前言
本文为本人观看b站视频学习opencv的笔记分享，如有错误欢迎指正，如有侵权联系我删除，视频链接
一、Read Images Videos and Webcams
#include<opencv2/imgcodecs.hpp>
#include<opencv2/highgui.hpp>
#include<opencv2/imgproc.hpp>
#include<iostream>
using namespace std;
using namespace cv;
/// <summary>
/// Images
/// </summary>
//void main() {
// string path = "Resources/test.png";
// Mat img=imread(path);//matrix data type 由opencv引入来处理图像
// imshow("Image", img);
// waitKey(0);//增加延时，0表示无穷
//}
/// <summary>
/// Video
/// //视频是一系列图像，需要遍历所有图像或帧 一一捕获并显示，因此将使用while循环
/// </summary>
//void main() {
// string path = "Resources/test_video.mp4";
// VideoCapture cap(path);
// Mat img;
//
// while (true) {
// cap.read(img);
// imshow("Image", img);
// waitKey(20);//增加延时 20ms
// }
//
//}
/// <summary>
/// Webcam
/// 与导入视频不同的是，不需要视频路径，只需要给相机ID，id=0表示默认的摄像头
/// </summary>
//void main() {
// VideoCapture cap(0);//相机id=0
// Mat img;
//
//while (true) {
// cap.read(img);
// imshow("Image", img);
// waitKey(1);//增加延时 1ms，以免太慢
//}
//
//}
二、Basic Functions
1、颜色空间变换
函数原型
void cv::cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0)
参数详解
1.src：
类型：InputArray（Python中为图像ndarray对象，C++中为cv::InputArray）。
说明：这是要进行颜色空间转换的原始图像。在Python中，通常使用cv2.imread()函数读取的图像作为输入。需要注意的是，OpenCV默认读取的图像颜色空间是BGR，而不是常见的RGB。
2.dst（可选）：
类型：OutputArray（Python中为图像ndarray对象，C++中为cv::OutputArray）。
说明：这是颜色空间转换后的输出图像。如果提供了这个参数，转换后的图像将被存储在这里。如果不提供，OpenCV将自动分配内存来存储转换后的图像。
3.code：
类型：int。
说明：这是颜色空间转换的标识符，指定了源图像和目标图像之间的转换类型。例如，cv2.COLOR_BGR2GRAY用于将BGR图像转换为灰度图像，cv2.COLOR_BGR2HSV用于将BGR图像转换为HSV图像等。OpenCV支持多种颜色空间转换类型，具体可以在OpenCV的官方文档中查找。
4.dstCn（可选，默认为0）：
类型：int。
说明：这是输出图像的通道数。如果设置为0，则通道数将由输入图像和转换类型自动确定。对于大多数转换，这个参数可以省略。
2、高斯滤波
函数原型
void cv::GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT)
参数详解
1.src：
类型：InputArray（Python）或cv::InputArray（C++）。
说明：要进行高斯滤波的输入图像。可以是任意通道数，但图像深度必须为CV_8U、CV_16U、CV_16S、CV_32F或CV_64F。
2.dst：
类型：OutputArray（Python）或cv::OutputArray（C++）。
说明：输出图像，与输入图像有相同的类型和尺寸。如果为None（Python）或未指定（C++），则函数会自动分配内存。
3.ksize：
类型：Size（Python和C++）。
说明：高斯核的大小，即卷积核的宽和高。这两个值必须是正奇数，如(3,3)、(5,5)、(7,7)等。如果ksize.width和ksize.height都为0，则它们的值将由sigma参数计算得出。
4.sigmaX：
类型：double。
说明：高斯核在X方向上的标准差。它决定了高斯核在X方向上的宽度。如果sigmaY为0，则sigmaY将与sigmaX相同。
5.sigmaY（可选）：
类型：double。
说明：高斯核在Y方向上的标准差。如果未指定（在Python中为省略，在C++中默认为0），则sigmaY将与sigmaX相同。如果sigmaX和sigmaY都为0，则这两个值将由ksize.width和ksize.height计算得出。
6.borderType（可选）：
类型：int。
说明：边界处理方式。决定了图像边界外的像素如何推断。有默认值BORDER_DEFAULT，如果没有特殊需要，通常不需要更改。其他常见的选项包括cv2.BORDER_CONSTANT（填充0）、cv2.BORDER_REPLICATE（边缘复制）、cv2.BORDER_REFLECT（边缘反射）等。
3、边缘检测
函数原型
void cv::Canny(InputArray image, OutputArray edges, double lowThreshold, double highThreshold, int apertureSize=3, bool L2gradient=false)
参数详解
1.image：
类型：InputArray 输入图像，应该是单通道8位图像（灰度图）。
说明：待处理的源图像，需要先进行灰度化处理，因为Canny算法是在灰度图像上进行的。
2.edges：
类型：OutputArray 输出图像，与输入图像具有相同的尺寸和类型。
说明：边缘检测的结果图像，图像中的边缘将被高亮显示。
3.lowThreshold：
类型：double 第一个滞后性阈值（低阈值）。
说明：像素的梯度值如果低于此阈值，则被视为非边缘像素。此阈值的选择影响边缘检测的灵敏度。
4.highThreshold：
类型：double 第二个滞后性阈值（高阈值）。
说明：像素的梯度值如果高于此阈值，则被视为边缘像素。此阈值的选择影响边缘检测的准确性。高阈值通常是低阈值的2到3倍。
