一位友好人士做的B站OpenCV4.x C++ 快速入门30讲视频课程的笔记总结！我只能点赞了！

环境配置了一个早上，到10.48分配置完毕，有点难受。还好最后显示出第一张图片。

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;
int main() 
{

    Mat src = imread("D:/images/011.jpg",IMREAD_GRAYSCALE);//读取进来的数据以矩阵的形势,第二个参数代表显示一张灰度图像。
    if (src.empty()) 
    {
        printf("could not load image");//如果图片不存在 将无法读取，打印到终端。
    }
    //超过屏幕的图像无法显示时候调用此函数。
    namedWindow("输入窗口", WINDOW_FREERATIO);//创建了一个新窗口，参数1表示名称，第二个参数代表一个自由的比例
    imshow("输入窗口", src);//表示显示在新创建的输入窗口上，第一个参数表示窗口名称，src表示数据对象Mat 
    waitKey(0);//执行到这句，程序阻塞。参数表示延时时间。单位ms
    destroyAllWindows();//销毁前面创建的显示窗口
    return 0;
}

第一节课介绍了如何读取第一张图片，并且显示出来，通过调用imread函数读取照片，再调用imshow显示图片到窗口。同时，讲述了如何打印灰度图像，图片读取失败的处理方式，代码注释详细介绍了每条语句的意思。

1、色彩空间转换函数 cvtColor
2、图像的保存

#include<opencv2/opencv.hpp>
using namespace cv;

class QuickDemo //创建一个QuickDemo对象
{
    public:
        void colorSpace_Demo(Mat &imge); //定义一个类，里面包含输入一个图片，对图片操作
};

#include<quickopencv.h>
void QuickDemo::colorSpace_Demo(Mat &image)
{
    Mat gray, hsv;//定义2个矩阵类的图像gray和hsv，
    cvtColor(image,hsv,COLOR_BGR2HSV);//图像转换函数，可以把image转成hsv，第三个参数是转成的类型
    cvtColor(image,gray,COLOR_BGR2GRAY);//图像转换函数，可以把image转成hsv，第三个参数是转成的类型
    imshow("HSV",hsv);
    imshow("灰度",gray);
    imwrite("D:/hsv.jpg",hsv);//保存图片，前面是保存图的地址，后面是保存图的名称
    imwrite("D:/gray.jpg",gray);
}

#include<opencv2/opencv.hpp>
#include<iostream>
#include<quickopencv.h>

using namespace std;
using namespace cv;
int main() 
{

    Mat src = imread("D:/images/1.jpg",IMREAD_ANYCOLOR);//B,G,R实际上0-255三色。3通道
    //读取进来的数据以矩阵的形势,第二个参数代表显示一张灰度图像。
    if (src.empty()) 
    {
        printf("could not load image");//如果图片不存在 将无法读取，打印到终端。
        return -1;
    }
    //超过屏幕的图像无法显示时候调用此函数。

    namedWindow("输入窗口", WINDOW_FREERATIO);//创建了一个新窗口，参数1表示名称，第二个参数代表一个自由的比例
    imshow("输入窗口", src);//表示显示在新创建的输入窗口上，第一个参数表示窗口名称，src表示数据对象Mat 
//在主函数中调用之前创建的类对象    
    QuickDemo qd;
    qd.colorSpace_Demo(src);

    waitKey(0);//执行到这句，程序阻塞。参数表示延时时间。单位ms
    destroyAllWindows();//销毁前面创建的显示窗口
    return 0;
}

这节主要介绍了创建一个类对象，然后通过类对象调用函数，在main主函数中进行调用实现类对象中的功能，比如转换成HSV类型图片和GRAY类型图片，最后通过imwrite函数进行图像的保存。

1、怎么操作mat
2、怎么访问每一个像素点
3、怎么创建一个空图或者mat

void QuickDemo::mat_creation_demo(Mat &image) 
{
    Mat m1, m2;
    m1 = image.clone();
    image.copyTo(m2);

