【正文】 )g+up_diffg 和 src。)glo_diffg=src(x,y)g=src(x39。)r+up_diffr 和 src(x39。)rlo_diffr=src(x,y)r=src(x39。)+up_diff, 灰度圖像，浮動(dòng)范圍 src(,)lo=src(x,y)=src(,)+up_diff, 灰度圖像，固定范圍 src(x39。)lo_diff=src(x,y)=src(x39。在點(diǎn) (x, y) 的象素被認(rèn)為是屬于重新繪制的區(qū)域，如果：src(x39。 函數(shù) cvFloodFill 用指定顏色，從種子點(diǎn)開(kāi)始填充一個(gè)連通域?；蛘哂锌赡茉诙啻蔚暮瘮?shù)調(diào)用中使用同一個(gè) MASK，以保證填充的區(qū)域不會(huì)重疊。若非空，則函數(shù)使用且更新掩模, 所以使用者需對(duì) mask 內(nèi)容的初始化負(fù)責(zé)。(范圍是浮點(diǎn)數(shù)). 高位比特可以是 0 或下面的開(kāi)關(guān)選項(xiàng)的組合： 對(duì) 8比特 彩色圖像，它是一個(gè) packed value. p 指向部件結(jié)構(gòu)體的指針，該結(jié)構(gòu)體的內(nèi)容由函數(shù)用重繪區(qū)域的信息填充。輸入的圖像將被函數(shù)的操作所改變，除非你選擇 CV_FLOODFILL_MASK_ONLY 選項(xiàng) (見(jiàn)下面). seed_point 開(kāi)始的種子點(diǎn). new_val 新的重新繪制的象素值 lo_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負(fù)差(Lower difference)的最大值。FloodFill用指定顏色填充一個(gè)連接域void cvFloodFill( CvArr* image, CvPoint seed_point, CvScalar new_val, CvScalar lo_diff=cvScalarAll(0), CvScalar up_diff=cvScalarAll(0), CvConnectedComp* p=NULL, int flags=4, CvArr* mask=NULL )。 /* 分割域的灰度縮放值 */ CvRect rect。連接部件CvConnectedComp連接部件typedef struct CvConnectedComp{ double area。所以輸出圖像是輸入圖像的 4 倍大小。src 輸入圖像. dst 輸出圖像, 寬度和高度應(yīng)是輸入圖像的2倍 filter 卷積濾波器的類型，目前僅支持 CV_GAUSSIAN_5x5 函數(shù) cvPyrUp 使用Gaussian 金字塔分解對(duì)輸入圖像向上采樣。首先它對(duì)輸入圖像用指定濾波器進(jìn)行卷積，然后通過(guò)拒絕偶數(shù)的行與列來(lái)下采樣圖像。金字塔及其應(yīng)用PyrDown圖像的下采樣void cvPyrDown( const CvArr* src, CvArr* dst, int filter=CV_GAUSSIAN_5x5 )。 函數(shù) cvAdaptiveThreshold 將灰度圖像變換到二值圖像，采用下面公式：threshold_type=CV_THRESH_BINARY:dst(x,y) = max_value, if src(x,y)T(x,y) 0, otherwisethreshold_type=CV_THRESH_BINARY_INV:dst(x,y) = 0, if src(x,y)T(x,y) max_value, otherwise其中 TI 是為每一個(gè)象素點(diǎn)單獨(dú)計(jì)算的閾值對(duì)方法 CV_ADAPTIVE_THRESH_MEAN_C，先求出塊中的均值，再減掉param1。 CV_THRESH_BINARY_INV block_size 用來(lái)計(jì)算閾值的象素鄰域大小: 3, 5, 7, ... param1 與方法有關(guān)的參數(shù)。