上大计算机视觉实验报告资料.docx

上大计算机视觉实验报告资料.docx

《上大计算机视觉实验报告资料.docx》由会员分享，可在线阅读，更多相关《上大计算机视觉实验报告资料.docx（13页珍藏版）》请在冰豆网上搜索。

上大计算机视觉实验报告资料

实验1

一．习题1

a）实验代码

intmain（）{

//readanimage

cv:

:

Matimage=cv:

:

imread（"test.jpg"）;

//createimagewindownamed"MyImage"

//cv:

:

namedWindow（"MyImage"）;

//showtheimageonwindow

//cv:

:

imshow（"MyImage",image）;

//waitkeyfor5000ms

IplImage*pImg=cvLoadImage（"test.jpg"）;

CvFontfont;

cvInitFont（&font,CV_FONT_HERSHEY_COMPLEX,0.5,0.5,1,2,8）;

cvPutText（pImg,"12121448",cvPoint（0,50）,&font,CV_RGB（255,255,255））;

cvSaveImage（"D:

\\testttt.jpg",pImg）;

cvNamedWindow（"Myimage"）;

cvShowImage（"Myimage",pImg）;

cv:

:

waitKey（5000）;

return1;

b）

实验结果截图

c）结果分析

1．第一次主要是熟悉VS里面如何运用已有的openCV库函数来解决实际的问题

2．这次实验通过查阅书籍，我找到了在图片中快速插入文字的方法，即运用cv:

:

puttext函数还来解决，需要注意的是这个函数的参数，需要确定在图片中位置。

实验2

一．习题1.

a）实验代码

#include"stdafx.h"

#include"opencv.hpp"

#include

#ifdefined_DEBUG

#pragmacomment（lib,"opencv_core249d.lib"）

#pragmacomment（lib,"opencv_imgproc249d.lib"）

#pragmacomment（lib,"opencv_highgui249d.lib"）

#else

#pragmacomment（lib,"opencv_core249.lib"）

#pragmacomment（lib,"opencv_imgproc249.lib"）

#pragmacomment（lib,"opencv_highgui249.lib"）

#endif

voidcopy_color（cv:

:

Mat&image）{

intnl=image.rows;

intnc=image.cols*image.channels（）/2;

for（intj=0;j

{

uchar*data=image.ptr（j）;

for（inti=0;i

data[i]=data[nc+i];

}

}

intmain（）{

cv:

:

Matimage=cv:

:

imread（"1.jpg"）;

copy_color（image）;

cv:

:

namedWindow（"MyImage"）;

cv:

:

imshow（"MyImage",image）;

cv:

:

waitKey（50000）;

return1;

}

b）实验结果截图

c）结果分析

利用X和Y的两次循环将整块图片复制过去，裁减函数做得有欠缺。

实验3

一．习题1

a）实验代码：

方法一：

data[i]=data[i]/div*div+div/2;

原始图像中的每个维度的颜色数降低为原来的1/div,但是整张图片的像素点数并没有减少，只是每个像素点都被它所在格子中的中心像素“量化”了。

方法二：

*data++=*data/div*div+div/2;

与方法一相比，方法二只是在颜色缩减的图像遍历函数上面做出了修改，等效的使用指针运算从一列移动到下一列。

方法三：

intv=*data;

*data++=v-v%div+div/2;

通过模运算来计算最接近被除数的除数的整数倍数，但是这种方式速度会慢一些，因为对于一张图片的像素来说存取了两次。

方法四：

intnl=image.rows;//numberoflines

intnc=image.cols*image.channels（）;//totalnumberofelementsperline

intn=static_cast（log（static_cast（div））/log（2.0））;

//maskusedtoroundthepixelvalue

ucharmask=0xFF<

用移位的方法来进行乘除计算是一种高效的方法，如果我们限制缩减因子为2的幂次，只取像素值的前n位即可得到不大于该值的关于缩减因子的最大整数倍数，所以可见其在效率上来讲非常高效。

方法五：

intstep=image.step;//effectivewidth

data+=step;//nextline

与方法四类似，，只有颜色缩减函数的赋值语句*（data+i）=*data&mask+div/2;不同，并且加上step的行宽可以便捷地完成换行操作，速度比方法四更快。