    //创建空白图像
    Mat m3 = Mat::ones(Size(400, 400), CV_8UC3);//创建8*8的CV8位的无符号的n通道的unsigned char
    //ones&zeros是初始化的方法
    m3 = Scalar(255, 0, 0);//给三个通道都赋值127  ,单通道赋值方法 m3 = 127;
    //m3初始为蓝色
    //数据的宽度和长度是由通道数决定的。
    //std::cout << "width:"<<m3.cols<<"height"<< m3.rows <<"channels"<<m3.channels()<< std::endl;
    //用来查看宽度，高度与通道数。
    /*std::cout << m3 << std::endl;*/
    Mat m4 = m3.clone();//赋值M4就是M3 M4改变了,M3也改变了，没有产生新的自我(M4与M3同体)
    //M4为M3的克隆，M3还是原来的颜色，不会改变。(M4与M3不同体，各自是各自的颜色)
    //m3.copyTo(m4);//把M3赋值给M4，M4就是蓝色
    m4 = Scalar(0, 255, 255);//改变m4的颜色为黄色 ,m4也改变
    imshow("图像3", m3);//标题和图像名称   显示图像m3 纯蓝色
    imshow("图像4", m4);//标题和图像名称
}

本节课介绍了如何创建一个Mat对象，通过创建新的Mat对象来创建用户的特定的底色画布，创建图像的基本类型有两种一种是ones一种是zeros，ones()中的第一个参数代表图像的大小，第二个参数代表创建几维的图像，UC代表无符号字符型，数组3代表通道数。克隆和赋值的区别，克隆就是产生一个新的对象，新对象改变属性，旧对象属性不变（各自为政）。赋值是二者同体，当新属性发生改变，旧属性也发生改变（二者同体）。

如何遍历和修改每个像素点的数值，分为单通道和多通道。访问模式模式也有两种。第一种是数组访问模式，用最常规的数组下标访问像素值。

void QuickDemo::pixel_visit_demo(Mat &image)
{
    int dims = image.channels();
    int h = image.rows;
    int w = image.cols;
    for (int row = 0; row < h; row++) 
    {
        for (int col = 0; col < w; col++) 
        {
            if (dims == 1) //单通道的灰度图像
            {
                int pv = image.at<uchar>(row, col);//得到像素值
                image.at<uchar>(row, col) = 255 - pv;//给像素值重新赋值

            }
            if (dims == 3) //三通道的彩色图像
            {
                Vec3b bgr = image.at<Vec3b>(row, col); //opencv特定的类型，获取三维颜色，3个值
                image.at<Vec3b>(row, col)[0] = 255 - bgr[0];
                image.at<Vec3b>(row, col)[1] = 255 - bgr[1];
                image.at<Vec3b>(row, col)[2] = 255 - bgr[2];//对彩色图像读取它的像素值，并且对像素值进行改写。
            }
        }
    }
    namedWindow("像素读写演示", WINDOW_FREERATIO);
    imshow("像素读写演示", image);
}

第二种为指针访问模式，指定一个指针为图片的首地址，通过循环遍历，指针++，一次往后推。

void QuickDemo::pixel_visit_demo(Mat &image)
{
    int dims = image.channels();
    int h = image.rows;
    int w = image.cols;
    for (int row = 0; row < h; row++)
    {
        uchar *current_row = image.ptr<uchar>(row);

        for (int col = 0; col < w; col++)
        {
            if (dims == 1) //单通道的灰度图像
            {
                int pv = *current_row;//得到像素值
                    *current_row++ = 255 - pv;//给像素值重新赋值

            }
            if (dims == 3) //三通道的彩色图像
            {
                *current_row++ = 255 - *current_row; //指针每做一次运算，就向后移动一位
                *current_row++ = 255 - *current_row;
                *current_row++ = 255 - *current_row;
            }
        }
    }
    namedWindow("像素读写演示", WINDOW_FREERATIO);
    imshow("像素读写演示", image);

