Opencv文件操作与数据存储

C++的OpenCV使用方法总结在计算机视觉和图像处理领域，OpenCV是一个非常强大的开源库，它提供了丰富的功能和工具，用于处理图像和视频。

作为C++程序员，了解并熟练使用OpenCV库是非常重要的。

本文将对C++中使用OpenCV的方法进行总结，并探讨一些常见的应用和技巧。

一、安装和配置OpenCV在开始使用OpenCV之前，首先需要安装和配置这个库。

在Windows评台上，可以通过下载预编译的二进制文件进行安装；在Linux评台上，可以通过包管理器进行安装。

安装完毕后，还需进行一些环境配置，确保编译器能够正确信息OpenCV库文件。

二、基本图像处理1. 读取和显示图像在C++中使用OpenCV读取和显示图像非常简单，只需几行代码即可完成。

首先需要使用imread函数读取图像文件，然后使用imshow 函数显示图像。

在进行图像显示后，需要使用waitKey函数等待用户按下某个键，以便关闭显示窗口。

2. 图像的基本操作OpenCV提供了丰富的图像处理函数，包括图像缩放、旋转、平移、通道拆分与合并等。

这些函数可以帮助我们对图像进行各种基本操作，从而满足不同的需求。

三、特征提取与描述1. Harris角点检测Harris角点检测是一种经典的特征点检测方法，它可以用来识别图像中的角点。

在OpenCV中，我们可以使用cornerHarris函数来实现Harris角点检测，然后对检测结果进行筛选和标记。

2. SIFT特征提取SIFT是一种广泛应用的特征提取算法，它具有旋转不变性和尺度不变性。

在OpenCV中，我们可以使用SIFT算法来提取图像的关键点和特征描述子，从而实现图像匹配和目标识别等功能。

四、图像分类与识别1. 使用支持向量机（SVM）进行图像分类OpenCV提供了对机器学习算法的支持，包括SVM分类器。

我们可以使用SVM对图像进行分类，从而实现图像识别和目标检测等功能。

2. 使用深度学习模型进行图像识别近年来，深度学习在图像识别领域取得了显著的成就。

OpenCV FileStorage类读写XML/YML文件在OpenCV程序中，需要保存中间结果的时候常常会使用.xml / .yml文件，opencv2.0之前都是使用C风格的代码，当时读写XML文件分别使用函数cvLoad()和cvSave()。

在2.0以后的OpenCV转为支持C++，这一举措大大减少了代码量以及编程时需要考虑的细节。

新版本的OpenCV的C++接口中，imwrite()和imread()只能保存整数数据，且需要以图像格式。

当需要保存浮点数据或者XML/YML文件时，之前的C语言接口cvSave()函数已经在C++接口中被删除，代替它的是FileStorage类。

这个类非常的方便，封装了很多数据结构的细节，编程的时候可以根据统一的接口对数据结构进行保存。

1. FileStorage类写XML/YML文件•新建一个FileStorage对象，以FileStorage::WRITE的方式打开一个文件。

•使用<< 操作对该文件进行操作。

•释放该对象，对文件进行关闭。

例子如下：FileStorage fs("test.yml", FileStorage::WRITE);fs << "frameCount" << 5;time_t rawtime; time(&rawtime);fs << "calibrationDate" << asctime(localtime(&rawtime));Mat cameraMatrix = (Mat_<double>(3,3) << 1000, 0, 320, 0, 1000, 240, 0, 0, 1); //又一种Mat初始化方式Mat distCoeffs = (Mat_<double>(5,1) << 0.1, 0.01, -0.001, 0, 0);fs << "cameraMatrix" << cameraMatrix << "distCoeffs" << distCoeffs;//features为一个大小为3的向量,其中每个元素由随机数x,y和大小为8的uchar数组组成fs << "features" << "[";for( int i = 0; i < 3; i++ ){int x = rand() % 640;int y = rand() % 480;uchar lbp = rand() % 256;fs << "{:" << "x" << x << "y" << y << "lbp" << "[:";for( int j = 0; j < 8; j++ )fs << ((lbp >> j) & 1);fs << "]" << "}";}fs << "]";fs.release();2. FileStorage类读XML/YML文件FileStorage对存储内容在内存中是以层次的节点组成的，每个节点类型为FileNode，FileNode可以使单个的数值、数组或者一系列FileNode的集合。

