### OpenCV 图像处理 示例 教程 #### 彩色图像转灰度图并展示 通过 C++ 实现彩色图像到灰度图的转换，并展示了如何加载和显示图像。 ```cpp #include <iostream> #include <opencv2/imgcodecs.hpp> #include <opencv2/highgui.hpp> #include <opencv2/imgproc.hpp> using namespace std; using namespace cv; int main() { // 分别以彩色格式和灰度图格式读取图像 Mat colorImg = imread("image1.png", IMREAD_COLOR); Mat grayImg; // 转换为灰度图 cvtColor(colorImg, grayImg, COLOR_BGR2GRAY); // 显示图像 imshow("原始图像", colorImg); imshow("转换后的灰度图", grayImg); waitKey(0); return 0; } ``` 这段代码首先导入必要的库文件，定义命名空间。`imread()` 函数用于按指定路径读取图像；`cvtColor()` 将输入的颜色图像转换成灰度图像；最后利用 `imshow()` 和 `waitKey()` 来创建窗口并等待按键事件来关闭这些窗口[^1]。 #### 添加随机噪声至图像 Python 中使用 OpenCV 库向图像添加椒盐噪声的例子： ```python import cv2 as cv import numpy as np img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED) rows, cols, chn = img.shape for _ in range(5000): x = np.random.randint(0, rows) y = np.random.randint(0, cols) img[x, y, :] = 255 cv.imshow("noise", img) # 图像保存 cv.imwrite("maliao_noise.jpg", img) cv.waitKey() cv.destroyAllWindows() ``` 此脚本先载入一张名为 "maliao.jpg" 的图片，在其上随机位置设置白色像素点模拟高斯白噪声音效，再调用 `imshow()` 方法预览加噪效果，最终将结果另存新档名 "maliao_noise.jpg"[^2]. #### 边缘检测应用实例 边缘检测是计算机视觉中的重要环节之一，能够帮助识别物体轮廓特征。以下是基于 Sobel 运算子进行边缘提取的方法简介: ```python import cv2 as cv from matplotlib import pyplot as plt def sobel_edge_detection(image_path): image = cv.imread(image_path, 0) sobelx = cv.Sobel(image,cv.CV_64F,1,0,ksize=5) sobely = cv.Sobel(image,cv.CV_64F,0,1,ksize=5) fig, axs = plt.subplots(nrows=1, ncols=3, figsize=(10, 5)) ax = axs.ravel() ax[0].imshow(cv.cvtColor(image, cv.COLOR_BGR2RGB), cmap='gray') ax[0].set_title('Original Image') ax[1].imshow(sobelx,cmap = 'gray') ax[1].set_title('Sobel X') ax[2].imshow(sobely,cmap = 'gray') ax[2].set_title('Sobel Y') plt.show() sobel_edge_detection('example_image.png') ``` 上述 Python 程序采用 Sobel 导数模板计算水平方向 (`sobelx`) 及垂直方向(`sobely`)的一阶导数值，从而突出显示不同方向上的边界信息[^3]. #### 形态学操作之矩形结构元腐蚀 形态学运算常被用来清理二值化后的图像数据，去除不必要的细节干扰项。这里给出一个简单的例子演示如何运用矩形核执行侵蚀变换： ```python import cv2 as cv import numpy as np kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5)) erosion = cv.erode(src=cv.imread('input_binary_image.png',0), kernel=kernel, iterations=1) cv.imshow('Eroded Image', erosion) cv.waitKey(0) cv.destroyAllWindows() ``` 该片段中，`getStructuringElement()` 创建了一个大小为 (5×5) 的矩形内核作为工具形状参数传递给 `erode()` 函数完成实际的操作过程[^4].