}

本节主要介绍了通过两种遍历的方式访问图像的像素值，并且改变图像的像素值。

对图像的各个像素点实现加减乘除的操作。介绍了常用的除爆函数saturate_cast，防止数值过界。

void QuickDemo::operators_demo(Mat &image)
{
    Mat dst = Mat::zeros(image.size(), image.type());
    Mat m = Mat::zeros(image.size(), image.type());
    dst = image - Scalar(50, 50, 50);
    m = Scalar(50, 50, 50);
    multiply(image,m,dst);//乘法操作 api
    imshow("乘法操作", dst);
    add(image, m, dst);//加法操作 api
    imshow("加法操作", dst);
    subtract(image, m, dst);//减法操作 api
    imshow("减法操作", dst);
    divide(image, m, dst);//除法操作 api
    namedWindow("加法操作", WINDOW_FREERATIO);
    imshow("加法操作", dst);
    //加法操作底层
    int dims = image.channels();
    int h = image.rows;
    int w = image.cols;
    for (int row = 0; row < h; row++)
    {
        for (int col = 0; col < w; col++)
        {
                Vec3b p1 = image.at<Vec3b>(row, col); //opencv特定的类型，获取三维颜色，3个值
                Vec3b p2 = m.at<Vec3b>(row, col);
                dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(p1[0] + p2[0]);//saturate_cast用来防爆，小于0就是0，大于255就是255
                dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(p1[1] + p2[1]);
                dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(p1[2] + p2[2]);//对彩色图像读取它的像素值，并且对像素值进行改写。
        }
    }
    imshow("加法操作", dst);
}

介绍了四种不同的API实现，并且演示了一种加法的算法。

本节介绍怎么通过createTrackbar来设置一个进度条，实现图片的亮度调节。

Mat  src, dst, m;
int lightness = 50;//定义初始的亮度为50
static void on_track(int ,void*) 
{
    m = Scalar(lightness,lightness,lightness);//创建调整亮度的数值
    subtract(src, m, dst);//定义亮度变化为减
    imshow("亮度调整", dst);//显示调整亮度之后的图片
}
void QuickDemo::tracking_bar_demo(Mat &image)
{
    namedWindow("亮度调整",WINDOW_AUTOSIZE);
    dst = Mat::zeros(image.size(), image.type());//图片的初始化创建一个和image大小相等，种类相同的图像
    m = Mat::zeros(image.size(), image.type());//图片的初始化创建一个和image大小相等，种类相同的图像
    src = image;//给src赋值
    int max_value = 100;//定义最大值为100
    createTrackbar("Value Bar:", "亮度调整", &lightness, max_value,on_track);//调用函数实现功能。
    on_track(50, 0);
}

无类型指针类型转换与参数传递！

static void on_lightness(int b ,void* userdata) 
{
    Mat image = *((Mat*)userdata);
    Mat dst = Mat::zeros(image.size(), image.type());
    Mat m = Mat::zeros(image.size(), image.type());
    m = Scalar(b,b,b);
    addWeighted(image,1.0,m,0,b,dst);//融合两张图
    imshow("亮度&对比度调整", dst);
}
static void on_contrast(int b, void* userdata)
{
    Mat image = *((Mat*)userdata);
    Mat dst = Mat::zeros(image.size(), image.type());
    Mat m = Mat::zeros(image.size(), image.type());
    double contrast = b / 100.0;
    addWeighted(image, contrast, m, 0.0, 0, dst);//融合两张图
    imshow("亮度&对比度调整", dst);
}
void QuickDemo::tracking_bar_demo(Mat &image)
{
    namedWindow("亮度&对比度调整",WINDOW_AUTOSIZE);
    int lightness = 50;
    int max_value = 100;
    int contrast_value = 100;
    createTrackbar("Value Bar:", "亮度&对比度调整", &lightness, max_value, on_lightness,(void*)(&image));
    createTrackbar("Contrast Bar:", "亮度&对比度调整", &contrast_value, 200, on_contrast, (void*)(&image));
    on_lightness(50, &image);
}

本节介绍通过键盘输入，终端能够读取响应的信息。

void QuickDemo::key_demo(Mat &image) 
{
    Mat dst= Mat::zeros(image.size(), image.type());
    while (true) 
    {
        char c = waitKey(100);//停顿100ms 做视频处理都是1
        if (c == 27) { //esc 退出应用程序
            break;
        }
        if (c == 49)//key#1
        {
            std::cout <<"you enter key #1" << std::endl;
            cvtColor(image, dst, COLOR_BGR2GRAY);
        }
        if (c == 50)//key#1
        {
            std::cout << "you enter key #2"  << std::endl;
            cvtColor(image, dst, COLOR_BGR2HSV);
        }
        if (c == 51)//key#1
        {
            std::cout << "you enter key #3" << std::endl;
            dst = Scalar(50, 50, 50);
            add(image,dst,dst);
        }
        imshow("键盘响应",dst);
        std::cout << c << std::endl;
    }
}

