一直没有一个系统的时间来深入学习OpenCV，鉴于项目需要，记录一下一些要点以供日后查阅。 OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。其1.0版本于2006年面世，，而在2009年又发布了重要的版本：OpenCV2，带来了新的C++接口；现在，OpenCV3也发布了，据说其Python接口大大增强、并且加入了Python 3.x的支持，还带来了许多新的提升，不过这并不在这里的讨论范围之内。这里使用的是：OpenCV2.4.9+Qt5.3.2。 OpenCV库自2.2版本起就被划分成多个模块，在进行开发之前，需要将这些模块编译成库文件，然后在lib文件夹中找到这些模块： opencv_core模块：其中包含OpenCV基本数据结构、动态数据结构、绘图与数组操作的相关函数、辅助功能与系统函数、基本的算法函数等核心功能。 opencv_improc模块：包含图像处理函数，主要包含图像滤波、图像的几何变换、直方图、特征检测、目标跟踪等内容。 opencv_highgui模块：高层GUI图形用户界面，包含媒体的I/O输入输出函数，读写图像及视频的函数，以及操作图形用户界面函数。 opencv_features2d模块：即2D功能框架，包含兴趣点检测子，描述子以及兴趣点匹配框架。 opencv_calib3d模块：Calibration（校准）加3D这两个词的组合缩写。这个模块主要是相机校准和三维重建相关的内容，包含相机标定，双目几何估计，物体姿态估计以及立体视觉等函数。 opencv_video模块：包含运动估算，特征跟踪以及前景提取函数与相关的类。 opencv_objdetect模块：主要由级联分类(Cascade Classification)和Latent SVM这两个部分。其中包括物体检测函数，如脸部和行人检测。 opencv_stitching模块：OpenCV2.4.0新增的模块，其主要功能是实现图像拼接。 lopencv_superres模块：即SuperResolution，利用多种算法实现超分辨率技术的相关功能模块。 opencv_ml模块：机器学习模块，主要包括统计模型 （Statistical Models）、一般贝叶斯分类器 （Normal Bayes Classifier）、K-近邻 （K-NearestNeighbors）、支持向量机 （Support Vector Machines）、决策树 （Decision Trees）、提升（Boosting）、梯度提高树（Gradient Boosted Trees）、随机树 （Random Trees）、超随机树 （Extremely randomized trees）、期望最大化 （Expectation Maximization）、神经网络 （Neural Networks）等内容。 opencv_flann模块：高维的近似近邻快速搜索算法库， 主要由两个部分组成：快速近似最近邻搜索和聚类。 opencv_contrib模块：第三方代码，包括一些新添加的不太稳定的可选功能，如新型的人脸识别、立体匹配、人工视网膜模型等技术。 opencv_nonfree模块：包含一些拥有专利的算法，如SIFT、SURF函数源码。 这些模块都对有一个单独的头文件(位于include文件夹)。在Qt中推荐的声明方式如下：
而在Qt中，为了使程序能通过编译，必须指定OpenCV的库文件和头文件的路径。因此在创建Qt工程之后，需要在后缀为.pro的项目文件中添加用于构建OpenCV的应用信息：
INCLUDEPATH+=C:\C:2\C:LIBS+=C:_calib3d249.dll.a\C:_contrib249.dll.a\C:_core249.dll.a\C:_features2d249.dll.a\C:_flann249.dll.a\C:_gpu249.dll.a\C:_highgui249.dll.a\C:_imgproc249.dll.a\C:_legacy249.dll.a\C:_ml249.dll.a\C:_nonfree249.dll.a\C:_objdetect249.dll.a\C:_ocl249.dll.a\C:_video249.dll.a\C:_photo249.dll.a\C:_stitching249.dll.a\C:_superres249.dll.a\C:_ts249.a\C:_videostab249.dll.a
二、读取、显示图片并对图片进行简单的阈值分割 这里使用Qt设计一个简单窗口，如图1所示，该窗口包含打开图像和处理图像这两个按钮，同时在下方显示原图像和处理后的图像。
首先创建一个类，主要实现图像的阈值分割：
colordetector.h：
{public:// 最小可接受距离int minDist;void setTargetColor(unsigned char red, unsigned char green, unsigned char blue);cv::Mat process(const cv::Mat &image);private:// 目标颜色cv::Vec3b target;// 输出结果图像cv::Mat result;void setTargetColor(cv::Vec3b color);void colorDetector(const cv::Mat &image, cv::Mat &result);void setColorDistanceThreshold(int distance);int getColorDistanceThreshold();int getDistance(const cv::Vec3b& color);cv::Vec3b getTargetColor() const;};#endif // COLORDETECTOR_H
colordetector.cpp：
#include “colordetector.h”int ColorDetector::getDistance(const cv::Vec3b& color){return abs(color[0] – target[0])+ abs(color[1] – target[1]) + abs(color[1] – target[1]);}void ColorDetector::colorDetector(const cv::Mat &image, cv::Mat &result){cv::Mat_<cv::Vec3b>::const_iterator it = image.begin<cv::Vec3b>();cv::Mat_<cv::Vec3b>::const_iterator itend = image.end<cv::Vec3b>();cv::Mat_<uchar>::iterator itout = result.begin<uchar>();// 对每个像素进行处理，计算每个像素距离目标颜色的距离for(; it<itend; ++it,++itout){if(getDistance(*it)<minDist) // 判断距离是否小于最小可接受距离{*itout = 0;}else *itout = 255;}}void ColorDetector::setColorDistanceThreshold(int distance){ // 设置色彩距离阈值，阈值必须为正if(distance < 0)distance = 0;minDist = distance;}int ColorDetector::getColorDistanceThreshold(){ // 获取色彩距离的阈值return minDist;}green, unsigned char blue){// BGR顺序target[2] = red;target[1] = green;target[0] = blue;}void ColorDetector::setTargetColor(cv::Vec3b color){ // 设置需检测的颜色target = color;}cv::Vec3b ColorDetector::getTargetColor() const{ // 获取需检测的颜色return target;}// Process阈值分割方法的定义cv::Mat ColorDetector::process(const cv::Mat &image){result.create(image.rows, image.cols, CV_8U);colorDetector(image, result);return result;}勇士面前无险路。
