【正文】 ,y39。,y39。,y39。連通性由象素值的接近程度來衡量。填充不會經(jīng)過 MASK 的非零象素, 例如，一個邊緣檢測子的輸出可以用來作為 MASK 來阻止填充邊緣。 CV_FLOODFILL_FIXED_RANGE 如果設(shè)置，則考慮當(dāng)前象素與種子象素之間的差，否則考慮當(dāng)前象素與其相鄰象素的差。對 8比特 彩色圖像，它是一個 packed value. up_diff 當(dāng)前觀察象素值與其部件領(lǐng)域象素或者待加入該部件的種子象素之正差(upper difference)的最大值。 /* 分割域的 ROI */} CvConnectedComp。（hunnish: 原理不清楚，尚待探討）PyrUp圖像的上采樣void cvPyrUp( const CvArr* src, CvArr* dst, int filter=CV_GAUSSIAN_5x5 )。對方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C ，先求出塊中的加權(quán)和(gaussian)， 再減掉param1。 CV_THRESH_BINARY, (cvCmpS 也可以達(dá)到此目的) 或者是去掉噪聲，例如過濾很小或很大象素值的圖像點。比如說，上述的模式具有很流行的BG類型。有的地方也稱為HSI，其中I表示intensity(強度)轉(zhuǎn)換公式見函數(shù)忽略 IplImage 頭中定義的 colorModel 和 channelSeq 域，所以輸入圖像的色彩空間應(yīng)該正確指定 (包括通道的順序，對RGB空間而言，BGR 意味著布局為 B0 G0 R0 B1 G1 R1 ... 層疊的 24位格式，而 RGB 意味著布局為 R0 G0 B0 R1 G1 B1 ... 層疊的24位格式. 函數(shù)做如下變換：RGB 空間內(nèi)部的變換，如增加/刪除 alpha 通道，反相通道順序，到16位 RGB彩色或者15位RGB彩色的正逆轉(zhuǎn)換(Rx5:Gx6:Rx5),以及到灰度圖像的正逆轉(zhuǎn)換，使用：RGB[A]Gray: Y=*R + *G + *B + 0*AGrayRGB[A]: R=Y G=Y B=Y A=0所有可能的圖像色彩空間的相互變換公式列舉如下：RGB=XYZ (CV_BGR2XYZ, CV_RGB2XYZ, CV_XYZ2BGR, CV_XYZ2RGB):|X| | | |R||Y| = | |*|G||Z| | | |B||R| | | |X||G| = | |*|Y||B| | | |Z|RGB=YCrCb (CV_BGR2YCrCb, CV_RGB2YCrCb, CV_YCrCb2BGR, CV_YCrCb2RGB)Y=*R + *G + *BCr=(RY)* + 128Cb=(BY)* + 128R=Y + *(Cr 128)G=Y *(Cr 128) *(Cb 128)B=Y + *(Cb 128)RGB=HSV (CV_BGR2HSV,CV_RGB2HSV)V=max(R,G,B)S=(Vmin(R,G,B))*255/V if V!=0, 0 otherwise (G B)*60/S, if V=RH= 180+(B R)*60/S, if V=G 240+(R G)*60/S, if V=Bif H0 then H=H+360使用上面從 0176。利用積分圖像，可以計算在某象素的上－右方的或者旋轉(zhuǎn)的矩形區(qū)域中進(jìn)行求和、求均值以及標(biāo)準(zhǔn)方差的計算，并且保證運算的復(fù)雜度為O(1)。sqsum(X,Y) =∑image(x,y)2例如：和opencv中大多數(shù)其他濾波函數(shù)一樣，一些形態(tài)學(xué)函數(shù)內(nèi)部使用復(fù)制邊界類型，但是用戶可能需要零邊界或者填充為1或255的邊界。（其他兩種IPL邊界類型， IPL_BORDER_REFLECT 和IPL_BORDER_WRAP現(xiàn)已不支持）。 offset 輸入圖像（或者其ROI）欲拷貝到的輸出圖像長方形的左上角坐標(biāo)（或者左下角坐標(biāo)，如果以左下角為原點）。CopyMakeBorder復(fù)制圖像并且制作邊界。 錨點應(yīng)該處于核內(nèi)部。