ubuntu24.04使用opencv4

ubuntu24.04LTS自带opencv4.5
代码实例

//opencv_example.cpp
#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 读取图像
    cv::Mat img = cv::imread("image.jpg", cv::IMREAD_COLOR);
    if (img.empty()) {
        std::cerr << "无法读取图像!" << std::endl;
        return -1;
    }

    // 显示图像
    cv::imshow("显示图像", img);
    cv::waitKey(0); // 等待按键
    return 0;
}

编译( usr/include/opencv4包含opencv2目录，编译执行导入外面一层目录)

g++ opencv_example.cpp -o opencv_example `pkg-config --cflags --libs opencv4`

执行

opencv_example

link-use sift : https://stackoverflow.com/questions/22722772/how-to-use-sift-in-opencv

安装拓展包

link: https://github.com/opencv/opencv_contrib.git
OpenCV Contrib 是 OpenCV 的一个附加模块库，包含了一些在核心 OpenCV 库中没有的额外功能和算法。它的主要作用和特点包括：

介绍

1. 扩展功能

OpenCV Contrib 提供了一些额外的计算机视觉和图像处理功能，这些功能可能不够成熟或不够通用，无法包含在核心 OpenCV 中。通过使用 Contrib 模块，用户可以访问这些实验性或特定领域的功能。

2. 额外的算法

Contrib 模块中包含了一些特定的算法和工具，例如：

xfeatures2d：包含 SIFT、SURF 和其他特征检测和描述子提取算法。
text：用于文本检测和识别的工具。
tracking：包含多种目标跟踪算法。
saliency：用于显著性检测的算法。
face：人脸检测和识别的相关功能。

基础

致命陷阱: cv::Mat

只在创建Mat的时候，(row,col)，其余(col,row)
如下，创建了一个3*row行，3*col列的图像

    cv::Mat globalImage=cv::Mat::zeros(3*row, 3*col, CV_8UC3);

所有的向量位置，也是(col,row)的形式：图像(row,col)的位置表示为(col,row);

        ori_corners.push_back((cv::Mat_<double>(3,1) << col-1, 0,1));

col代表x，row代表y

cv::Rect

cv::Rect(0, 0, img2.cols, img2.rows) 创建了一个从 (0, 0) 开始，宽度为 img2.cols，高度为 img2.rows 的矩形，通常表示整个图像 img2 的区域。

cv::vec4f

表示2D直线时，前两个表示方向，后两个表示端点；

操作

opencv如何把一个图像的某个菱形区域粘贴到另一个图像上？

在OpenCV中，可以通过以下步骤将一个图像的某个菱形区域粘贴到另一个图像上：

读取图像：使用 cv::imread 读取源图像和目标图像。
定义菱形区域：通过指定菱形的中心和大小，计算出菱形区域的四个顶点。
创建掩膜：使用掩膜来提取源图像中的菱形区域。
粘贴区域：将提取的菱形区域粘贴到目标图像的指定位置。

以下是一个示例代码，演示如何实现这一过程：

C++ 示例代码

#include <opencv2/opencv.hpp>

int main() {
    // 读取源图像和目标图像
    cv::Mat sourceImage = cv::imread("source_image.jpg");
    cv::Mat targetImage = cv::imread("target_image.jpg");

    // 检查图像是否成功读取
    if (sourceImage.empty() || targetImage.empty()) {
        std::cerr << "Could not open or find the images!" << std::endl;
        return -1;
    }

    // 定义菱形区域的中心和大小
    cv::Point center(100, 100); // 菱形中心
    int width = 80; // 菱形的宽度
    int height = 80; // 菱形的高度

    // 计算菱形的四个顶点
    std::vector<cv::Point> diamondPoints;
    diamondPoints.push_back(cv::Point(center.x, center.y - height / 2)); // 上顶点
    diamondPoints.push_back(cv::Point(center.x + width / 2, center.y)); // 右顶点
    diamondPoints.push_back(cv::Point(center.x, center.y + height / 2)); // 下顶点
    diamondPoints.push_back(cv::Point(center.x - width / 2, center.y)); // 左顶点