imread 读图namedWindow 产生一个被命名的窗口imshow 显示图像using namespace 全局的命名空间，可以避免导致全局命名冲突问题。

cv表示opencv的命名空间std是标准输入输出的命名空间waitKey 程序运行等待时间ms为单位#include<opencv2/highgui/highgui.hpp> 包含输入输出操作#include<iostream> VC的标准输入输出cout << 输出cin>> 输入均以endl结尾#include<string> 字符串库cvtColor 彩色图像变灰度图像imwrite 写出图像F9设置断点F5调试运行后点击变量中的+显示数据结构argv[1]的定位方式为：在工程属性中，命令行参数添加路径，例如：#include<opencv2/core/core.hpp> 定义的基本构建块库Mat 基本图像容器，是一个矩阵类。

用法：Mat A; //定义矩阵Mat B(A);//复制A矩阵数据给BMat D(A,Rect(10, 10, 100, 100)); //将A矩阵的一个区域给DMat F = A.clone();//复制A矩阵数据给FMat M(2,2,CV_8UC3,Scalar(0,0,255));//创建一个矩阵，2×2大小，数据结构为CV_[每个数据占用BIT][Signed or Unsigned][Type Prefix]C[取前几个数或书写几遍] Scalar数据向量。

Signed有符号：8位数据范围为：-128~127Unsigned无符号：8位数据范围为：0~255Mat::eye(4, 4,CV_64F) //单位矩阵Mat::ones(2, 2,CV_32F) //全1矩阵Mat::zeros(3,3,CV_8UC1) //全0矩阵Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);//常规矩阵定义randu(R,Scalar::all(0),Scalar::all(255));//任意矩阵的生成Point2f P(5, 1);//定义二维点Point3f P3f(2, 6, 7); //定义三维点vector<float> v；//定义浮点数向量vector<Point2f> vPoints(20);//定义点坐标（二维数据）向量uchar就是uint8加注const 不能改变参数值；sizeof 读取大小I.channels(); //图像维数I.rows; //图像的行数I.cols;//图像的列数I.depth();//图像的深度对于图像的点式处理:uchar* p;//定义一个uint8图像for(i = 0;i < nRows; ++i){p = I.ptr<uchar>(i); //将每一行的向量赋给pfor (j = 0;j < nCols; ++j){p[j] = table[p[j]];//对每一行的向量，每一列的元素进行赋值，table是变换好的数组}}或者：uchar* p = I.data;//将图像的数据空间给pfor( unsigned int i =0;i < ncol*nrows; ++i)*p++ = table[*p];//*p中存储了图像的数据，一个一个赋值或者：LUT(I,lookUpTable,J); //效率最高的读图方式Mat lookUpTable(1, 256,CV_8U);uchar * p2 = lookUpTable.data;for( int i = 0;i < 256; ++i)p2[i] = table[i];图像的RGB分离：const int channels = I.channels();switch(channels){case 1:{MatIterator_<uchar> it,end;//灰度图像的变换for(it = I.begin<uchar>(),end = I.end<uchar>();it != end; ++it)*it = table[*it];break;}case 3:{MatIterator_<Vec3b> it,end;//RGB图像的变换for(it = I.begin<Vec3b>(),end = I.end<Vec3b>();it != end; ++it)//<Vec3b>指三列向量，即三个通道分量{(*it)[0] = table[(*it)[0]];//B分量(*it)[1] = table[(*it)[1]]; //G分量(*it)[2] = table[(*it)[2]]; //R分量}}}或者：case 3:{Mat_<Vec3b> _I = I;for( int i = 0;i < I.rows; ++i)for( int j = 0;j < I.cols; ++j){_I(i,j)[0] = table[_I(i,j)[0]];_I(i,j)[1] = table[_I(i,j)[1]];_I(i,j)[2] = table[_I(i,j)[2]];}I = _I;break;}Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)//看图函数Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table) //看图函数Mat& ScanImageAndReduceRandomAccess(Mat& I, const uchar* const table) //看图函数模板运算：void Sharpen(const Mat& myImage, Mat& Result) //图像锐化函数CV_Assert(myImage.depth() == CV_8U); //判决图像是否是整型的数据Result.create(myImage.size(),myImage.type());//创建MAT矩阵类型执行算法：for(int j = 1 ;j < myImage.rows-1; ++j){const uchar* previous = myImage.ptr<uchar>(j - 1);const uchar* current = myIma ge.ptr<uchar>(j);const uchar* next = myImage.ptr<uchar>(j + 1);uchar* output = Result.ptr<uchar>(j);for(int i= nChannels;i < nChannels*(myImage.cols-1); ++i){*output++ = saturate_cast<uchar>(5*current[i]-current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);}}Result.row(0).setTo(Scalar(0));//将0行的像素值设为0或者：Mat kern = (Mat_<char>(3,3) << 0, -1, 0,-1, 5, -1,0, -1, 0);filter2D(I,K,I.depth(),kern);//使用模板滤波锐化图像，该函数所在库为<opencv2/imgproc/imgproc.hpp>图像融合算法：addWeighted(src1,alpha,src2,beta, 0.0,dst);//融合函数，需两幅图像一样大图像的亮度调整算法：相应的代码for( int y = 0;y < image.rows;y++ ){ for( int x = 0;x < image.cols;x++ ){ for( int c = 0;c < 3;c++ ) //三个通道分别运算{new_image.at<Vec3b>(y,x)[c] =saturate_cast<uchar>(alpha*(image.at<Vec3b>(y,x)[c]) + beta);}}}Mat::zeros(image.size(),image.type());//创建0阵image.convertTo(new_image, -1,alpha,beta);//线性图像变换图元：Point pt = Point(10, 8);//点的坐标Scalar(B,G,R) ;//给出像素的颜色值ellipse( img,Point(x,y),Size(x,y), angle,0, 360,Scalar( 255, 0, 0 ),thickness, lineType );//画椭圆，img图像名，point中心点，size大小，angle角度，0，起始点角度，360终点角度，scalar色彩，thickness线宽（-1为全填充），lineType 线型；调用时凡是给定的参数不管，只需给出其他参数，例如Ellipse( atom_image, 90 );给出了图像名和角度，其他量为已知。

