Open_cv中常用函数的原型及参数解释（一）

void morphologyEx(  
InputArray src,  
OutputArray dst,  
int op,  
InputArraykernel,  
Pointanchor=Point(-1,-1),  
intiterations=1,  
intborderType=BORDER_CONSTANT,  
constScalar& borderValue=morphologyDefaultBorderValue() );  

· 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。

· 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

· 第三个参数，int类型的op，表示形态***算的类型，可以是如下之一的标识符：

· 

· MORPH_OPEN – 开运算（Opening operation）

· MORPH_CLOSE – 闭运算（Closing operation）

· MORPH_GRADIENT -形态学梯度（Morphological gradient）

· MORPH_TOPHAT - “顶帽”（“Top hat”）

· MORPH_BLACKHAT - “黑帽”（“Black hat“）

另有CV版本的标识符也可选择，如CV_MOP_CLOSE，CV_MOP_GRADIENT，CV_MOP_TOPHAT，CV_MOP_BLACKHAT，这应该是OpenCV1.0系列版本遗留下来的标识符，和上面的“MORPH_OPEN”一样的效果。

· 第四个参数，InputArray类型的kernel，形态***算的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。关于getStructuringElement我们上篇文章中讲过了，这里为了大家参阅方便，再写一遍：

其中，getStructuringElement函数的第一个参数表示内核的形状，我们可以选择如下三种形状之一:

· 

· 矩形: MORPH_RECT

· 交叉形: MORPH_CROSS

· 椭圆形: MORPH_ELLIPSE

而getStructuringElement函数的第二和第三个参数分别是内核的尺寸以及锚点的位置。

我们一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置，有默认值Point(-1,-1)，表示锚点位于中心。且需要注意，十字形的element形状唯一依赖于锚点的位置。而在其他情况下，锚点只是影响了形态***算结果的偏移。

· 第五个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。

· 第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。

· 第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。

·第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。

//getStructuringElement函数相关的调用示例代码
int g_nStructElementSize = 3; //结构元素(内核矩阵)的尺寸  
   
//获取自定义核  
Mat element =getStructuringElement(MORPH_RECT,  
       Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1),  
       Point(g_nStructElementSize, g_nStructElementSize )); 


//形态学处理示例代码（以开运算为例）
//载入原始图    
       Mat image = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  
       //创建窗口    
       namedWindow("【原始图】开运算");   
       namedWindow("【效果图】开运算");   
       //显示原始图   
       imshow("【原始图】开运算", image);   
       //定义核  
       Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));   
       //进行形态学操作  
       morphologyEx(image,image, MORPH_OPEN, element);  
       //显示效果图   
       imshow("【效果图】开运算", image);   
   
       waitKey(0);   
   
       return 0;   

22、边缘检测函数：Candy算子

void Canny(InputArray image,OutputArray edges, double threshold1, double threshold2, int apertureSize=3,bool L2gradient=false )

· 第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

· 第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和类型。

· 第三个参数，double类型的threshold1，第一个滞后性阈值。

· 第四个参数，double类型的threshold2，第二个滞后性阈值。

· 第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。

· 第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。

//示例代码
//载入原始图   
       Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  
       Canny(src, src, 3, 9,3 );  
       imshow("【效果图】Canny边缘检测", src);  

23、边缘检测函数：sobel算子

void Sobel (  
InputArray src,//输入图  
 OutputArray dst,//输出图  
 int ddepth,//输出图像的深度  
 int dx,  
 int dy,  
 int ksize=3,  
 double scale=1,  
 double delta=0,  
 int borderType=BORDER_DEFAULT );  

· 第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。

· 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

· 第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：

· 

· 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F

· 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F

· 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F

· 若src.depth() = CV_64F, 取ddepth = -1/CV_64F

· 第四个参数，int类型dx，x 方向上的差分阶数。

· 第五个参数，int类型dy，y方向上的差分阶数。

· 第六个参数，int类型ksize，有默认值3，表示Sobel核的大小;必须取1，3，5或7。

· 第七个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。

· 第八个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

· 第九个参数， int类型的borderType，我们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。

//示例代码
 //【0】创建 grad_x 和 grad_y 矩阵  
    Mat grad_x, grad_y;  
    Mat abs_grad_x, abs_grad_y,dst;  
  
    //【1】载入原始图    
    Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  
  
    //【2】显示原始图   
    imshow("【原始图】sobel边缘检测", src);   
  
    //【3】求 X方向梯度  
    Sobel( src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );  
    convertScaleAbs( grad_x, abs_grad_x );  
    imshow("【效果图】 X方向Sobel", abs_grad_x);   
  
    //【4】求Y方向梯度  
    Sobel( src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );  
    convertScaleAbs( grad_y, abs_grad_y );  
    imshow("【效果图】Y方向Sobel", abs_grad_y);   
  
    //【5】合并梯度(近似)  
    addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );  
    imshow("【效果图】整体方向Sobel", dst); 

24、边缘检测函数：Laplace算子

void Laplacian(InputArray src,OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, intborderType=BORDER_DEFAULT );  

· 第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

· 第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和通道数。

· 第三个参数，int类型的ddept，目标图像的深度。

· 第四个参数，int类型的ksize，用于计算二阶导数的滤波器的孔径尺寸，大小必须为正奇数，且有默认值1。

· 第五个参数，double类型的scale，计算拉普拉斯值的时候可选的比例因子，有默认值1。

· 第六个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

· 第七个参数， int类型的borderType，边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate()处得到更详细的信息。

//示例代码
   //【0】变量的定义  
    Mat src,src_gray,dst, abs_dst;  
  
    //【1】载入原始图    
    src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  
  
    //【2】显示原始图   
    imshow("【原始图】图像Laplace变换", src);   
  
    //【3】使用高斯滤波消除噪声  
    GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );  
  
    //【4】转换为灰度图  
    cvtColor( src, src_gray, CV_RGB2GRAY );  
  
    //【5】使用Laplace函数  
    Laplacian( src_gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT );  
  
    //【6】计算绝对值，并将结果转换成8位  
    convertScaleAbs( dst, abs_dst );  
  
    //【7】显示效果图  
    imshow( "【效果图】图像Laplace变换", abs_dst );  

25、边缘检测函数：scharr滤波器

void Scharr(  
InputArray src, //源图  
 OutputArray dst, //目标图  
 int ddepth,//图像深度  
 int dx,// x方向上的差分阶数  
 int dy,//y方向上的差分阶数  
 double scale=1,//缩放因子  
 double delta=0,// delta值  
 intborderType=BORDER_DEFAULT )// 边界模式  

· 第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。

· 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

· 第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：

· 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F

· 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F

· 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F

· 若src.depth() = CV_64F, 取ddepth = -1/CV_64F

· 第四个参数，int类型dx，x方向上的差分阶数。

· 第五个参数，int类型dy，y方向上的差分阶数。

· 第六个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。

· 第七个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

· 第八个参数， int类型的borderType，我们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。