OpenCV主页：https://opencv.org/

matrix类本身是一种可以用来保存图像的矩阵格式

int main() {  cout << "hello opencv!" << endl;  Mat srcImage = imread("test.bmp");  imshow("srcImage", srcImage); ///窗名，图片名  waitKey(0);  return 0; } 

使用Mat()构造函数

 Mat M1(2,2,CV_8UC3,Scalar(0，0，255)；  Mat M2(2,2,CV_8UC3,1);  ///只给第一个通道赋值 

创建了一个名字M1的Mat,尺寸为2，2，类型为8位uchar类型，通道数为3(此)mat每个元素包含三个通道(值)，然后用0、0、255赋值每个元素

CV_(位数) (数据类型) (通道数)

使用create()函数

Mat M3; M3.create(3,4,CV_8UC3); 

声明了一个3行4列mat对象

浅复制

Mat srcM(2,2,CV_8UC3,Scalar(0,0,255)) Mat dstM; dstM = srcM; 

新生成的矩阵头，dstM的data仍然指向矩阵srcM的data

深复制

Mat srcM(2,2,CV_8UC3,Scalar(0,0,255)) Mat dstM; srcM.copyTo(dstM); 

dstM内存中的位置和新矩阵srcM是不一样的

浅复制，srcM修改后dstM值也会随之变化，深度复制不会

//方法1 int height = image.rows; int width = image.cols * image.channels(); //列数乘以其通道数 for(int j = 0;j < height;j  ) {  uchar* data = image.ptr<uchar>(j);  for(int i = 0;i < width;i  )  {   data[i] = data[i/2];  } } 

//方法2 for (int j = 0; j < M7.rows; j  ) {  for (int i = 0; i < M7.rows; i  )  {   M7.at<Vec3b>(j, i)[0] = j; //取到（j,i）位置上的像素，然后赋值他   M7.at<Vec3b>(j, i)[1] = j 1;   M7.at<Vec3b>(j, i)[2] = j 2;  } } 

数字图像处理系统包括：

图像输入设备（输入|采样量化|专用处理)，电脑(数字图像处理)， 图像输出设备（专用处理|D/A转换|输出）

最常见的输入设备就是相机（CCD/CMOS）

CCD（电荷耦合器件）是一种半导体器件，能够把光学影像转化为数字信号，CCD上植入的微小光敏物质称作像素，包含的像素越多，画面分辨率也就越高

线阵相机|面阵相机

面阵相机一次拍摄一个区域，视觉检测中绝大部分应用面阵相机

线阵相机一次拍摄一行像素，通过移动以及拼接来获取图像，分辨率高，价格较为昂贵

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1IdmJPF9-1645958195344)(C:\Users\AlexMiller\AppData\Roaming\Typora\typora-user-images\image-20220216143214276.png)]

由于镜头中间部分的放大率和周围的放大率不同而产生的，焦距越短失真程度会越大

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mAqRTXTt-1645958195345)(C:\Users\AlexMiller\AppData\Roaming\Typora\typora-user-images\image-20220216143452275.png)]

数字化坐标值称为采样，数字化幅度值称为量化

分辨率 160 * 128 的意思是水平像素数为160个，垂直像素数为128个，像素的数目越多，感应到的图像就越精密

视频图像一般采用 smpte 制定的格式标准，如 1080p，表示垂直方向有 1080条水平扫描线（p代表隔行扫描）

最常见的图像为 8位图像，灰度级为 256位

灰度级越多，可以展现的图像细节就越多

图像原点为图像的左上角，坐标记为 [0，0]

一副 M * N 的图像可以用一个矩阵来表示 KaTeX parse error: Undefined control sequence: \matrix at position 9: \left[ \̲m̲a̲t̲r̲i̲x̲{ f(0,0) & ... …

8 - 邻接 | 4 - 邻接

8 - 邻接关系中，像素 [x,y] 的 8 - 邻域像素，被认为是和该像素相邻的像素

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3vWpZ7qU-1645958195346)(C:\Users\AlexMiller\AppData\Roaming\Typora\typora-user-images\image-20220216150609444.png)]

4 - 邻接关系中，像素 [x,y] 的 4 - 邻域像素，被认为是和该像素相邻的像素

​ [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nziGT9sI-1645958195348)(C:\Users\AlexMiller\AppData\Roaming\Typora\typora-user-images\image-20220216150702168.png)]

