【文章內容簡介】 ntel公司在早期公布的 IPP 圖像處理開發(fā)包中對于相關結構的定義。因為OpenCV主要針對計算機視覺方面的處理，所以，在這個函數庫中，IplImage結構是最為關鍵重要的結構體。IplImage結構源自Intel的另一函數庫Intel Image Processing Library (IPL)。IplImage結構定義如下：typedef struct _IplImage{int nSize。 /* 大小 */int ID。 /* 版本 */int nChannels。 /* 通道 */int alphaChannel。 int depth。 /* 像素的位深度 */char colorModel[4]。 char channelSeq[4]。 int dataOrder。 int origin。 /*原點位置*/int align。 /*行排列方式 */int width。 /* 寬像素數 */int height。 /* 高像素數*/struct _IplROI * roi。 /* 圖像感興趣區(qū)域*/struct _IplImage * maskROI。 /* NULL */void * imageId。 /* NULL */struct _IplTileInfo * tileInfo。 /* NULL */int imageSize。 /* 數據大小*/char * imageData。 /* 指向排列的圖像數據 */int widthStep。 /* 排列的圖像行大小*/int BorderMode[4]。 int BorderConst[4]。char *imageDataOrigin。} IplImage。IplImage是整個OpenCV函數庫的基礎，在定義該結構變量時會用到函數cvCreatImage。 OpenCV圖像/視頻處理流程 OpenCV 圖像處理流程：（1）加載需要處理的圖像，這可以使用函數cvLoadImage實現；（2）使用圖像處理算法對圖像進行處理，OpenCV提供了很多圖像處理算法，比如邊緣檢測、圖像旋轉等等，但有些算法需要自己編寫；（3）對圖像處理的結果進行可視化顯示或保存，可使用cvShowImage函數對處理結果進行顯示和使用cvSaveImage函數將結果圖像保存到相應位置；（4）卸載加載的圖像，這可以用函數cvReleaseImage進行實現。如下的示例代碼是使用OpenCV讀取保存在指定位置的圖片，把它轉化成灰度圖像后對處理結果進行顯示和保存。從這個實例我們可以看出：使用OpenCV可以很簡單的實現對圖像數據的讀取操作和顯示保存操作。圖 OpenCV圖像處理基本流程IplImage* colorImg = NULL。 //定義IplImage型變量IplImage* grayImg = NULL。colorImg = cvLoad(“D:\\”)。 //加載圖像grayImg=cvCreateImage(cvGetSize(colorImg),colorImgdepth,1)。 //創(chuàng)建灰度圖像cvCvtColor(colorImg, grayImg, CV_RGB2GRAY)。 //轉化為灰度圖像cvNamedWindow (“處理結果”, 1)。 //定義窗口用于顯示結果cvShowImage(“處理結果”, grayImg)。 //在窗體上顯示處理結果cvSaveImge(“D:\\”, grayImg)。 //將顯示結果進行保存cvReleaseImg(amp。grayImg)。 //卸載圖像 OpenCV 視頻處理流程視頻是由一幀幀的圖像構成的，對于視頻的處理可以轉化成對于一系列圖像的處理，：（1）加載需要處理的視頻文件，對于avi視頻文件可使用函數cvCaptureFromFile來加載，如果要從攝像頭實時捕獲視頻則要用函數cvCreateCameraCapture來創(chuàng)建攝像頭；（2）使用cvQueryFrame從前面已經創(chuàng)建的Capture中抓取一幀圖像，如果抓取不成功則說明視頻處理完備，此時要用函數cvReleaseCapture卸載視頻文件，否則對所抓取的圖像進行所要求的處理；（3）對圖像處理的結果進行可視化顯示或保存，可使用cvShowImage函數對處理結果進行顯示和使用cvSaveImage函數將結果圖像保存到相應位置，此外還可以使用cvWriteFrame函數把所有處理的結果保存成一個AVI視頻文件；（4）卸載加載的圖像，這可以用函數cvReleaseImage進行實現。