src 輸入圖像. dst 輸出圖像. max_value 使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值. adaptive_method 自適應(yīng)閾值算法使用：CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C （見(jiàn)討論）. threshold_type 取閾值類型：必須是下者之一 本函數(shù)支持的對(duì)圖像取閾值的方法由 threshold_type 確定:threshold_type=CV_THRESH_BINARY:dst(x,y) = max_value, if src(x,y)threshold 0, otherwisethreshold_type=CV_THRESH_BINARY_INV:dst(x,y) = 0, if src(x,y)threshold max_value, otherwisethreshold_type=CV_THRESH_TRUNC:dst(x,y) = threshold, if src(x,y)threshold src(x,y), otherwisethreshold_type=CV_THRESH_TOZERO:dst(x,y) = src(x,y), if (x,y)threshold 0, otherwisethreshold_type=CV_THRESH_TOZERO_INV:dst(x,y) = 0, if src(x,y)threshold src(x,y), otherwise下面是圖形化的閾值描述：該函數(shù)的典型應(yīng)用是對(duì)灰度圖像進(jìn)行閾值操作得到二值圖像。Threshold對(duì)數(shù)組元素進(jìn)行固定閾值操作void cvThreshold( const CvArr* src, CvArr* dst, double threshold, double max_value, int threshold_type )。轉(zhuǎn)換常量CV_BayerC1C22{RGB|RGB}中的兩個(gè)字母C1和C2表示特定的模式類型：顏色份量分別來(lái)自于第二行，第二和第三列。Bayer=RGB (CV_BayerBG2BGR, CV_BayerGB2BGR, CV_BayerRG2BGR,CV_BayerGR2BGR, CV_BayerBG2RGB, CV_BayerRG2BGR, CV_BayerGB2RGB,CV_BayerGR2BGR, CV_BayerRG2RGB, CV_BayerBG2BGR, CV_BayerGR2RGB,CV_BayerGB2BGR)Bayer 模式被廣泛應(yīng)用于 CCD 和 CMOS 攝像頭. 它允許從一個(gè)單獨(dú)平面中得到彩色圖像，該平面中的 R/G/B 象素點(diǎn)被安排如下：RGRGRGBGBGRGRGRGBGBGRGRGRGBGBG對(duì)像素輸出的RGB份量由該像素的2或者4鄰域中具有相同顏色的點(diǎn)插值得到。RGB=Lab (CV_BGR2Lab, CV_RGB2Lab)|X| | | |R/255||Y| = | |*|G/255||Z| | | |B/255|L = 116*Y1/3 for YL = *Y for Y=a = 500*(f(X)f(Y))b = 200*(f(Y)f(Z))where f(t)=t1/3 for t f(t)=*t+16/116 for t=上面的公式可以參考 RGB=HLS (CV_BGR2HLS, CV_RGB2HLS)HSL 表示 hue(色相)、saturation(飽和度)、lightness(亮度)。 到 360176。src 輸入的 8bit , 16bit 或 32bit 單倍精度浮點(diǎn)數(shù)影像. dst 輸出的 8bit , 16bit 或 32bit 單倍精度浮點(diǎn)數(shù)影像. code 色彩空間轉(zhuǎn)換，通過(guò)定義 CV_src_color_space2dst_color_space 常數(shù) (見(jiàn)下面). 函數(shù) cvCvtColor 將輸入圖像從一個(gè)色彩空間轉(zhuǎn)換為另外一個(gè)色彩空間。例如：因此可以在變化的窗口內(nèi)做快速平滑或窗口相關(guān)等操作。y Y, | x ? X | yx X,y Yx X,y YIntegral計(jì)算積分圖像void cvIntegral( const CvArr* image, CvArr* sum, CvArr* sqsum=NULL, CvArr* tilted_sum=NULL )。函數(shù)可以用來(lái)模擬和嵌入在指定算法實(shí)現(xiàn)中的邊界不同的類型。 value 如果邊界類型為IPL_BORDER_CONSTANT的話，那么此為邊界像素的值。IPL_BORDER_REPLICATE 邊界用上下行或者左右列來(lái)復(fù)制填充。長(zhǎng)方形的尺寸要和原圖像的尺寸的ROI分之一匹配。 dst 輸出圖像。void cvCopyMakeBorder( const CvArr* src, CvArr* dst, CvPoint offset, int bordertype, CvScalar value=cvScalarAll(0) )。