通过键盘输入，在终端得到响应，输入不同的键值，得到不一样的结果。

void QuickDemo::color_style_demo(Mat &image) 
{
    int colormap[] = {
        COLORMAP_AUTUMN ,
        COLORMAP_BONE,
        COLORMAP_CIVIDIS,
        COLORMAP_DEEPGREEN,
        COLORMAP_HOT,
        COLORMAP_HSV,
        COLORMAP_INFERNO,
        COLORMAP_JET,
        COLORMAP_MAGMA,
        COLORMAP_OCEAN,
        COLORMAP_PINK,
        COLORMAP_PARULA,
        COLORMAP_RAINBOW,
        COLORMAP_SPRING,
        COLORMAP_TWILIGHT,
        COLORMAP_TURBO,
        COLORMAP_TWILIGHT,
        COLORMAP_VIRIDIS,
        COLORMAP_TWILIGHT_SHIFTED,
        COLORMAP_WINTER
    };

    Mat dst;
    int index = 0;
    while (true) 
    {
        char c = waitKey(100);//停顿100ms 做视频处理都是1
        if (c == 27) { //esc 退出应用程序
            break;
        }
        if (c == 49)//key#1 按下按键1时，保存图片到指定位置
        {
            std::cout << "you enter key #1" << std::endl;
            imwrite("D:/gray.jpg", dst);
        }
        applyColorMap(image, dst, colormap[index%19]);//循环展示19种图片
        index++;
        imshow("循环播放", dst);
    }
}

伪色彩填充与颜色表匹配

本节介绍如何对图像的像素进行操作，包括与、或、非、异或，矩形在图像中的绘制。

void QuickDemo::bitwise_demo(Mat &image)
{
    Mat m1 = Mat::zeros(Size(256,256),CV_8UC3);
    Mat m2 = Mat::zeros(Size(256,256),CV_8UC3);
    rectangle(m1,Rect(100,100,80,80),Scalar(255,255,0),-1,LINE_8,0);//小于0表示填充，大于0表示绘制
    rectangle(m2,Rect(150,150,80,80), Scalar(0,255,255), -1, LINE_8, 0);
    imshow("m1", m1);
    imshow("m2", m2);
    Mat dst;
    bitwise_and(m1, m2, dst);//位操作与
    bitwise_or(m1, m2, dst);//位操作或
    bitwise_not(image, dst);//取反操作
    bitwise_xor(m1, m2, dst);//异或操作
    imshow("像素位操作", dst);
}

rectangle(m1,Rect(100,100,80,80),Scalar(255,255,0),-1,LINE_8,0);

这个函数参数1是图片名称，参数2是矩形的起始&末尾位置，参数3 Scalar表示将要绘制图像的颜色，参数4表示小于0表示填充，大于0表示绘制，参数5表示四邻域或者八邻域的绘制，参数6表示中心坐标或者半径坐标的小数位数。

本节介绍如何把不同的通道给分离，归并，使得能显现出来不同的通道颜色。

void QuickDemo::channels_demo(Mat &image)
{    
    std::vector<Mat>mv;
    split(image, mv);
    //imshow("蓝色", mv[0]);
    //0,1,2三个通道分别代表BGR。
    //关闭2个通道意味着开启一个通道。
    //imshow("绿色", mv[1]);
    //imshow("红色", mv[2]);
    Mat dst;
    mv[0] = 0;
    mv[2] = 0;
    merge(mv, dst);
    imshow("蓝色", dst);
    int from_to[] = { 0,2,1,1,2,0 };
    //把通道相互交换，第0->第2，第一->第一，第二->第0
    mixChannels(&image,1,&dst,1,from_to,3);//3表示3个通道
    //参数1指针引用图像->参数2引用到dst
    imshow("通道混合", dst);
}

M[0],M[1],M[2]分别代表BGR个不同的通道。要开启某个通道只需要关闭另外的一个通道即可。第二个内容为通道的合并，将不同通道的像素值进行转换操作，使图片呈现出不同的效果。