圖 OpenCV視頻處理基本流程如下的示例代碼是使用OpenCV從攝像頭或者視頻文件捕獲視頻流數據，把它轉化成灰度圖像后對處理結果進行顯示和保存。從這個實例我們可以看出：使用OpenCV可以很簡單的實現對視頻數據的讀取操作和顯示保存操作。CvCapture* pCapture = NULL。 //定義cvCapture結構pCapture = cvCreateCameraCapture(0)。 //從攝像頭獲取視頻流//pCapture = cvCaptureFromFile(“D:\\”)。 //從AVI視頻文件獲取視頻流IplImage* colorImg = NULL。 //定義IplImage型變量IplImage* grayImg = NULL。CvVideoWriter* pVideoWriter = NULL。int N = 0。while(1){ N++。 colorImg = cvQueryFrame(pCapture)。 //抓取一幀圖像if(N==1) pVideoWriter =cvCreateVideoWriter(, CV_FOURCC(39。X39。, 39。V39。, 39。I39。, 39。D39。), 25,cvSize(colorImgwidth,colorImgheight))。 if (colorImg == NULL) break。 //抓取失敗就退出grayImg=cvCreateImage(cvGetSize(colorImg),colorImgdepth,1)。 cvCvtColor(colorImg, grayImg, CV_RGB2GRAY)。 //轉化為灰度圖像cvNamedWindow (“處理結果”, 1)。 //定義窗口用于顯示結果cvShowImage(“處理結果”, grayImg)。 //在窗體上顯示處理結果cvSaveImge(“D:\\”, grayImg)。 //將顯示結果進行保存cvWriteVideo(pVideoWriter, grayImg)。 //保存成視頻文件cvReleaseImg(amp。grayImg)。 //卸載圖像}cvReleaseCapture(amp。pCapture)。 //卸載視頻cvReleaseVideoWriter(amp。pVideoWriter)。 //卸載VideoWriter 本章小結本章對于OpenCV 這個開源視覺庫進行了較為簡單的介紹，對OpenCV 較之其他視頻處理軟件的突出優(yōu)點做出分析，也對其中一些重要的數據函數的結構做了一定的介紹，重點對使用OpenCV進行圖像/視頻數據的讀取操作基本的流程進行了簡單的介紹。第三章 模板匹配認知是一個把未知與已知聯系起來的過程。對一個復雜的視覺系統(tǒng)來說，他的內部常同時存在著多種輸入和其他知識共存的表達形式。感知是把視覺輸入與事先已有表達結合的過程，而識別與需要建立或發(fā)現各種內部表達式之間的聯系。匹配就是建立這些聯系的技術和過程。建立聯系的目的是為了用已知解釋未知。匹配，就是機器在辨別接收的輸入的信息的時候，將兩幅或以上的圖像在空間的基礎上進行對準的過程，而這些進行對準的圖像可以源自同一個傳感器，也可以來自不同的傳感器，獲取圖像的時間也可以不盡相同，但是要保證圖像的來源是在同一景象中。也可以這么說，根據機器所已知的模式在另一相對來說更大的圖像中尋找對應的模式的過程就叫匹配。那么，遙感圖像處理則是基于不同波段的傳感器在景物多光譜圖像中按照像點這個標準進行對照獲取數據，然后根據其性質分類。而在同一景象中獲取的兩個圖片，差別也許只是獲取的時間不一樣，那么通過對準后就會找到兩幅圖片中發(fā)生了變化的特征像點，這些像點就作為數據來描述景象中那些變化了的構成部分；而深度信息，簡單來說就是距離，而這個間距就是是兩個機器對同一個物體進行拍攝所得到的兩張圖片時放置的同樣的距離，它是通過找出來的這兩個圖片中對應點來準確計算出來的。普通的圖像匹配技術是利用已知模板以及某種算法對要進行識別的圖像進行匹配計算從而獲得圖像中是不是包含有對應模板的信息和坐標的。作為數字圖像處理的關鍵組成部分，模板匹配的概念就是機器在辨別接收的輸入的信息的時候，將兩幅或以上的圖像在空間的基礎上進行對準的過程，而這些進行對準的圖像可以源自同一個傳感器，也可以來自不同的傳感器，獲取圖像的時間也可以不盡相同，但是要保證圖像的來源是在同一景象中。也可以這么說，根據機器所已知的模式在另一相對來說更大的圖像中尋找對應的模式的過程就