方法六：

与方法五相比缺少intnc=image.cols*image.channels（）;//totalnumberofelementsperline；这样导致我们在每次reduce的时候要计算一次行中的像素数，导致速度成倍降低。

方法七：

if（image.isContinuous（））{

//thennopaddedpixels

nc=nc*nl;

nl=1;//itisnowa1Darray

}

通过增加isContinuous（）函数，来检测是否存在没有使用额外像素填补的图像的情况，如果不存在使用这个函数能够使得遍历图像的速度更快——如果是连续的，就可以直接当作一维数组来处理。

方法八：

intnl=image.rows;//numberoflines

intnc=image.cols;//numberofcolumns

与方法七类似，不同的是将nc直接赋值为列数，而不是方法七的intnc=image.cols*image.channels（）;//totalnumberofelementsperline，来表示每行的像素点个数。

这样虽然计算次数变多了，但是由于计算量变少了，总体速度变快了。

方法九：

cv:

:

Mat_

:

Vec3b>:

:

iteratorit=image.begin

:

Vec3b>（）;

cv:

:

Mat_

:

Vec3b>:

:

iteratoritend=image.end

:

Vec3b>（）;

调用cv:

:

Mat的模板迭代器的begin和end来表示图像的起始和终止位置，从而遍历整张图片，但由于是最原始的迭代器，计算效率不高，遍历图像速度慢。

方法十：

intn=static_cast（log（static_cast（div））/log（2.0））;

ucharmask=0xFF<

与方法九类似，不同的是增加位运算使得迭代的效率更高，速度更快。

方法十一：

cv:

:

Mat_

:

Vec3b>cimage=image;

同样与方法九类似，通过调用cv:

:

Mat_的begin（）和end（）来处理，效率变低。

方法十二：

image.at

:

Vec3b>（j,i）[0]=image.at

:

Vec3b>（j,i）[0]/div*div+div/2;

image.at

:

Vec3b>（j,i）[1]=image.at

:

Vec3b>（j,i）[1]/div*div+div/2;

image.at

:

Vec3b>（j,i）[2]=image.at

:

Vec3b>（j,i）[2]/div*div+div/2;

通过图像矩阵的方法at（j,i）精确定位图像中的每一个点，这样图像颜色增减就能够方便地通过取每个点的RGB来完成操作，但是缺点也显而易见，对每个点操作需要浪费大量的空间和时间。

b）实验结果截图：

c）结果分析：

方法三和方法十相比方法一和方法九都增加了位运算，但是感觉上应该更加快，事实上却分别慢了6ms和3ms，这让我很意外。

我认为造成这种结果的原因可能是遍历图像的算法过于简单，致使没有使用到过多的位运算，体现不出位运算的优势。

方法七与方法八速度差不多，说明每次计算各行中的像素个数所需计算量不大，对运算结果的时间并没有造成很大的影响。

通过对比方法九和方法十一，可以发现调用cv:

:

Mat的内置迭代器和自己编写迭代器的运行速度有明显的区别。

实验4

一．习题1.

a）实验代码

#include"stdafx.h"

#include"opencv.hpp"

#include

#ifdefined_DEBUG

#pragmacomment（lib,"opencv_core249d.lib"）

#pragmacomment（lib,"opencv_imgproc249d.lib"）

#pragmacomment（lib,"opencv_highgui249d.lib"）

#else

#pragmacomment（lib,"opencv_core249.lib"）

#pragmacomment（lib,"opencv_imgproc249.lib"）

#pragmacomment（lib,"opencv_highgui249.lib"）

#endif

intmain（）

{

cv:

:

Matfind=cv:

:

imread（"find.jpg",0）;

cv:

:

Matmap=cv:

:

imread（"img.jpg",0）;

cv:

:

Matoutput=cv:

:

imread（"img.jpg",1）;

find.convertTo（find,CV_32F）;

for（intx=0;x<=map.rows-find.rows;++x）

{

for（inty=0;y<=map.cols-find.cols;++y）

{

cv:

:

Matsmall=map（cv:

:

Range（x,x+find.rows）,cv:

:

