opencv入门，尝试基于积分图像进行盒式滤波
问题遇到的现象和发生背景
遇到的现象和发生背景，请写出第一个错误信息
输出的图像是一张几乎完全黑的图片（只有边缘没有做处理的地方显示出来）
#include (i - k, j - k);
Vec3b& pixel2 = imageIntegralNorm.at(i - k, j + k);
Vec3b& pixel3 = imageIntegralNorm.at(i + k, j - k);
Vec3b& pixel4 = imageIntegralNorm.at(i + k, j + k);
sum_r = pixel4[2] + pixel1[2] - pixel2[2] - pixel3[2];
sum_g = pixel4[1] + pixel1[1] - pixel2[1] - pixel3[1];
sum_b = pixel4[0] + pixel1[0] - pixel2[0] - pixel3[0];
Vec3b& pixel5 = image_output.at(i, j);
pixel5[2] = round(sum_r / (filter_size * filter_size));
pixel5[1] = round(sum_g / (filter_size * filter_size));
pixel5[0] = round(sum_b / (filter_size * filter_size));
}
}
}
int main()
{
Mat srcImage = imread("test.jpg");
if (!srcImage.data)
{
cout << "读取失败！\n";
system("pause");
return -1;
}
imshow("original image", srcImage);
Mat dstImage;
myboxfilter(3,srcImage, dstImage);
imshow("after myboxfilter", dstImage);
imwrite("box_filtering.jpg", dstImage);
waitKey(0);
return 0;
}
我想要达到的结果
输出经过盒式滤波的彩色图片
myboxfilter 函数中进行积分图像的计算和归一化时，使用了 normalize 和 convertScaleAbs 两个函数。但是它们的使用似乎不太正确，因为在计算积分图像后，像素值已经是浮点型 CV_32F 类型的数值，不需要进行归一化和类型转换。这部分代码可以简化为：
scss
Copy code
Mat image_integral;
integral(image_input, image_integral, CV_32F);
在 myboxfilter 函数中，对于输入图像的边缘区域并没有进行处理。因此，在进行像素遍历时需要注意边界的处理，避免访问越界导致程序崩溃。
在 myboxfilter 函数中，进行像素计算时使用了 round 函数对浮点型像素值进行四舍五入。但是，由于 round 函数返回的是整型数值，因此可能会导致计算结果不太准确。可以考虑使用 cv::saturate_cast 函数将浮点型数值转换为合理的像素类型。
在 main 函数中，没有使用 waitKey 函数等待用户按下按键后才退出程序。这可能会导致窗口一闪而过，用户无法看到处理结果。可以在最后添加如下代码：
scss
Copy code
waitKey(0);
这样可以等待用户按下任意键后才退出程序，用户可以看到处理结果
- 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/681284
- 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：opencv 测试代码运行时遇到的一些错误记录 | 笔记
- 除此之外, 这篇博客: 利用opencv实现检测特定颜色物体，并追踪其移动中的 如果大家有什么更好的方法提出，麻烦在下方评论区留个言，，抱抱大腿。 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
效果图如下：
import numpy as np import cv2 import argparse from collections import deque cap = cv2.VideoCapture(0) pts = deque(maxlen=128) lower_red = np.array([0, 80, 50]) upper_red = np.array([8, 255, 220]) lower_green = np.array([50, 120, 50]) upper_green = np.array([77, 255, 255]) while True: ret, img = cap.read() img = img[:, :-50] hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 将捕获的视频帧由RBG转HSV kernel = np.ones((3, 3), np.uint8) # 将处于lower_green 和upper_green 区间外的值全部置为0，区间内的值置为255 mask = cv2.inRange(hsv, lower_green, upper_green) # mask_pencil = cv2.inRange() # 对mask图像进行腐蚀，将一些小的白色区域消除，将图像“变瘦”， iterations代表使用erode的次数 # erode就是让图像中白色部分变小 mask = cv2.erode(mask, kernel, iterations=2) # 开运算 （MORPH_OPEN）:先腐蚀再膨胀 # 删除不能包含结构元素的对象区域，平滑图像的轮廓，使拐点的地方更加连贯，断开一些狭窄的链接，去掉细小的突出部分。 # 在这里使用开运算就是为了使除笔头外的噪声区域尽量的消除 mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=1) # dilate膨胀就是将白色区域变大，黑色的区域减小 mask = cv2.dilate(mask, kernel, iterations=5) # bitwise_and对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作 # 与操作后，白色区域的部分就会保存下来，黑色区域（为0）与后就还是为0 res = cv2.bitwise_and(img, img, mask=mask) ''' findContours() 查找检测物体的轮廓。 第一个参数是寻找轮廓的图像； 第二个参数表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）： cv2.RETR_EXTERNAL表示只检测外轮廓 cv2.RETR_LIST检测的轮廓不建立等级关系 cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。 如果内孔内还有一个连通物体，这个物体的边界也在顶层。 cv2.RETR_TREE建立一个等级树结构的轮廓。 第三个参数method为轮廓的近似办法 cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1， 即max（abs（x1-x2），abs（y2-y1））==1 cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标， 例如一个矩形轮廓只需4个点来保存轮廓信息 cv2.findContours()函数返回两个值:contours：hierarchy，一个是轮廓本身，还有一个是每条轮廓对应的属性。 findContours函数首先返回一个list(即contours)，list中每个元素都是图像中的一个轮廓，用numpy中的ndarray表示 ''' cnts, heir = cv2.findContours(mask.copy(), cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)[-2:] center = None if len(cnts) > 0: # 如果检测出了轮廓 c = max(cnts, key=cv2.contourArea) # 以轮廓的面积为条件，找出最大的面积 ((x, y), radius) = cv2.minEnclosingCircle(c) # 找出最小的圆 M = cv2.moments(c) center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"])) if radius > 5: cv2.circle(img, (int(x), int(y)), int(radius), (0, 255, 255), 2) cv2.circle(img, center, 5, (0, 0, 255), -1) pts.appendleft(center) for i in range(1, len(pts)): if pts[i - 1] is None or pts[i] is None: # if pts[i - 1] == pts[i]: continue thick = int(np.sqrt(len(pts) / float(i + 1)) * 2.5) cv2.line(img, pts[i - 1], pts[i], (0, 0, 225), thick) # 画线 cv2.imshow("img", img) cv2.imshow("mask", mask) cv2.imshow("res", res) k = cv2.waitKey(30) & 0xFF if k == 32: break # cleanup the camera and close any open windows cap.release() cv2.destroyAllWindows()
如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^