记录了本人在图像处理相关学习过程中对opencv的使用心得，主要是供自己复习，但如果碰巧为你解决了问题，那就更好了。 由于本博客写作目的是用于复习，故顺序依照本人学习过程来进行编写。 如有错误，欢迎指正。
安装opencv可以去官网下载对应版本的包。一些朋友可能会碰到网络问题导致下载速度特慢，此处我为大家提供opencv4.1.2资源与opencv4.1.2 Tutorial离线包。资源在此
具体的安装过程建议参考：VS2017配置OpenCV，这个教程很详细，亲测很多次可用，不同版本也可以参考，原理类似。
另，如果在之前已经依照其他的教程未能成功安装，在使用上述教程安装后任无法正常运行，可以在系统的环境变量里面看看是不是之前设置的环境变量未删除。
1、Canny算子： 首先需要对Canny算子有一个基本的了解。 Canny边缘检测算法的主要过程： 1、对图像进行平滑降噪 2、使用一阶偏导的有限差分计算梯度的方向和幅值 3、对梯度幅值进行非极大值抑制 4、使用双阈值检测算法和边缘连接 具体可以参考：canny算子的语法原理分析 （上图侵删） 关于两个阈值参数的解释： 1、低于阈值1（滞后阈值低阈值）的像素点会被认为不是边缘； 2、高于阈值2（滞后阈值高阈值）的像素点会被认为是边缘； 3、在阈值1和阈值2之间的像素点，若与第二步得到的边缘像素点相邻，则被认为是边缘，否则被认为不是边缘。
实现代码如下：
#include <opencv2/opencv.hpp> #include "opencv2/core/core.hpp" #include "opencv2/imgproc/imgproc.hpp" #include "opencv2/calib3d/calib3d.hpp" #include "opencv2/highgui/highgui.hpp" #include <iostream> #include <fstream> using namespace std; using namespace cv; int change_scanner(Mat img1, Mat img2, Mat img3);//用于做差值检测 int main() { Mat img1_raw = imread("D:/Desktop/2020暑期实习/6月30号测试/bwd.png", 1); //检查是否读取文件成功 if (img1_raw.empty()) { cout << "Can't load image" << endl; return -1; } Mat img2_raw = imread("D:/Desktop/2020暑期实习/6月30号测试/fwd.png", 1); //检查是否读取文件成功 if (img2_raw.empty()) { cout << "Can't load image" << endl; return -1; } //对原图裁剪一下 Mat img1_part, img2_part; //就裁取左上角吧 Rect scale; scale=Rect(0, 0, (img1_raw.cols) / 4,(img1_raw.rows) / 4);//注意这个函数的参数，Rect( int x, int y, int width, int height ) img1_part = img1_raw(scale); img2_part = img2_raw(scale); //1. Canny Mat img_out_canny; Canny(img1_part, img_out_canny, 30, 150); imwrite("D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/canny_30_150.png", img_out_canny); Canny(img1_part, img_out_canny, 50, 150); imwrite("D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/canny_50_150.png", img_out_canny); Canny(img1_part, img_out_canny, 150, 150); imwrite("D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/canny_150_150.png", img_out_canny); //------------------------------------------------------------------------------------------------------- //测试部分 string test1_file = "D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/canny_30_150.png"; string test2_file = "D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/canny_50_150.png"; Mat img1 = imread(test1_file, 0); Mat img2 = imread(test2_file, 0); change_scanner(img1,img2, img1_part); cout << "没有意外发生"; return 0; } int change_scanner(Mat img1, Mat img2, Mat img3)//img1与img2是两个参数提取的特征，img3是原图 { if (img1.rows != img2.rows || img1.cols != img2.cols) { cout << "图片格式不一致"; return -1; } if (img3.channels() != 3) { cout << "img3需要是三通道图片"; return -2; } for (int i = 0; i < img1.rows; i++) for (int j = 0; j < img1.cols; j++) { int temp = img1.ptr<uchar>(i)[j] - img2.ptr<uchar>(i)[j]; //图一比图二多的地方显蓝色 if (temp > 0) //图二比图一多的地方显红色 { img3.at<Vec3b>(i, j)[0] = 255; } if (temp < 0) { img3.at<Vec3b>(i, j)[2] = 255; } } imwrite("D:/Desktop/2020暑期实习/6月30号测试/输出/边缘提取/canny/difference.png", img3); return 0; }（第一次贴代码就贴出全部结构，后文的代码就主要只贴功能函数部分） 使用时注意修改图片文件位置。
上文的代码中对示例图片使用canny函数进行不同的第二个参数（滞后阈值低阈值）的边缘提取，效果如下： canny_30_150 canny_50_150 canny_150_150 随着这个参数值的增大，边缘提取图出现了一些变化，但是我感觉肉眼很难判断。于是可以对不同参数生成的边缘提取图做差值。由于差值可能会有正有负，故最好在三通道上显示。 差值函数形式：change_scanner(Mat img1, Mat img2, Mat img3)，其中img1，img2是边缘提取的灰度图。img3是原图，用于在原图上标识。蓝色代表img1比img2多的部分，红色表示img1比img2少的部分。（颜色不是很明显，需要仔细看看）
canny_30_150减去canny_50_150 canny_50_150减去canny_150_150 按照老师的要求分析参数的效果，可以看出来随着阈值1的增大，有些原本被判断为边缘的部分会被去除。观察边缘提取效果图，发现在设置合适的阈值后，可以滤除一些边缘，例如建筑物房顶的屋脊（可以从上面的边缘图中看出来）
canny_150_150 canny_150_180 从上面两张图可以看出图像中间偏右侧建筑物的屋脊发生了变化。由此，在使用时，可以根据需要调制阈值，以达到提取兴取目标的结果。
2、Laplace算子
Laplace算子是数字图像处理课程中重点介绍的算子，简介可以参考 opencv中的函数：Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT )，其中： 1、src_gray：输入图像，灰度图。 2、dst：laplace算子运算结果。 3、ddepth：输出图像深度，因为输入图像一般为CV_8U，为了避免数据溢出，输出图像深度应该设置为CV_16S。 4、kernel_size：filter mask的规模，我们的mask是3x3的，所以这里应该设置为3。 5、scale，delta，BORDER_DEFAULT：使用默认设置即可。
实现代码（功能函数部分）
//Laplace算子 Mat img_in_temp; Mat img_in_gray; Mat img_laplace_out; Mat abs_img_laplace_out; GaussianBlur(img1_part, img_in_temp, Size(3, 3), 0, 0, BORDER_DEFAULT);//高斯滤波 imshow("滤波", img_in_temp); cvtColor(img_in_temp, img_in_gray, COLOR_RGB2GRAY);//图像颜色转换，RGB to gray Laplacian(img_in_gray, img_laplace_out, CV_16S, 3, 1, 0, BORDER_DEFAULT);//Laplace算子 convertScaleAbs(img_laplace_out, abs_img_laplace_out);//convertScaleAbs函数是一个位深转化函数，可将任意类型的数据转化为CV_8UC1。 imshow("Laplace", abs_img_laplace_out); waitKey(0);后续部分请往个人主页。
