【OpenCV】基本数据类型及常见图像模式
是什么？能做什么？解决什么问题？为什么用它？
OpenCV:是一个基于开源发行的跨平台计算机视觉库，实现
一、应用场景：
- 目标识别：人脸、车辆、车牌...
- 自动驾驶
- 医学影像分析
- 视频内容理解与分析：文字识别、公众人物识别、物品分类...
二、opencv基本数据类型：
1. 点和向量类型
- 二维点，如：
Point2i（或Point）：整数坐标点（x,y）。Point2f：浮点数坐标点。Point2d：双精度坐标点。
- 三维点，如：
Point3f：三维浮点数点（x,y,z）。
2. 标量类型（多通道值）
-
多通道值，常用于表示颜色或像素值（顺序为BGR）
Scalar(a, b, c)：对于 BGR 图像，表示蓝色（B=a）、绿色（G=b）、红色（R=c）
Scalar green(0, 255, 0); // 绿色
- 单通道值，使用
uchar或Scalar(val)表示
Scalar(val)：所有通道赋值为val（如灰度图像）
uchar grayValue = 128; // 中灰度值
Scalar gray(128); // 等效表示
三、图像模式：
图像：一些亮度各异的点
- 位图模式：是1位二进制深度的图像，黑和白两种颜色
- 灰度模式：1个通道
- RGB模式：3个通道
（1）雪花屏：
Mat noise = cv::Mat::zeros(img.size(), CV_8UC1);
randu(noise, cv::Scalar::all(0), cv::Scalar::all(255));
-
第一个参数 (
noise)：-
这是一个输出参数，表示生成的随机数将存储在这个矩阵中。
noise是一个cv::Mat类型的变量，它预先定义了大小和类型（在这个例子中是CV_8UC1，即8位无符号整型），用于存储生成的随机数。
-
-
第二个参数 (
cv::Scalar::all(0))：-
这是生成随机数的最小值。
cv::Scalar::all是一个方便的函数，用于创建一个所有元素都相同的cv::Scalar对象。这里它创建了一个所有元素都是0的cv::Scalar对象。
-
-
第三个参数 (
cv::Scalar::all(255))：-
这是生成随机数的最大值。同样使用
cv::Scalar::all函数，创建了一个所有元素都是255的cv::Scalar对象。这意味着生成的随机数范围是从0到255。
-
（2）高斯模糊：
Mat gao_img;
GaussianBlur(img, gao_img, cv::Size(17,17), 0, 0);
参数说明
- src：输入图像（源图像）
- dst：输出图像（结果），必须与输入图像有相同的尺寸和类型
- ksize：高斯核大小，例如
Size(5, 5)，必须为奇数 - sigmaX：X 方向的高斯核标准差
- sigmaY：Y 方向的高斯核标准差（默认 0，表示与 sigmaX 相同）
（3）中值滤波：
cv::medianBlur(img, imgBack, 53);
参数说明：第三个参数必须为奇数
（4）毛玻璃：
Mat glass_img;
blur(img, glass_img, cv::Size(15, 15));
（5）灰度
cv::Mat gray;
cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);
第三个参数：
COLOR_BGR2GRAY：BGR → 灰度图COLOR_BGR2RGB：BGR → RGBCOLOR_BGR2HSV：BGR → HSVCOLOR_GRAY2BGR：灰度图 → BGR
（6）方向模糊
void bilateralFilter(InputArray src, OutputArray dst, int d,
double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT);
Mat direction_img;
cv::bilateralFilter(img, direction_img, 29, 75, 75); // 常用参数组合
参数：
src：输入图像（8 位或浮点型，单通道或三通道）。dst：输出图像，与输入图像大小和类型相同。d：滤波时使用的像素邻域直径。若为负数，则自动从sigmaSpace计算。sigmaColor：颜色空间滤波器的标准差，值越大表示越远的颜色会被混合。sigmaSpace：坐标空间滤波器的标准差，值越大表示越远的像素会相互影响。borderType：边界处理方式，默认BORDER_DEFAULT。