Range（y,y+find.cols））;

small.convertTo（small,CV_32F）;

doublesimilar=cv:

:

compareHist（find,small,CV_COMP_CORREL）;

if（similar>0.99）{

cv:

:

rectangle（output,cv:

:

Point（y,x）,cv:

:

Point（y+find.cols,x+find.rows）,cv:

:

Scalar（0,0,255））;

cv:

:

Point（y+find.cols,x+find.rows）;

cv:

:

Scalar（0,0,255）;

}

}

}

cv:

:

imshow（"resultofthecheck",output）;

cv:

:

waitKey（0）;

}

b）实验结果截图

c）结果分析

1．本实验通过遍历图片，找图与find图片相似度大于99%的

2．比较主要通过相同的矩形框，利用双重循环遍历图片

实验5

一．习题1.

a）实验代码

#include

#include

#include

#include

#include

#include

usingnamespacestd;

usingnamespacecv;

/**FunctionHeaders*/

voiddetectAndDisplay（Matframe）;

/**Globalvariables*/

//--Note,eithercopythesetwofilesfromopencv/data/haarscascadestoyourcurrentfolder,orchangetheselocations

Stringface_cascade_name="haarcascade_frontalface_alt.xml";

Stringeyes_cascade_name="haarcascade_eye_tree_eyeglasses.xml";

CascadeClassifierface_cascade;

CascadeClassifiereyes_cascade;

stringwindow_name="Capture-Facedetection";

RNGrng（12345）;

intmain（intargc,constchar**argv）

{

Matframe;

//--1.Loadthecascades

if（!

face_cascade.load（face_cascade_name））{printf（"--（!

）Errorloading\n"）;return-1;};

if（!

eyes_cascade.load（eyes_cascade_name））{printf（"--（!

）Errorloading\n"）;return-1;};

//--2.Readthevideostream

//CvCapture*capture=cvCaptureFromCAM（-1）;//摄像头读取文件开关

VideoCapturecapture（"test.avi"）;

if（capture.isOpened（）/*capture*/）//摄像头读取文件开关

{

while（true）

{

//frame=cvQueryFrame（capture）;//摄像头读取文件开关

capture>>frame;

//--3.Applytheclassifiertotheframe

if（!

frame.empty（））

{detectAndDisplay（frame）;}

else

{printf（"--（!

）Nocapturedframe--Break!

"）;break;}

intc=waitKey（10）;

if（（char）c=='c'）{break;}

}

}

return0;

}

voiddetectAndDisplay（Matframe）

{

std:

:

vectorfaces;

Matframe_gray;

cvtColor（frame,frame_gray,CV_BGR2GRAY）;

equalizeHist（frame_gray,frame_gray）;

//--Detectfaces

face_cascade.detectMultiScale（frame_gray,faces,1.1,2,0|CV_HAAR_SCALE_IMAGE,Size（30,30））;

for（size_ti=0;i

{

Pointcenter（int（faces[i].x+faces[i].width*0.5）,int（faces[i].y+faces[i].height*0.5））;

ellipse（frame,center,Size（int（faces[i].width*0.5）,int（faces[i].height*0.5））,0,0,360,Scalar（255,0,255）,2,8,0）;

MatfaceROI=frame_gray（faces[i]）;

std:

:

vectoreyes;

//--Ineachface,detecteyes

eyes_cascade.detectMultiScale（faceROI,eyes,1.1,2,0|CV_HAAR_SCALE_IMAGE,Size（30,30））;

for（size_tj=0;j

{

Pointcenter（int（faces[i].x+eyes[j].x+eyes[j].width*0.5）,int（faces[i].y+eyes[j].y+eyes[j].height*0.5））;

intradius=cvRound（（eyes[j].width+eyes[i].height）*0.25）;

circle（frame,center,radius,Scalar（255,0,0）,3,8,0）;

}

}

//--Showwhatyougot

imshow（window_name,frame）;

}

b）实验结果截图

c）结果分析

1．实验代码是从网上下载稍加修改的，主要取自opencv官网的教材

2．根据实验结果截图显示有些时候并不能检测出人脸，尤其是有手、眼镜等等在脸前面的时候