C++ OpenCV中几种基本的图像处理方式

C++ OpenCV是一种广泛使用的图像处理库，它提供了多种基本的图像处理方式，主要包括以下几种：

基本的图像处理方式

图像读取

在OpenCV中，使用cv::imread函数可以读取图像，该函数接受两个参数：文件名和读取标志。例如，以下代码读取名为“lena.jpg”的图像并将其显示在窗口中：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    Mat img = imread("lena.jpg", IMREAD_COLOR);
    imshow("Image", img);
    waitKey();
    return 0;
}

图像缩放

图像缩放是图像处理中的一项常见任务，可以使用cv::resize函数轻松实现。该函数接受三个参数：源图像、输出图像大小和插值方法。例如，以下代码将图像缩放为原图的一半：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    Mat img = imread("lena.jpg", IMREAD_COLOR);
    Mat img_resized;
    resize(img, img_resized, cv::Size(img.cols/2, img.rows/2));
    imshow("Resized Image", img_resized);
    waitKey();
    return 0;
}

图像滤波

图像滤波是对图像进行平滑或增强的常见操作，可以使用各种滤波器实现。在OpenCV中，可以使用cv::blur函数进行均值滤波，该函数接受两个参数：输入图像和卷积核大小。例如，以下代码对图像执行均值滤波：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    Mat img = imread("lena.jpg", IMREAD_COLOR);
    Mat img_filtered;
    blur(img, img_filtered, cv::Size(9, 9));
    imshow("Filtered Image", img_filtered);
    waitKey();
    return 0;
}

示例

以下是两个示例，演示了如何在OpenCV中实现常见的图像处理操作：

灰度图像处理

将彩色图像转换为灰度图像是图像处理中的一项基本任务，可以使用cv::cvtColor函数实现。该函数接受两个参数：输入图像和希望得到的输出图像类型。以下代码显示了如何将RGB图像转换为灰度图像：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    Mat img = imread("lena.jpg", IMREAD_COLOR);
    Mat img_gray;
    cvtColor(img, img_gray, COLOR_RGB2GRAY);
    imshow("Grayscale Image", img_gray);
    waitKey();
    return 0;
}

边缘检测

边缘检测是图像处理中的一个常见任务，可以使用cv::Canny函数轻松实现。该函数接受三个参数：输入图像、输出图像和两个阈值。以下代码显示了如何在图像中检测边缘：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    Mat img = imread("lena.jpg", IMREAD_COLOR);
    Mat img_edges;
    Canny(img, img_edges, 100, 200);
    imshow("Canny Edges", img_edges);
    waitKey();
    return 0;
}

以上就是C++ OpenCV中几种基本的图像处理方式的完整攻略，希望对您有帮助！