1）二值图像：像素取值仅为 0 和 1，“0” 代表黑色，"1"代表白色；通常用来表示状态，如区分图像中的前景和背景

2）灰度图像：像素取值范围为 [0,255]，“0” 代表纯黑，“255” 代表纯白

3）彩色图像：RGB格式，采用R（红色）G（绿色）B（蓝色）三种颜色的组合叠加来获得各种颜色

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kJItcF1z-1645958195350)(C:\Users\AlexMiller\AppData\Roaming\Typora\typora-user-images\image-20220216151122787.png)]

除了 RGB 外，常用的色彩模型还有 HSV/HSI(数字图像算法常用)，CMYK(常用于印刷)，YUV(用于图像传输)

印刷业通过青©，品(M)，黄(Y) 三原色油墨的不同网点面积率的叠印来表现颜色，一般采用青©，品(M)，黄(Y)，黑(BK) 四色印刷

CMYK 可以看做是从黑色中减少颜色得到新的颜色，故可称为 减色模型

RGB 是在白色上叠加颜色得到新的颜色，故称为 加色模型

色相(Hue)，饱和度(Saturation)，明度(Value)，常用于图像算法中的色彩分析，对光照具有较强的鲁棒性

H：用角度表示，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°；该值表示颜色接近于哪种纯色值

S：通常取值范围为 0%~100%，圆锥的中心为0。该值越大表示颜色越饱满，直观的说即颜色深而艳

V：亮度，表示颜色的明亮程度

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BX6hs3yY-1645958195351)(C:\Users\AlexMiller\AppData\Roaming\Typora\typora-user-images\image-20220216152216655.png)]

R G B − > H S V RGB -> HSV RGB−>HSV

h = { 0 ° , m a x = m i n 60 ° × g − b m a x − m i n + 0 ° ， m a x = r a n d g ≥ b 60 ° × g − b m a x − m i n + 360 ° ， m a x = r a n d g < b 60 ° × b − r m a x − m i n + 120 ° ， m a x = g 60 ° × r − g m a x − m i n + 240 ° ， m a x = b h=\begin{cases} 0°,max=min\\ 60°\times\frac{g-b}{max-min}+0°，max=r & and & g\geq b\\60°\times\frac{g-b}{max-min}+360°，max=r&and&g<b\\60°\times\frac{b-r}{max-min}+120°，max=g\\60°\times\frac{r-g}{max-min}+240°，max=b\end{cases} h=⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧​0°,max=min60°×max−ming−b​+0°，max=r60°×max−ming−b​+360°，max=r60°×max−minb−r​+120°，max=g60°×max−minr−g​+240°，max=b​andand​g≥bg<b​

s = { 0 m a x = 0 m a x − m i n m a x = 1 − m i n m a x o t h e r w i s e s=\begin{cases}0&max=0\\ \frac{max-min}{max} = 1-\frac{min}{max}&otherwise\end{cases} s={ 0maxmax−min​=1−maxmin​​max=0otherwise​

v = m a x v=max v=max

H S V − > R G B HSV->RGB HSV−>RGB

h i = ⌊ h 60 ⌋ ( m o d 6 ) h_i=\left\lfloor\frac{h}{60}\right\rfloor(mod\quad6) hi​=⌊60h​⌋(mod6)

f = h 60 − h i f=\frac{h}{60}-h_i f=60h​−hi​

p = v × ( 1 − s ) p=v\times(1-s) p=v×(1−s)

q = v × ( 1 − f × s ) q=v\times(1-f\times s) q=v×(1−f×s)

t = v × ( 1 − ( 1 − f ) × s ) t=v\times(1-(1-f)\times s) t=v×(1−(1−f)×s)

对 于 每 个 颜 色 向 量 （ r , g , b ） 对于每个颜色向量（r,g,b） 对于每个颜色向量（r,g,b）

( r , g , b ) = { ( v , t , p ) , h i = 0 ( q , v , p ) , h i = 1 ( p , v , t ) , h i = 2 ( p , q , v ) , h i = 3 ( t , p , v ) , h i = 4 ( v , p , q ) , h i = 5 (r,g,b)=\begin{cases}(v,t,p),h_i=0\\(q,v,p), h_i=1\\(p,v,t),h_i=2\\(p,q,v),h_i=3\\(t,p,v),h_i=4\\(v,p,q),h_i=5\end{cases} (r,g,b)=⎩⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎧​(v,t,p),hi​=0(q,v,p),hi​=1(p,v,t),hi​=2(p,q,v),hi​=3(t,p,v),hi​=4(v,p,q),hi​=5​

是图像处理中的一个非常重要的工具，被广泛应用

本质是概率分布的图形化，同时直方图也可以用来表示向量

假设有如下的图像

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0kphbNDu-1645958195353)(C:\Users\AlexMiller\AppData\Roaming\Typora\typora-user-images\image-20220216155512779.png)]