，每个像素怀揣颜色、亮度信息。咱做图像处理，就是巧妙改变这些像素属性。像调亮度，是给像素亮度值做加法；改颜色，是调配红、绿、蓝分量。手段不同，目的一致：让图像契合特定需求，或美轮美奂，或信息精准。

二、图像变换理论精析

（一）重映射（Remapping）
重映射堪称图像坐标的 “乾坤大挪移”。正常图像像素按行列规则站位，重映射打破常规，依自定义映射规则给像素 “搬家”。核心原理是新建两张和原图像同尺寸 “坐标图”（src_x、src_y），记录新位置，好比导游图，指引像素 “迁移” 方向。这操作实用性拉满，制造波浪、扭曲特效时大显身手，让画面瞬间灵动。

（二）缩放（Scaling）
缩放直白说就是给图像 “放大缩小”。数学上，按比例因子（scale_x、scale_y）改变行列像素数量，近的像素合并变小图，间隔插值变 “长胖” 成大图。插值算法是关键，常见线性插值（cv::INTER_LINEAR），像经验老到的裁缝，凭周边像素信息，算出新增像素 “恰当脸色”，保图像平滑过渡。

（三）旋转（Rotation）
旋转让图像优雅 “转身”。先锁定旋转中心，多为图像几何中心，再用旋转矩阵（由 cv::getRotationMatrix2D 生成）做 “旋转指令”。这矩阵蕴含旋转角度、缩放比例信息，结合仿射变换（cv::warpAffine），像素依指令乖乖就位，画面流畅旋动，毫无违和 “晕车感”。

三、图像增强与特征提取理论

（一）颜色变换（Color Conversion）
颜色空间多如繁星，常见 RGB、HSV、灰度等。RGB 重色彩呈现，HSV 便颜色调整，灰度则聚焦亮度信息，抛弃色彩冗余。像转灰度图，用 cv::cvtColor 一键 “褪色”，按人眼亮度感知规则，加权融合 RGB 值，提取关键亮度，利于后续处理，还能降数据量、提处理速度。

（二）边缘检测（Edge Detection）
边缘是图像 “骨架”，藏关键轮廓信息。边缘检测算法像敏锐侦探，紧盯像素灰度突变处。Canny 算法是王牌，设低、高双阈值，梯度超 “高线” 锁定边缘；在 “低线” 与 “高线” 间，看连接情况甄别；低过 “低线”，直接 pass。经非极大值抑制、双阈值筛选，精准揪出边缘，给目标识别、图像分割铺好路。

（三）高斯模糊（Gaussian Blur）
现实图像常带噪声，像老照片划痕、数码噪点。高斯模糊化身 “美颜磨皮师”，用高斯函数生成权重核，中心像素权重高、周边递减，加权平均周边像素值，模糊图像、柔化噪声，让画面细腻干净，为后续精准处理清障。

（四）图像锐化（Image Sharpening）
锐化是模糊 “克星”，找回图像丢失细节。原理是强化高频分量，弱化低频。靠特制卷积核（如文中 3x3 核）卷积图像，中心像素 “突出”，周边反向调节，反差凸显边缘细节，照片、扫描文档处理后清晰度飙升。

（五）颜色反转（Color Inversion）
颜色反转堪称图像 “镜像世界”，简单粗暴按位取反像素值。白变黑、黑变白，各颜色分量翻转，特定艺术创作、负片效果模拟时，轻松拿捏氛围感。

三、实例分析

1. 定义常量 M_PI

#ifndef M_PI
#define M_PI 3.14159265358979323846 // 如果未定义 M_PI，则手动定义
#endif

这段代码的目的是确保在编译过程中，如果 M_PI 常量未被定义，则手动定义它为圆周率的值。这在一些情况下是必要的，因为不同的编译器和环境可能对某些常量的定义有所不同。

2. 重映射图像创建波形效果

void wave(const cv::Mat& img, cv::Mat& res, const std::string& wave_type, double amplitude, double frequency) {cv::Mat src_x(img.rows, img.cols, CV_32F);cv::Mat src_y(img.rows, img.cols, CV_32F);for (int i = 0; i < img.rows; i++) {for (int j = 0; j < img.cols; j++) {src_x.at<float>(i, j) = static_cast<float>(j);double wave_value = 0.0;if (wave_type == "sine") {wave_value = amplitude * sin(frequency * static_cast<double>(j)); // 正弦波}else if (wave_type == "cosine") {wave_value = amplitude * cos(frequency * static_cast<double>(j)); // 余弦波}else if (wave_type == "triangle") {wave_value = amplitude * (2.0 / M_PI) * asin(sin(frequency * static_cast<double>(j))); // 三角波}else if (wave_type == "sawtooth") {wave_value = amplitude * (2.0 * (j / static_cast<double>(img.cols)) - 1.0); // 锯齿波}src_y.at<float>(i, j) = static_cast<float>(i + wave_value);}}cv::remap(img, res, src_x, src_y, cv::INTER_LINEAR);
}