读入图像﹑显示图像和保存图像是图像处理过程中最基本的,也是必不可少的操作.配置好OpenCV以后,包含以下两个头文件:#include "cv.h"#include "highgui.h"IplImage* image=cvLoadImage("D:\\123.jpg",-1);//函数cvLoadImage()的第1个参数是图像文件的路径.//第2个参数是读取图像的方式:-1表示按照图像本身的类型来读取,1表示强制彩色化,0表示//强制灰值化.if(image==NULL){MessageBox("无法读取图像数据!", "提示",MB_OK);//在MFC工程中这样用//若在win32控制台程序中,用printf("无法读取图像数据!\n");return;//不作任何操作,就不会执行后面的程序了}cvNamedWindow("图像显示",CV_WINDOW_AUTOSIZE);//该函数的功能是按照指定方式创建一个窗口,用于显示图像.//第1个参数是窗口的名称,自己可以任意设置//第2个参数表示窗口的大小会自动根据图像尺寸而变化cvShowImage("图像显示",image);//该函数的功能是在指定的窗口上显示图像.//第1个参数是显示图像窗口的名称//第2个参数是要显示的图像cvSaveImage("D:\\saveImage.jpg",image);//该函数的功能是将图像另存为//第1个参数是保存的路径,自己可以设置其它路径//第2个参数是要保存的图像cvWaitKey(0);//一直等待按键没有这句的话图像不能正常显示cvReleaseImage(&image);//释放图像内存cvDestroyWindow("图像显示");//销毁窗口资源//读取和显示完图像之后,要及时释放所占的内存资源.运行示例:。