當(dāng)核運(yùn)算部分超出輸入圖像時(shí)，函數(shù)從最近鄰的圖像內(nèi)部象素插值得到邊界外面的象素值。缺省值 (1,1) 表示錨點(diǎn)在核中心。 anchor 核的錨點(diǎn)表示一個(gè)被濾波的點(diǎn)在核內(nèi)的位置。Filter2D對(duì)圖像做卷積void cvFilter2D( const CvArr* src, CvArr* dst, const CvMat* kernel, CvPoint anchor=cvPoint(1,1))。采用高斯濾波器的話，系統(tǒng)函數(shù)是平滑的，避免了振鈴現(xiàn)象。于此相關(guān)的有GaussLapplace變換，其實(shí)就是為了得到較好的圖像邊緣，先對(duì)圖像做Gauss平滑濾波，剔除噪聲，然后求二階導(dǎo)矢，用二階導(dǎo)的過(guò)零點(diǎn)確定邊緣，在計(jì)算時(shí)也是頻域乘積=空域卷積。W為二維模板，通常為2*2，3*3區(qū)域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環(huán)形等。方法是去某種結(jié)構(gòu)的二維滑動(dòng)模板，將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升（或下降）的為二維數(shù)據(jù)序列。實(shí)現(xiàn)方法： 1. 通過(guò)從圖像中的某個(gè)采樣窗口取出奇數(shù)個(gè)數(shù)據(jù)進(jìn)行排序 2. 用排序后的中值取代要處理的數(shù)據(jù)即可 中值濾波法對(duì)消除椒鹽噪音非常有效，在光學(xué)測(cè)量條紋圖象的相位分析處理方法中有特殊作用，但在條紋中心分析方法中作用不大。中值和雙向?yàn)V波工作于 1 或 3通道， 8位圖像，但是不能以 inplace 方式處理圖像.簡(jiǎn)單模糊和高斯模糊支持 1 或 3通道, 8比特 和 32比特 浮點(diǎn)圖像。每一種方法都有自己的特點(diǎn)以及局限。 param3 對(duì)應(yīng)高斯參數(shù)的 Gaussian sigma (標(biāo)準(zhǔn)差). 如果為零，則標(biāo)準(zhǔn)差由下面的核尺寸計(jì)算： sigma = (n/2 1)* + , 其中 n=param1 對(duì)應(yīng)水平核, n=param2 對(duì)應(yīng)垂直核.對(duì)小的卷積核 (33 to 77) 使用如上公式所示的標(biāo)準(zhǔn) sigma 速度會(huì)快。 CV_MEDIAN (median blur) 對(duì)圖像進(jìn)行核大小為param1param1 的中值濾波 (. 鄰域是方的). CV_BLUR (simple blur) 對(duì)每個(gè)象素param1param2鄰域 求和并做尺度變換 1/(param1?param2). 如果鄰域大小是變化的，可以事先利用函數(shù) cvIntegral 計(jì)算積分圖像。src 輸入圖像. dst 輸出圖像. smoothtype 平滑方法: src 輸入圖像. dst 輸出圖像. temp 臨時(shí)圖像，某些情況下需要 element 結(jié)構(gòu)元素 operation 形態(tài)操作的類型: CV_MOP_OPEN 開(kāi)運(yùn)算 CV_MOP_CLOSE 閉運(yùn)算 CV_MOP_GRADIENT 形態(tài)梯度 CV_MOP_TOPHAT 頂帽 CV_MOP_BLACKHAT 黑帽 iterations 膨脹和腐蝕次數(shù). 函數(shù) cvMorphologyEx 在膨脹和腐蝕基本操作的基礎(chǔ)上，完成一些高級(jí)的形態(tài)變換：開(kāi)運(yùn)算 dst=open(src,element)=dilate(erode(src,element),element) 閉運(yùn)算 dst=close(src,element)=erode(dilate(src,element),element) 形態(tài)梯度 dst=morph_grad(src,element)=dilate(src,element)erode(src,element) 頂帽 dst=tophat(src,element)=srcopen(src,element) 黑帽 dst=blackhat(src,element)=close(src,element)src 臨時(shí)圖像 temp 在形態(tài)梯度以及對(duì)“頂帽”和“黑帽