    // 创建掩膜
    cv::Mat mask = cv::Mat::zeros(sourceImage.size(), CV_8UC1);
    cv::fillConvexPoly(mask, diamondPoints, cv::Scalar(255));

    // 提取菱形区域
    cv::Mat diamondRegion;
    sourceImage.copyTo(diamondRegion, mask);

    // 定义粘贴位置
    cv::Point pasteLocation(50, 50); // 在目标图像上的粘贴位置

    // 将菱形区域粘贴到目标图像上
    for (int y = 0; y < diamondRegion.rows; y++) {
        for (int x = 0; x < diamondRegion.cols; x++) {
            if (mask.at<uchar>(y, x) > 0) { // 检查掩膜
                targetImage.at<cv::Vec3b>(pasteLocation.y + y, pasteLocation.x + x) = diamondRegion.at<cv::Vec3b>(y, x);
            }
        }
    }

    // 显示结果
    cv::imshow("Result", targetImage);
    cv::waitKey(0);
    return 0;
}

说明：

读取图像：使用 cv::imread 读取源图像和目标图像。
定义菱形区域：通过指定菱形的中心和大小，计算出菱形的四个顶点。
创建掩膜：使用 cv::fillConvexPoly 创建一个掩膜，填充菱形区域。
提取菱形区域：使用掩膜从源图像中提取菱形区域。
粘贴区域：将提取的菱形区域粘贴到目标图像的指定位置。
显示结果：使用 cv::imshow 显示结果图像。

注意事项：

确保粘贴位置在目标图像的有效范围内，以避免越界访问。
如果源图像和目标图像的大小不同，可能需要调整菱形区域的大小或粘贴位置。

simple multi-band blending

link1： https://blog.csdn.net/m0_59023219/article/details/130733220
link2：https://blog.csdn.net/qq_46396470/article/details/140087963

#include <opencv2/opencv.hpp>
#include <vector>

using namespace cv;

// 函数：创建拉普拉斯金字塔
std::vector<Mat> createLaplacianPyramid(const Mat& image, int levels) {
    std::vector<Mat> pyramid;
    Mat current = image.clone();
    for (int i = 0; i < levels; i++) {
        Mat down;
        pyrDown(current, down);
        Mat laplacian = current - downsample(down, current.size());
        pyramid.push_back(laplacian);
        current = down;
    }
    pyramid.push_back(current); // 最底层
    return pyramid;
}

// 函数：重建图像
Mat reconstructFromPyramid(const std::vector<Mat>& pyramid) {
    Mat current = pyramid.back();
    for (int i = pyramid.size() - 2; i >= 0; i--) {
        current = pyrUp(current) + pyramid[i]; // 使用 pyrUp 进行上采样
    }
    return current;
}

// 函数：多频带混合
Mat multiBandBlending(const Mat& img1, const Mat& img2, int levels) {
    // 创建拉普拉斯金字塔
    std::vector<Mat> laplacian1 = createLaplacianPyramid(img1, levels);
    std::vector<Mat> laplacian2 = createLaplacianPyramid(img2, levels);

    // 混合频带
    std::vector<Mat> blendedPyramid;
    for (size_t i = 0; i < laplacian1.size(); i++) {
        Mat blended = (laplacian1[i] + laplacian2[i]) / 2; // 简单的平均混合
        blendedPyramid.push_back(blended);
    }

    // 重建图像
    return reconstructFromPyramid(blendedPyramid);
}

int main() {
    // 读取图像
    Mat img1 = imread("image1.jpg");
    Mat img2 = imread("image2.jpg");

    if (img1.empty() || img2.empty()) {
        std::cerr << "无法读取图像!" << std::endl;
        return -1;
    }

    // 确保图像大小相同
    if (img1.size() != img2.size()) {
        resize(img2, img2, img1.size());
    }

    // 进行多频带混合
    Mat blended = multiBandBlending(img1, img2, 5);

    // 显示结果
    imshow("Blended Image", blended);
    waitKey(0);
    return 0;
}