这个函数用于创建不同类型的波形效果，通过重映射图像的像素坐标来实现。它接受输入图像 img、输出图像 res、波形类型 wave_type、振幅 amplitude 和频率 frequency 作为参数。

首先，创建两个与输入图像大小相同的矩阵 src_x 和 src_y，分别用于存储重映射后的 x 和 y 坐标。然后，通过双层循环遍历输入图像的每个像素。对于每个像素，将 src_x 中的对应值设置为当前像素的 x 坐标，并根据 wave_type 的不同计算出波形的值 wave_value。最后，将 src_y 中的对应值设置为当前像素的 y 坐标加上波形值。

最后，使用 cv::remap 函数根据 src_x 和 src_y 矩阵对输入图像进行重映射，得到输出图像 res。

3. 缩放图像

void scale(const cv::Mat& img, cv::Mat& res, double scale_x, double scale_y) {cv::resize(img, res, cv::Size(), scale_x, scale_y, cv::INTER_LINEAR);
}

这个函数用于缩放图像。它接受输入图像 img、输出图像 res、水平缩放比例 scale_x 和垂直缩放比例 scale_y 作为参数。

使用 cv::resize 函数对输入图像进行缩放，将输出图像的大小设置为输入图像的大小乘以缩放比例。这里使用 cv::INTER_LINEAR 插值方法，以获得较为平滑的缩放效果。

4. 旋转图像

void rotate1(const cv::Mat& img, cv::Mat& res, double angle) {cv::Point2f center(img.cols / 2.0, img.rows / 2.0);cv::Mat rot = cv::getRotationMatrix2D(center, angle, 1.0);cv::warpAffine(img, res, rot, img.size());
}

这个函数用于旋转图像。它接受输入图像 img、输出图像 res 和旋转角度 angle 作为参数。

首先，计算图像的中心坐标。然后，使用 cv::getRotationMatrix2D 函数创建一个旋转矩阵 rot，该矩阵将图像绕中心旋转指定的角度。最后，使用 cv::warpAffine 函数根据旋转矩阵对输入图像进行仿射变换，得到输出图像 res。

5. 颜色变换（灰度图）

void grayscale(const cv::Mat& img, cv::Mat& res) {cv::cvtColor(img, res, cv::COLOR_BGR2GRAY);
}

这个函数用于将彩色图像转换为灰度图像。它接受输入图像 img 和输出图像 res 作为参数。

使用 cv::cvtColor 函数将输入图像从 BGR 颜色空间转换为灰度颜色空间，得到输出图像 res。

6. 边缘检测

void edge_detection(const cv::Mat& img, cv::Mat& res) {cv::Canny(img, res, 100, 200);
}

这个函数用于进行边缘检测。它接受输入图像 img 和输出图像 res 作为参数。

使用 cv::Canny 函数对输入图像进行边缘检测，该函数接受输入图像、输出图像、低阈值和高阈值作为参数。边缘检测算法会根据像素的梯度强度来确定是否为边缘像素，如果像素的梯度强度大于高阈值，则被认为是边缘像素；如果像素的梯度强度小于低阈值，则被认为不是边缘像素；如果像素的梯度强度在低阈值和高阈值之间，则根据其与边缘像素的连接情况来确定是否为边缘像素。

7. 高斯模糊

void gaussian_blur(const cv::Mat& img, cv::Mat& res) {cv::GaussianBlur(img, res, cv::Size(5, 5), 0);
}

这个函数用于对图像进行高斯模糊处理。它接受输入图像 img 和输出图像 res 作为参数。

使用 cv::GaussianBlur 函数对输入图像进行高斯模糊，该函数接受输入图像、输出图像、模糊核大小和标准差作为参数。这里使用的模糊核大小为 cv::Size(5, 5)，标准差为 0，表示由函数自动计算标准差。

8. 图像锐化

void sharpen(const cv::Mat& img, cv::Mat& res) {cv::Mat kernel = (cv::Mat_<float>(3, 3) <<0, -1, 0,-1, 5, -1,0, -1, 0);cv::filter2D(img, res, img.depth(), kernel);
}