本节内容实现任务是提取任务的轮廓，首先把RGB色彩空间的图片转换到HSV空间中，其次，提取图片的mask，通过使用inrangle提取hsv色彩空间的颜色。HSV色彩空间的颜色

void QuickDemo::inrange_demo(Mat &image)
{
    Mat hsv;
    cvtColor(image, hsv, COLOR_BGR2HSV);
    Mat mask;
    inRange(hsv,Scalar(35,43,46),Scalar(77,255,255),mask);
    //35,43,46根据图片中绿色最低来确定最小值。
    //77,255,255 提取
    //参数1低范围，参数2高范围
    //将hsv中的由低到高的像素点提取出来并且存储到mask当中。
    imshow("mask",hsv);
    Mat redback = Mat::zeros(image.size(), image.type());
    redback = Scalar(40, 40, 200);
    bitwise_not(mask, mask);
    imshow("mask", mask);
    image.copyTo(redback, mask);//把redback复制到mask，mask通过inRange得到。
    imshow("roi提取", hsv);
}

分别定义双精度型变量 minv和maxv。指针变量minLoc，maxLoc；因为这图片是多通道的，所以使用一个容器装取数值，并且用split分离图片到MV中通过for循环操作，遍历图片信息，并且打印信息到终端。图像信息包括，方差，均值，大小。

void QuickDemo::pixel_statistic_demo(Mat &image)
{
    double minv, maxv;//定义最值
    Point minLoc, maxLoc;//定义最值地址
    std::vector<Mat>mv;//mv是一个Mat类型的容器 装在这个容器内
    split(image, mv);
    for (int i = 0; i < mv.size(); i++) 
    {
        //分别打印各个通道的数值
        minMaxLoc(mv[i], &minv, &maxv, &minLoc, &maxLoc, Mat());//求出图像的最大值和最小值。
        std::cout <<"No.channels:"<<i<<"minvalue:" << minv << "maxvalue:" << maxv << std::endl;
    }
    Mat mean, stddev;
    meanStdDev(image, mean, stddev);//求出图像的均值和方差
    std::cout << "mean:" << mean << std::endl;
    std::cout << "stddev:" << stddev << std::endl;
}

本节课介绍如何绘制椭圆，矩形，直线，圆等

void QuickDemo::drawing_demo(Mat &image)
{
    Rect rect;
    rect.x = 200;
    rect.y = 200;
    rect.width = 100;
    rect.height = 100;
    Mat bg = Mat::zeros(image.size(),image.type());
    rectangle(image, rect, Scalar(0, 0, 255), -1, 8, 0);
    //参数1为绘图的底图或者画布名称，参数2位图片的起始，宽度，高度
    //参数3代表填充颜色。参数4大于0是线小于0是填充
    //参数5表示邻域填充，参数6默认值为0
    circle(bg, Point(350, 400), 15, Scalar(0, 0, 255), 2, LINE_AA, 0);
    //参数2位图片中心位置，参数3为半径为15的圆
    Mat dst;
    //addWeighted(image, 0.7, bg, 0.3, 0, dst);
    RotatedRect rtt;
    rtt.center = Point(200, 200);
    rtt.size = Size(100, 200);
    rtt.angle = 0.0;
    line(bg,Point(100,100),Point(350,400), Scalar(0, 0, 255), 8, LINE_AA, 0);//line_AA表示去掉锯齿
    ellipse(bg,rtt, Scalar(0, 0, 255), 2, 8);
    imshow("矩形的绘制",bg);
}

本节主要介绍如何能产生一个随机数字和随机颜色，并且用线条的方式显示出来。

void QuickDemo::random_drawing()
{
    Mat canvas = Mat::zeros(Size(512,512), CV_8UC3);
    int w = canvas.cols;
    int h = canvas.rows;
    RNG rng(12345);
    while (true) 
    {
        int c = waitKey(10);
        if (c == 27) 
        {
            break;
        }
        int x1 = rng.uniform(0,canvas.cols);
        int y1 = rng.uniform(0, h);
        int x2 = rng.uniform(0, canvas.cols);
        int y2 = rng.uniform(0, h);
        int b  = rng.uniform(0, 255);
        int g  = rng.uniform(0, 255);
        int r  = rng.uniform(0, 255);
        canvas = Scalar(0,0,0);
        line(canvas, Point(x1, y1), Point(x2, y2), Scalar(b,g,r), 8, LINE_AA,0);//line_AA表示去掉锯齿 
        imshow("随机绘制演示", canvas);
    }
}