5.apertureSize（可选）：
默认值：3
类型：int Sobel算子的孔径大小。
说明：用于计算图像梯度的Sobel算子的大小。较大的孔径可以提高边缘检测的准确性，但也会增加计算量。
6.L2gradient（可选）：
默认值：false
类型：bool 计算图像梯度幅值的标识。
说明：当此参数为true时，使用更精确的欧几里得距离（L2范数）来计算梯度值；当为false时，使用简化的L1范数计算梯度值。使用L2范数可以获得更精确的梯度值，但计算量较大。
4、扩张边缘
函数原型
void cv::dilate(InputArray src, OutputArray dst,
InputArray kernel,
Point anchor=Point(-1,-1),
int iterations=1,
int borderType=BORDER_CONSTANT,
const Scalar& borderValue=morphologyDefaultBorderValue() );
参数详解
1.src：
类型：InputArray
描述：输入图像，可以是单通道或多通道的灰度图像或彩色图像。图像的通道数量可以是任意的，但深度（数据类型）必须是CV_8U、CV_16U、CV_16S、CV_32F或CV_64F中的一种。
2.dst：
类型：OutputArray
描述：输出图像，与源图像具有相同的大小和类型。膨胀操作的结果将存储在这个图像中。
3.kernel：
类型：InputArray
描述：膨胀核（结构元素），用于指定膨胀操作的形状和尺寸。核可以是自定义的，也可以使用getStructuringElement函数来生成。如果未指定（即传递Mat()），则默认使用一个3x3的矩形核。
4.anchor：
类型：Point
默认值：Point(-1,-1)
描述：锚点的位置，决定了结构元素在进行膨胀时的参考位置。默认情况下，锚点位于结构元素的中心。
5.iterations：
类型：int
默认值：1
描述：膨胀操作的迭代次数。每次迭代都会将边缘进一步扩张。
6.borderType：
类型：int
默认值：BORDER_CONSTANT
描述：像素外推方法，用于处理边界像素。不同的方法会影响边界像素的处理方式。
7.borderValue：
类型：const Scalar&
默认值：morphologyDefaultBorderValue()
描述：在边界像素外推时使用的值，仅当borderType=BORDER_CONSTANT时有效。
5、侵蚀边缘
函数原型
void cv::erode(InputArray src, OutputArray dst,
InputArray kernel,
Point anchor=Point(-1,-1),
int iterations=1,
int borderType=BORDER_CONSTANT,
const Scalar& borderValue=morphologyDefaultBorderValue() );
参数详解
1.src：
类型：InputArray
描述：输入图像，即源图像，可以是单通道或多通道的灰度图像或彩色图像。图像的通道数量可以是任意的，但深度（数据类型）必须是CV_8U、CV_16U、CV_16S、CV_32F或CV_64F中的一种。
2.dst：
类型：OutputArray
描述：输出图像，与源图像具有相同的大小和类型。腐蚀操作的结果将存储在这个图像中。
3.kernel：
类型：InputArray
描述：腐蚀核（结构元素），用于指定腐蚀操作的形状和尺寸。核可以是自定义的，也可以使用getStructuringElement函数来生成。如果未指定（即传递Mat()），则默认使用一个3x3的矩形核。
4.anchor：
类型：Point
默认值：Point(-1,-1)
描述：锚点的位置，决定了结构元素在进行腐蚀时的参考位置。默认情况下，锚点位于结构元素的中心。
5.iterations：
类型：int
默认值：1
描述：腐蚀操作的迭代次数。每次迭代都会进一步腐蚀图像中的高亮区域。
6.borderType：
类型：int
默认值：BORDER_CONSTANT
描述：像素外推方法，用于处理边界像素。不同的方法会影响边界像素的处理方式。
7.borderValue：
类型：const Scalar&
默认值：morphologyDefaultBorderValue()
描述：在边界像素外推时使用的值，仅当borderType=BORDER_CONSTANT时有效。
使用示例
#include<opencv2/imgcodecs.hpp>
#include<opencv2/highgui.hpp>
#include<opencv2/imgproc.hpp>
#include<iostream>
using namespace std;
using namespace cv;
/// <summary>
/// Basic Function
/// </summary>
//void main() {
// string path = "Resources/test.png";
// Mat img=imread(path);//matrix data type 由opencv引入来处理图像
// Mat imgGray,imgBlur,imgCanny,imgDil,imgErode;
//
// cvtColor(img, imgGray, COLOR_BGR2GRAY);//cvt是convert的缩写，将图像从一种颜色空间转换为另一种颜色空间。
// GaussianBlur(imgGray, imgBlur,Size(7,7),5,0);//使用高斯滤波器模糊图像。该函数将源图像与指定的高斯核进行卷积,Size(7,7)是核大小,数字越大越模糊
// Canny(imgBlur, imgCanny, 25, 75);//边缘检测，阈值1，2可调，目的：显示更多的边缘
//
// Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));//创建一个核，增加Size（只能是奇数）会扩张/侵蚀更多
// dilate(imgCanny, imgDil, kernel);//扩张边缘（增加边缘厚度）
// erode(imgDil, imgErode, kernel);//侵蚀边缘（减小边缘厚度）
// imshow("Image", img);
// imshow("Image Gray", imgGray);
// imshow("Image Blur", imgBlur);
// imshow("Image Canny", imgCanny);
// imshow("Image Dilation", imgDil);
// imshow("Image Erode", imgErode);
// waitKey(0);//增加延时，0表示无穷
//}