CVMat是OpenCV中用于表示和操作图像的数据类型之一。

在图像处理和计算机视觉应用中，经常需要对图像进行像素级的操作，而读取像素值是其中一个基本操作。

掌握CVMat高效读取像素值的方法对于图像处理的效率至关重要。

1. CVMat简介CVMat是OpenCV中用于存储图像数据的多维数组类型。

它允许用户访问和操作图像的像素值，并提供了丰富的函数和方法用于图像处理、分析和计算。

CVMat类型的对象可以直接从文件中读取图像数据，也可以由用户创建，并通过矩阵操作进行图像处理。

2. 像素值的表示在CVMat中，图像的像素值通常以矩阵的形式存储。

对于灰度图像，每个像素值由一个标量表示；对于彩色图像，每个像素值通常由三个标量表示，分别代表红、绿、蓝三个通道的数值。

读取像素值的基本操作就是获取对应位置的标量或标量组。

3. 读取灰度图像的像素值在CVMat中，可以使用"at<>"方法来获取特定位置的像素值。

对于灰度图像mat，可以使用mat.at<uchar>(i, j)来获取第i行第j列位置的像素值，其中uchar表示像素值的数据类型。

这种方法直接通过索引来访问像素值，效率较高。

4. 读取彩色图像的像素值对于彩色图像，由于每个像素点有三个通道的像素值，因此需要使用Vec3b类型来表示。

对于彩色图像mat，可以使用mat.at<Vec3b>(i, j)来获取第i行第j列位置的像素值，返回一个包含三个标量的Vec3b对象。

同样地，这种方法也是直接通过索引来访问像素值，效率也较高。

5. 使用指针访问像素值除了直接使用at<>方法来访问像素值外，还可以使用指针来加速像素值的读取操作。

通过将CVMat对象的数据指针进行类型转换，可以直接通过指针来访问像素值，从而避免了at<>方法中的索引操作，提高了读取像素值的效率。

6. 读取像素值的性能比较针对不同的图像处理应用场景，可以根据实际需求选择不同的方法来读取像素值。

目录1引言 (1)2 OpenCV的结构 (1)3 VC 6下的安装与配置 (2)3.1安装OpenCV(略) (2)3.2 配置Windows环境变量 (2)4 VC++的环境设置 (4)5如何创建一个项目来开始OpenCV 编程 (5)6如何读入和显示图像 (7)7如何访问图像像素 (10)8如何访问矩阵元素 (11)9如何在OpenCV 中处理我自己的数据 (12)10. 例程 (13)10.1 Kalman滤波进行旋转点的跟踪 (13)10.2 背景建模 (16)10.3 视频I/O (21)10.4 矩阵操作 (23)10.5 轮廓检测 (27)1引言OpenCV(Intel® Open Source Computer Vision Library) 是Intel 公司面向应用程序开发者开发的计算机视觉库,其中包含大量的函数用来处理计算机视觉领域中常见的问题,例如运动分析和跟踪、人脸识别、3D 重建和目标识别等。

目前该函数库的最新版本是OpenCV 4.0，可以通过访问/projects/opencvlibrary免费获得OpenCV 库以及相关的资料。

另外，还可以通过访问/group/OpenCV，对于OpenCV使用中的一些问题与经验进行讨论。

相对于其它图像函数库，OpenCV是一种源码开放式的函数库，开发者可以自由地调用函数库中的相关处理函数。

OpenCV中包含500多个处理函数，具备强大的图像和矩阵运算能力，可以大大减少开发者的编程工作量，有效提高开发效率和程序运行的可靠性。

另外，由于OpenCV具有很好的移植性，开发者可以根据需要在MS-Windows和Linux两种平台进行开发,速度快,使用方便。

2 OpenCV的结构目前OpenCV包含如下几个部分：Cxcore: 一些基本函数（各种数据类型的基本运算等）Cv: 图像处理和计算机视觉功能（图像处理，结构分析，运动分析，物体跟踪，模式识别，摄像定标）Highgui: 用户交互部分（GUI, 图像视频I/O, 系统调用函数）Cvaux: 一些实验性的函数（ViewMorphing, 三维跟踪，PCA，HMM）另外还有cvcam, 不过linux版本中已经抛弃。