这节课介绍了2种多边形绘制的实现方式。

void QuickDemo::polyline_drawing_demo(Mat &image)
{
    Mat canvas = Mat::zeros(Size(512, 512), CV_8UC3);
    Point p1(100, 100);
    Point p2(350, 100);
    Point p3(450, 280);
    Point p4(320, 450);
    Point p5(80, 400);
    std::vector<Point>pts;//将5个点装入一个容器内。
    pts.push_back(p1);//未初始化数组容量，只能用pushback操作
                      //如果初始化，可以用数组下标操作。
    pts.push_back(p2);
    pts.push_back(p3);
    pts.push_back(p4);
    pts.push_back(p5);
    //fillPoly(canvas, pts, Scalar(122, 155, 255), 8, 0);//填充多边形
    //polylines(canvas, pts, true, Scalar(0, 0, 255), 2, 8, 0);//绘制多边形
    /*
    参数1表示画布，参数2表示点集，参数3表示true，参数4颜色
    参数5表示线宽，参数6表示渲染方式，参数7表示相对左上角（0,0）的位置
    */
    //单个API搞定图片的绘制填充
    std::vector<std::vector<Point>>contours;
    contours.push_back(pts);
    drawContours(canvas,contours,-1, Scalar(0, 0, 255),-1);
    //参数2表示容器名称，参数3为正表示多边形的绘制，为负表示多边形的填充
    imshow("多边形绘制", canvas);
}

第一种方式，通过标记各个点，然后存储到容器中，之后对容器中的点进行操作。填充多边形调用fillPoly，绘制多边形调用polylines。第二种方式，使用一个API接口绘制。通过一个容器中的存储的点组成的另一个容器。

鼠标事件响应与绘制！考察基本的图形绘制编程能力。

//参数1表示鼠标事件。
Point sp(-1, -1);//鼠标的开始的位置
Point ep(-1, -1);
Mat temp;
static void on_draw(int event,int x,int y,int flags,void *userdata)
{
    Mat image = *((Mat*)userdata);
    if(event == EVENT_LBUTTONDOWN)//如果鼠标的左键按下
    {
        sp.x = x;
        sp.y = y;
        std::cout << "start point" <<sp<< std::endl;
    }
    else if (event == EVENT_LBUTTONUP)
    {
        ep.x = x;
        ep.y = y;
        int dx = ep.x - sp.x;
        int dy = ep.y - sp.y;
        if (dx > 0 && dy > 0) 
        {
            Rect box(sp.x, sp.y, dx, dy);
            imshow("ROI区域", image(box));
            rectangle(image, box, Scalar(0, 0, 255), 2, 8, 0);
            imshow("鼠标绘制", image);
            sp.x = -1;
            sp.y = -1;//复位，为下一次做准备
        }
    }
    else if (event == EVENT_MOUSEMOVE) 
    {
        if (sp.x > 0 && sp.y > 0)
        {
            ep.x = x;
            ep.y = y;
            int dx = ep.x - sp.x;
            int dy = ep.y - sp.y;
            if (dx > 0 && dy > 0)
            {
                Rect box(sp.x, sp.y, dx, dy);
                temp.copyTo(image);
                rectangle(image, box, Scalar(0, 0, 255), 2, 8, 0);
                imshow("鼠标绘制", image);
            }
        }
    }
}
void QuickDemo::mouse_drawing_demo(Mat &image)
{
    namedWindow("鼠标绘制", WINDOW_AUTOSIZE);
    setMouseCallback("鼠标绘制", on_draw,(void*)(&image));
    //设置窗口的回调函数。参数1表示名称，参数2表示调用on_draw
    imshow("鼠标绘制", image);
    temp = image.clone();
}

像素值归一化是很常见的预处理方式，OpenCV支持字节与浮点数的图象显示。

void QuickDemo::norm_demo(Mat &image)
{
    Mat dst;//定义一个名为dst的二值化类型的数据
    std::cout << image.type() << std::endl;//打印出来图片的类型
    image.convertTo(image,CV_32F);//将dst数据转换成浮点型float32位数据。
    std::cout << image.type() << std::endl;//再次打印转换后的数据类型
    normalize(image, dst, 1.0, 0, NORM_MINMAX);//进行归一化操作
    std::cout << dst.type() << std::endl;//打印归一化操作之后的数据
    imshow("图像的归一化", dst);//显示归一化的图像
    //CV_8UC3 ,CV_32FC3  //3通道每个通道8位的UC类型
    //转换后 3通道 每个通道32位的浮点数
}