高斯濾波 高斯濾波實質(zhì)上是一種信號的濾波器，其用途是信號的平滑處理，我們知道數(shù)字圖像用于后期應(yīng)用，其噪聲是最大的問題，由于誤差會累計傳遞等原因，很多圖像處理教材會在很早的時候介紹Gauss濾波器，用于得到信噪比SNR較高的圖像（反應(yīng)真實信號）。中值濾波在圖像處理中,常用于用來保護(hù)邊緣信息,是經(jīng)典的平滑噪聲的方法中值濾波原理 中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個拎域中各點值的中值代替，讓周圍的像素值接近的值，從而消除孤立的噪聲點。這兩種方法可以（inplace）方式處理圖像。如果 param3 不為零，而 param1 和 param2 為零，則核大小有 sigma 計算 (以保證足夠精確的操作).函數(shù) cvSmooth 可使用上面任何一種方法平滑圖像。 CV_GAUSSIAN (gaussian blur) 對圖像進(jìn)行核大小為 param1param2 的高斯卷積 CV_BLUR_NO_SCALE (簡單不帶尺度變換的模糊) 對每個象素的 param1param2 領(lǐng)域求和。MorphologyEx高級形態(tài)學(xué)變換void cvMorphologyEx( const CvArr* src, CvArr* dst, CvArr* temp, IplConvKernel* element, int operation, int iterations=1 )。) in element))src(x+x39。Dilate使用任意結(jié)構(gòu)元素膨脹圖像void cvDilate( const CvArr* src, CvArr* dst, IplConvKernel* element=NULL, int iterations=1 )。) in element))src(x+x39。Erode使用任意結(jié)構(gòu)元素腐蝕圖像void cvErode( const CvArr* src, CvArr* dst, IplConvKernel* element=NULL, int iterations=1 )。 函數(shù) cv CreateStructuringElementEx 分配和填充結(jié)構(gòu) IplConvKernel, 它可作為形態(tài)操作中的結(jié)構(gòu)元素。這種情況下參數(shù) values 定義了 mask,即象素的那個鄰域必須考慮。 cols 結(jié)構(gòu)元素的列數(shù)目 rows 結(jié)構(gòu)元素的行數(shù)目 anchor_x 錨點的相對水平偏移量 anchor_y 錨點的相對垂直偏移量 shape 結(jié)構(gòu)元素的形狀，可以是下列值： cvShowImage( inverse logpolar, src2 )。 cvLogPolar( dst, src2, cvPoint2D32f(srcwidth/2,srcheight/2), 40, CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS+CV_WARP_INVERSE_MAP )。 (src=cvLoadImage(argv[1],1) 函數(shù)cvLogPolar用以下變換變換輸入圖像：正變換 (CV_WARP_INVERSE_MAP 未置位):dst(phi,rho)src(x,y)逆變換 (CV_WARP_INVERSE_MAP 置位):dst(x,y)src(phi,rho),這里，rho=M*log(sqrt(x2+y2))phi=atan(y/x)此函數(shù)模仿人類視網(wǎng)膜中央凹視力，并且對于目標(biāo)跟蹤等可用于快速尺度和旋轉(zhuǎn)變換不變模板匹配。 center 變換的中心，輸出圖像在這里最精確。 fillval 用來填充邊界外面的值. 函數(shù) cvRemap 利用下面指定的矩陣變換輸入圖像:dst(x,y)src(mapx(x,y),mapy(x,y))與其它幾何變換類似，可以使用一些插值方法（由用戶指定，譯者注：同cvResize）來計算非整數(shù)坐標(biāo)的像素值。i),src(i) = (xi,yi),i = 0..3. map_matrix 指向33輸出矩陣的指針。i,y39。