膨胀与腐蚀是形态学操作中的一种，是比较有用的。在halcon机器视觉中也是常用操作。请看演示代码：#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;
Mat src, dst;
void CallBack_Demo(int, voi
演示代码:#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;
int main(int argc, char** argv) {
Mat src, dst,dst1,dst2,dst3;
src&
绘制形状比较简单，基本上没啥子好说的，见代码。演示代码：#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
Mat bgImage;
const char* drawdemo_win = "draw s
演示代码:#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;
int main(int argc, char** argv) {
Mat src, dst;
src = imr
图像混合的原理理论-线性混合操作其中 a的取值范围为0~1之间对应的opencv算子是 addWeighted()参数1：输入图像Mat – src1参数2：输入图像src1的alpha值参数3：输入图像Mat – src2参数4：输入图像src2的alpha值参数5：gamma值参数6：输出混合图像注意点：两张图像的大小和类型必须一致才可以演示代码：#include <opencv2/opencv.hpp>
#include <iostream
学习sobel总结：先说下边缘，在图像上像素发生跃迁的的地方。如何捕捉边缘：对图像进行一阶求导，▲ = f(x)-f(x-1),▲的值越大，那么说明x方向边缘信号越强烈。 下图图我们可以看见像素值明显发生改变，表示这一现象可以用导数，变化率越大，说明像素值改变越显著f(x)为图像像素值的函数图，f'(t)为f(t)的一阶导数，即当前像素减去上一个像素的差值，可以看到红圈标注的地方，即边缘信号的最大体现。但是应用到图像中我们是找不到这个函数的，在图像中不是一个准确的函数,所以使用
sobel算子是一种常用的边缘检测算子，是一阶的梯度算法。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。它进行处理的模板如下：其中，Gx是横向的算子，Gy是纵向的算子。原图像记为f，则GX = Gx*fGY = Gy*fGx =-1*f(x-1, y-1) + 0*f(x,y-1) + 1*f(x+1,y-1)+(-2)*f(x-1,y) + 0*f(x,y)+2*f(x+1,y)+(-1)*f(x-1,y+1) + 0
1.图像基本运算图像的基本运算有很多种，比如两幅图像可以相加、相减、相乘、相除、位运算、平方根、对数、绝对值等；图像也可以放大、缩小、旋转，还可以截取其中的一部分作为ROI（感兴趣区域）进行操作，各个颜色通道还可以分别提取及对各个颜色通道进行各种运算操作。总之，对于图像可以进行的基本运算非常的多，只是挑了些常用的操作详解。void add(InputArray src1, InputArray src2, OutputArray dst
利用Mat对象的像素数组指针来修改图片，是老司机玩的，新手的话可以采用一些安全访问的办法。见下面的代码。演示代码：#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;
using namespace std;
int main(int a
一、What is vector？ vector(向量): C++中的一种数据结构,确切的说是一个类.它相当于一个动态的数组,当程序员无法知道自己需要的数组的规模多大时,用其来解决问题可以达到最大节约空间的目的.用法:1.文件包含: 首先在程序开头处加上#include<vector>以包含所需要的类文件vecto