介绍基本的图像变换大小的方法。图像的差值处理主要有线性、双线性差值、卢卡斯差值、双立方差值。

void QuickDemo::resize_demo(Mat &image)
{
    Mat zoomin, zoomout;
    int h = image.rows;
    int w = image.cols;
    resize(image, zoomin, Size(w/2, h/2),0,0,INTER_LINEAR);
    //线性差值操作。
    imshow("zoomin", zoomin);; 
    resize(image, zoomout, Size(w*1.5, h*1.5), 0, 0, INTER_LINEAR);
    imshow("zoomin", zoomout);//
}

图像的上下、左右、对角线翻转

void QuickDemo::flip_demo(Mat &image)
{
    Mat dst;
    flip(image, dst, 0);//上下翻转 x对称
    flip(image, dst, 1);//左右翻转 y对称
    flip(image, dst, -1);//旋转180°
    imshow("图像翻转",dst);
}

图像旋转的基本原理，变换矩阵M的计算，中心位置偏移计算等。

void QuickDemo::rotate_demo(Mat &image)
{
    Mat dst, M;
    int h = image.rows;//定义图片的高度
    int w = image.cols;//定义图片的宽度
    M = getRotationMatrix2D(Point(w / 2, h / 2),45,1.0);
    double cos = abs(M.at<double>(0, 0));
    double sin = abs(M.at<double>(0, 1));
    int nw = cos * w + sin * h;
    int nh = sin * w + cos * h;
    M.at<double>(0, 2) += (nw / 2 - w / 2);
    M.at<double>(1, 2) += (nh / 2 - h / 2);
    //参数1原来图像的中心位置。参数2角度是多少。参数3是图像本身大小的放大缩小
    warpAffine(image, dst, M,Size(nw,nh),INTER_LINEAR,0, Scalar(0, 0, 255));
    imshow("旋转演示", dst);
}

本节介绍了如何读取一个视频，以及调用电脑的摄像头。并且对读取到的视频进行操作。

void QuickDemo::video_demo(Mat &image) 
{
    VideoCapture capture("D:/images/123.mp4");  //读取视频的地址
    Mat frame;//定义一个二值化的 frame

    while (true)
    {
        capture.read(frame); //读取视频
        //flip(frame, frame, 1);//图像镜像操作
        if(frame.empty())//如果视频为空的话 跳出操作
        {
            break;
        }
        imshow("frame", frame);//显示视频
        colorSpace_Demo(frame);//对视频调用之前的demo
        int c = waitKey(100);//停顿100ms 做视频处理都是1
        if (c == 27) { //esc 退出应用程序
            break;
        }
    }
    capture.release();//释放相机的资源
}

对读取到的视频 操作方式有镜像对称。加各种滤镜等等。

视频的属性，SD（标清）,HD（高清）,UHD（超清），蓝光。如何读取视频文件，以及读取视频文件的属性，衡量视频处理指标：FPS。保存视频时的编码格式。保存视频的实际size和create的size大小保持一致。

void QuickDemo::video_demo(Mat &image) 
{
    VideoCapture capture("D:/images/123.mp4");
    int frame_width = capture.get(CAP_PROP_FRAME_WIDTH);//获取视频的宽度
    int frame_height = capture.get(CAP_PROP_FRAME_HEIGHT);//获取视频的高度
    int count = capture.get(CAP_PROP_FRAME_COUNT);//视频总的帧数
    //fps是衡量处理视频的能力
    double fps = capture.get(CAP_PROP_FPS);
    std::cout << "frame width" << frame_width << std::endl;
    std::cout << "frame height" << frame_height << std::endl;
    std::cout << "frame FPS" << fps << std::endl;
    std::cout << "frame count" << count << std::endl;
    VideoWriter writer("D:/test.mp4",capture.get(CAP_PROP_FOURCC),fps,Size(frame_width, frame_height),true);
    //参数1 保存地址。参数2 获取图片的格式 参数3 图片的帧数 参数4 视频宽高 参数5 真
    Mat frame;
    while (true)
    {
        capture.read(frame);
        //flip(frame, frame, 1);//图像镜像操作
        if(frame.empty())
        {
            break;
        }
        imshow("frame", frame);
        colorSpace_Demo(frame);
        writer.write(frame);

        int c = waitKey(100);//停顿100ms 做视频处理都是1
        if (c == 27) { //esc 退出应用程序
            break;
        }
    }
    capture.release();//释放相机的资源
    writer.release();//释放存放的资源
}