WarpPerspectiveQMatrix用4個對應(yīng)點計算透視變換矩陣CvMat* cvWarpPerspectiveQMatrix( const CvPoint2D32f* src, const CvPoint2D32f* dst, CvMat* map_matrix )。否則, 函數(shù)從 map_matrix 得到反變換。src 輸入圖像. dst 輸出圖像. map_matrix 33 變換矩陣 flags 插值方法和以下開關(guān)選項的組合: i,y39。src 輸入圖像的三角形頂點坐標(biāo)。 cvWarpAffine 要求輸入和輸出圖像具有同樣的數(shù)據(jù)類型，有更大的資源開銷（因此對小圖像不太合適）而且輸出圖像的部分可以保留不變。否則, 函數(shù)從 map_matrix 得到反變換。src 輸入圖像. dst 輸出圖像. map_matrix 23 變換矩陣 flags 插值方法和以下開關(guān)選項的組合： 當(dāng)圖像縮小時候，該方法可以避免波紋出現(xiàn)。src 輸入圖像. dst 輸出圖像. interpolation 插值方法: if( cvWaitKey(5) == 27 ) break。 cvGetQuadrangleSubPix( src, dst, amp。 m[2] = w*。 int w = srcwidth。 for(。 int delta = 1。例子：使用 cvGetQuadrangleSubPix 進(jìn)行圖像旋轉(zhuǎn)include include include int main( int argc, char** argv ){ IplImage* src。src 輸入圖像. dst 提取的四邊形. map_matrix 3 2 變換矩陣 [A|b] （見討論）. 函數(shù) cvGetQuadrangleSubPix 以子象素精度從圖像 src 中提取四邊形，使用子象素精度，并且將結(jié)果存儲于 dst ,計算公式是：dst(x + width(dst) / 2,y + height(dst) / 2) = src(A11x + A12y + b1,A21x + A22y + b2)其中 A和 b 均來自映射矩陣(譯者注：A, b為幾何形變參數(shù)) ，映射矩陣為：其中在非整數(shù)坐標(biāo) 中心必須位于圖像內(nèi)部. 函數(shù) cvGetRectSubPix 從圖像 src 中提取矩形:dst(x, y) = src(x + (width(dst)1)*, y + (height(dst)1)*)其中非整數(shù)象素點坐標(biāo)采用雙線性插值提取。image 輸入圖像 pt1 光柵線段的起點 pt2 光柵線段的終點 buffer 存儲線段點的緩存區(qū)，必須有足夠大小來存儲點 max( ||+1, ||+1 ) ：8－連通情況下，或者 ||+||+1 ： 4－連通情況下. connectivity 線段的連通方式, 4 or 8. 函數(shù) cvSampleLine 實現(xiàn)了線段迭代器的一個特殊應(yīng)用。 x = (offset y*imagewidthStep)/(3*sizeof(uchar) /* size of pixel */)。 CV_NEXT_LINE_POINT(iterator)。 i count。 int blue_sum = 0, green_sum = 0, red_sum = 0。兩個點必須在圖像內(nèi)。下一步將最小特征值小于 quality_level?max(eig_image(x,y)) 排除掉。mask對應(yīng)的點不為0，表示計算該點。得到的角點的最小距離。GoodFeaturesToTrack確定圖像的強角點void cvGoodFeaturesToTrack( const CvArr* image, CvArr* eig_image, CvArr* temp_image, CvPoint2D32f* corners, int* corner_count, double quality_level, double min_distance, const CvArr* mask=NULL )。子象素級角點定位的實現(xiàn)是基于對向量正交性的觀測而實現(xiàn)的，即從中央點q到其鄰域點p 的向量和p點處的圖像梯度正交（服從圖像和測量噪聲）。 criteria 求角點的迭代過程的終止條件。image 輸入