这个函数用于对图像进行锐化处理。它接受输入图像 img 和输出图像 res 作为参数。

首先，定义一个 3x3 的锐化内核 kernel。然后，使用 cv::filter2D 函数对输入图像进行卷积操作，该函数接受输入图像、输出图像、图像深度和卷积内核作为参数。这里将输入图像与锐化内核进行卷积，得到输出图像 res，从而实现图像锐化的效果。

9. 颜色反转

void invert_colors(const cv::Mat& img, cv::Mat& res) {cv::bitwise_not(img, res);
}

这个函数用于对图像进行颜色反转处理。它接受输入图像 img 和输出图像 res 作为参数。

使用 cv::bitwise_not 函数对输入图像进行按位取反操作，即将每个像素的颜色值取反，得到输出图像 res。

四、主函数实现

int main() {cv::Mat img = cv::imread("E:/pro/sdl_code/res/test_img.png");if (img.empty()) {std::cerr << "Error: Image not found." << std::endl;return -1;}cv::Mat sine_wave_img, cosine_wave_img, triangle_wave_img, sawtooth_wave_img, scale_img, rotate_img, gray_img, edge_img, blur_img, sharp_img, invert_img;// 不同波形效果wave(img, sine_wave_img, "sine", 20, 0.1);        // 正弦波wave(img, cosine_wave_img, "cosine", 20, 0.1);    // 余弦波wave(img, triangle_wave_img, "triangle", 20, 0.1); // 三角波wave(img, sawtooth_wave_img, "sawtooth", 20, 10); // 锯齿波// 缩放图像scale(img, scale_img, 0.5, 0.5);// 旋转图像rotate1(img, rotate_img, 45);// 颜色变换（灰度图）grayscale(img, gray_img);// 边缘检测edge_detection(img, edge_img);// 高斯模糊gaussian_blur(img, blur_img);// 图像锐化sharpen(img, sharp_img);// 颜色反转invert_colors(img, invert_img);// 显示所有效果cv::imshow("Original Image", img);cv::imshow("Sine Wave Effect", sine_wave_img);cv::imshow("Cosine Wave Effect", cosine_wave_img);cv::imshow("Triangle Wave Effect", triangle_wave_img);cv::imshow("Sawtooth Wave Effect", sawtooth_wave_img);cv::imshow("Scaled Image", scale_img);cv::imshow("Rotated Image", rotate_img);cv::imshow("Grayscale Image", gray_img);cv::imshow("Edge Detection", edge_img);cv::imshow("Gaussian Blur", blur_img);cv::imshow("Sharpened Image", sharp_img);cv::imshow("Inverted Colors", invert_img);cv::waitKey(0);// 保存结果图像//cv::imwrite("output_wave_image.jpg", wave_img);//cv::imwrite("output_scaled_image.jpg", scale_img);//cv::imwrite("output_rotated_image.jpg", rotate_img);//cv::imwrite("output_grayscale_image.jpg", gray_img);//cv::imwrite("output_edge_detection.jpg", edge_img);//cv::imwrite("output_gaussian_blur.jpg", blur_img);//cv::imwrite("output_sharpened_image.jpg", sharp_img);//cv::imwrite("output_inverted_colors.jpg", invert_img);return 0;
}

主函数首先读取输入图像，如果图像读取失败，则输出错误信息并返回 -1。然后，创建多个输出图像用于存储不同的处理效果。接下来，分别调用不同的函数对输入图像进行处理，得到各种效果的输出图像。最后，显示所有的图像，并等待用户按下任意键退出程序。如果需要保存结果图像，可以取消注释相应的代码行。

五、总结

本文介绍了如何使用 OpenCV 实现多种图像变换和处理效果，包括重映射图像创建波形效果、缩放图像、旋转图像、颜色变换、边缘检测、高斯模糊、图像锐化和颜色反转等。通过这些功能，我们可以对图像进行各种操作，从而实现不同的视觉效果。在实际应用中，可以根据具体需求选择合适的图像变换和处理方法，以达到更好的效果。

希望本文对大家学习和使用 OpenCV 有所帮助。如果有任何问题或建议，欢迎在评论区留言。首先介绍了 OpenCV 的重要性和本文要展示的内容。接着进行环境准备的说明，包括安装 OpenCV 和 C++编译器。然后对关键代码进行详细分析，分别解释了定义常量 M_PI、各种图像变换和处理函数的作用及实现原理。最后展示了主函数的实现，包括读取图像、创建输出图像、调用各种处理函数、显示图像和等待用户操作等。整体文章结构清晰，按照介绍、准备、分析、实现和总结的顺序进行撰写，以帮助读者更好地理解 OpenCV 的图像变换和处理功能。