本节课，介绍了视频的一些基本熟悉，紧接介绍如何获取视频的属性，并且通过特定的格式保存到相应的存储位置上。

直方图是图像的统计学特征。表示了图像的各个像素在0-255出现的频率。图像的平移旋转都不会对性质进行改变。缺点：不能表征一张图像。

用途：用于图像增强，人脸检测，卫星遥感。均衡化的图像只支持单通道。

void QuickDemo::histogram_eq_demo(Mat &image)
{
    Mat gray;
    cvtColor(image, gray, COLOR_BGR2GRAY);
    //直方图均衡化只支持灰度图像，不支持彩色图像。
    imshow("灰度图像", gray);
    Mat dst;
    equalizeHist(gray, dst);
    imshow("直方图均衡化", dst);
}

卷积的作用，高的往下降，低的往上升。但是会造成信息丢失。产生模糊效果。是一种线性操作，点乘，之后相加。

void QuickDemo::blur_demo(Mat &image)
{
    Mat dst;
    blur(image, dst, Size(15, 15), Point(-1, -1));
    //参数1原始图像，参数2卷积之后的图像，参数3卷积的矩阵大小，支持单行或者单列的卷积操作，参数4卷积的起始点。
    imshow("图像卷积操作", dst);
}

中心的数值最大，离中心距离越远，数值越小。高斯卷积数学表达式说明：

void QuickDemo::gaussian_blur_demo(Mat &image)
{
    Mat dst;
    GaussianBlur(image, dst, Size(5, 5), 15);
    imshow("高斯模糊", dst);
    //参数1表示初始图像，参数2表示处理后的图像，参数3表示高斯矩阵大小 正数而且是奇数，
    //参数4表示西格玛x为15 西格玛y为15 
}

边缘保留的滤波算法！去噪！

void QuickDemo::bifilter_demo(Mat &image)
{
    Mat dst;
    bilateralFilter(image,dst,0,100,0);
    //参数1代表原图，参数2代表处理之后的图像，参数3色彩空间。参数4表示坐标空间，双边是指 色彩空间和坐标空间。
    namedWindow("双边模糊", WINDOW_FREERATIO);//创建了一个新窗口，参数1表示名称，第二个参数代表一个自由的比例
    imshow("双边模糊", dst);//表示显示在新创建的
}

OpenCV4.x中基于深度神经网络模型的高实时，稳定的人脸检测演示。

dnn::Net net = dnn::readNetFromTensorflow(root_dir+ "opencv_face_detector_uint8.pb", root_dir+"opencv_face_detector.pbtxt");
VideoCapture capture("D:/images/video/example_dsh.mp4");
Mat frame;
while (true) {
    capture.read(frame);
    if (frame.empty()) {
        break;
    }
    Mat blob = dnn::blobFromImage(frame, 1.0, Size(300, 300), Scalar(104, 177, 123), false, false);
    net.setInput(blob);// NCHW
    Mat probs = net.forward(); // 
    Mat detectionMat(probs.size[2], probs.size[3], CV_32F, probs.ptr<float>());
    // 解析结果
    for (int i = 0; i < detectionMat.rows; i++) {
        float confidence = detectionMat.at<float>(i, 2);
        if (confidence > 0.5) {
            int x1 = static_cast<int>(detectionMat.at<float>(i, 3)*frame.cols);
            int y1 = static_cast<int>(detectionMat.at<float>(i, 4)*frame.rows);
            int x2 = static_cast<int>(detectionMat.at<float>(i, 5)*frame.cols);
            int y2 = static_cast<int>(detectionMat.at<float>(i, 6)*frame.rows);
            Rect box(x1, y1, x2 - x1, y2 - y1);
            rectangle(frame, box, Scalar(0, 0, 255), 2, 8, 0);
        }
    }
    imshow("人脸检测演示", frame);
    int c = waitKey(1);
    if (c == 27) { // 退出
        break;
    }
}