前提：已经配好了opencv+Qt
这里只讲如何使用api,不怎么讲算法原理
既然要用opencv的库，首先把相应的头文件导进去吧
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include<cv.h>
using namespace cv;
我这里只导入了我用到了的头文件
using namespace cv;是用来声明cv，类似于using namespace std;
1、展示出一张图片
如果已经声明了using namespace cv;前面可以不加cv：：
//【1】载入原始图
//路径下应该有一张名为5.JPG的素材
Mat image=imread("C:/Users/junyi.pc/Desktop/5.JPG",IMREAD_COLOR);
cv::namedWindow("原图", WINDOW_AUTOSIZE); // 创建一个窗
cv::imshow("原图", image);
sleep(3000);
cv::destroyWindow("原图");
Mat是opencv中存放图片的数据结构
imread是读入图片
namedWindow 声明一个窗口
imshow 将图片展示出来
sleep 我自己写的延迟的函数，下边后展示出来
destroyWindow 让展示的窗口消失
void sleep(unsigned int Msec){
QTime reachTime=QTime::currentTime().addMSecs(Msec);
while(QTime::currentTime()<reachTime){
QCoreApplication::processEvents(QEventLoop::AllEvents,100);
}
}
2、高斯模糊
作用：顾名思义，将一图片变得更模糊
GaussianBlur(image,dst,Size(3,3),0);
cv::namedWindow("高斯模糊图", WINDOW_AUTOSIZE); // 创建一个窗
qImg = IplImage(dst); // cv::Mat -> IplImage
cvSaveImage("C://Users//junyi.pc//Desktop//temp.jpg", &qImg);
cv::imshow("高斯模糊图", dst);
sleep(5000);
cv::destroyWindow("高斯模糊图");
GaussianBlur 中第一个参数是读入的图片，第二行dst是输出图片，也是Mat类型，Size(3,3)是矩阵内核，必须是奇数，数值越大越模糊。
IplImage qImg = IplImage(dst); // cv::Mat -> IplImage
cvSaveImage("C://Users//junyi.pc//Desktop//temp.jpg", &qImg);
这两行代码是将处理后的图片另存为
除了高斯模糊，还有均值模糊等等
3、灰度化
作用：将图片彩色去掉
cvtColor( src, dst, CV_RGB2GRAY );
//src, dst都是Mat 类型，前者是输入图片，后者是输出图片-即灰度图
4、索贝尔边缘检测
Mat src = imread("C:/Users/junyi.pc/Desktop/temp.jpg",IMREAD_COLOR);
Sobel( src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );
convertScaleAbs( grad_x, abs_grad_x );
Sobel( src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );
convertScaleAbs( grad_y, abs_grad_y );
addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );
qImg = IplImage(dst); // cv::Mat -> IplImage
cvSaveImage("C://Users//junyi.pc//Desktop//temp.jpg", &qImg);
cv::namedWindow("索贝尔算子边缘检测图");
cv::imshow("索贝尔算子边缘检测图",dst);
sleep(5000);
cv::destroyWindow("索贝尔算子边缘检测图");
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。
5、二值化
src=imread("C:/Users/junyi.pc/Desktop/temp.jpg",IMREAD_COLOR);
dst.create( src.size(), src.type() );
// 【2】将原图像转换为灰度图像
cvtColor( src, gray, CV_BGR2GRAY );
// 【3】先用使用 3x3内核来降噪
blur( gray, edge, Size(3,3) );
//type选THRESH_BINARY，大于阈值的设置为maxval(255),其它置0
threshold(edge, dst, nY20_thresh, 255, THRESH_BINARY);
qImg = IplImage(dst); // cv::Mat -> IplImage
cvSaveImage("C://Users//junyi.pc//Desktop//temp.jpg", &qImg);
cv::namedWindow("二值化图", WINDOW_AUTOSIZE); // 创建一个窗
cv::imshow("二值化图", dst);
sleep(5000);
cv::destroyWindow("二值化图");
关键在于threshold(edge, dst, nY20_thresh, 255, THRESH_BINARY);
nY20_thresh是阈值，设定阈值的方式有很多种可自行百度，255是最大值，一般就是255
6、闭运算
image=imread("C:/Users/junyi.pc/Desktop/temp.jpg",IMREAD_COLOR);
dst =getStructuringElement(MORPH_RECT,Size(4,4));
morphologyEx(image,image, MORPH_CLOSE, dst);
qImg = IplImage(image); // cv::Mat -> IplImage
cvSaveImage("C://Users//junyi.pc//Desktop//temp.jpg", &qImg);
cv::namedWindow("闭运算图", WINDOW_AUTOSIZE); // 创建一个窗
cv::imshow("闭运算图", image);
sleep(5000);
cv::destroyWindow("闭运算图");
break;
dst =getStructuringElement(MORPH_RECT,Size(4,4));
获取一个内核矩阵
morphologyEx(image,image, MORPH_CLOSE, dst);
使用dst这个内核矩阵来执行闭运算，输入输出都是image
7、绘制边缘
void func10(Mat im){
vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
if(!im.data)
{cout<<"Can't find image!";}
//change the image to binary by setting a threshold
threshold(im,im,120,255,THRESH_BINARY);
findContours(im,contours,hierarchy,CV_RETR_TREE, CV_CHAIN_APPROX_NONE);
Mat contoursImage(im.rows,im.cols,CV_8U,Scalar(255));
for(int i=0;i<contours.size();i++){
if(hierarchy[i][3]!=-1){
drawContours(contoursImage,contours,i,Scalar(0),3);
namedWindow("ha");
imshow("ha",contoursImage);
sleep(100);
}
}
}
findContours 是寻找边缘的函数
drawContours 将边缘绘制出来
