opencvhaar源碼

『壹』 如何查看Opencv中函數的源代碼

opencv都帶有這個函數的代碼，你在用的時候，選擇函數，然後右鍵選擇」go to denifition of cvCalOpticalFlowHS"--->然後就會跳 到定義cvCalOpticalFlowHS的定義文件，就會跳到cv.h頭文件來（說明cvCalOpticalFlowHS在cv.h文件中定義的），然後你去cv.cpp文件，按"Ctrl+F" 輸入函數名進行搜索，就能找到cvCalOpticalFlowHS函數的源文件了。
1、首先要熟悉openCV安裝目錄，例如游旁我的安裝目錄是F:\program files\opencv2.3.1。在這個目錄下面還有很多子目錄：3rdparty、android、build,data、doc、include、moles、samples和很多cmake文件。對於編程來說，僅僅需要build這一個文件夾就可以了，因為編程環境的配置只與這一個目錄有關，如：包含目錄配置、庫目錄配置build目錄是編譯生成的目錄，就是用openCV源代碼編譯生成的2進制庫文件集（dll、lib和入口頭文件include）。

2、那其他文件夾下的文件都是幹嘛用的呢？其實源代碼就包含在這些文件夾下面，因為build文件夾就是在其他文件夾的基礎上CMake編譯生成的汪磨虧
例如，core文件夾下就包含了基本數據類型的定義，imgproc文件夾下包含了常用的數字圖像困神處理函數源代碼：如cvCanny()、cvSobel（）。
3、用CMake導出opencv 源碼，生成VC++項目，然後用vs打開工程，去裡面搜索整個工程

『貳』 opencv進階1

在Opencv中人臉識別是基於Haar特徵+Adaboost級聯分類器來實現人臉識別的!

要理解這節內容,我們首先要明白什麼是特徵?

特徵其實就是某個區域的像素點經過運算之後得到的結果! 例如haar特徵其實就是用下圖列出的模板在圖像中滑動,計算白色區域覆蓋的像素之和減去黑色區域覆蓋的像素之和,運算出來的結果就是haar特徵值!

Haar特徵一般和Adaboost分類器結合在一起進行目標識別!

這里需要運動機器學習的知識! 不過值得慶幸的是Opencv已經為我們訓練好了數據,並且已經提取出了人臉的特徵,在opencv的源碼中有相應的xml特徵文件. 並且我們只需要調用opencv提供好的API即可快速完成人臉識別的功能!

核心api為:

實現步驟:

HSV(Hue, Saturation, Value)是根據顏色的直觀特性由A. R. Smith在1978年創建的一種顏色空間, 也稱六角錐體模型(Hexcone Model)。

這個模型中顏色的參數分別是：色調（H），飽和度（S），明度（V）

用角度度量，取值范圍為0°～360°，從紅色開始按逆時針方向計算，紅色為0°，綠色為120°,藍色為240°。它們的補色是：黃色為60°，青色為180°,品紅為300°；

飽和度S表示顏色接近光譜色的程度。一種顏色，可以看成是某種光譜色與白色混合的結果。其中光譜色所佔的比例愈大，顏色接近光譜色的程度就愈高，顏色的飽和度也就愈高。飽和度高，顏色則深而艷。光譜色的白光成分為0，飽和度達到最高。通常取值范圍為0%～100%，值越大，顏色越飽和。

明度表示顏色明亮的程度，對於光源色，明度值與發光體的光亮度有關；對於物體色，此值和物體的透射比或反射比有關。通常取值范圍為0%（黑）到100%（白）。

結論:

注意: 在opencv中,H、S、V值范圍分別是[0,180]，[0,255]，[0,255]，而非[0,360]，[0,1]，[0,1]；

這里我們列出部分hsv空間的顏色值, 表中將部分紫色歸為紅色

[圖片上傳失敗...(image-4f70f7-1563843266225)]
.jpg)

注意,這僅僅只能做一個比較粗糙的判定,按照我們人的正常思維,在傍晚臨界點我們也無法判定當前是屬於晚上還是白天!

在一張圖片中,如果某個物體的顏色為純色,那麼我們就可以使用顏色過濾inRange的方式很方便的來提取這個物體.

下面我們有一張網球的圖片,並且網球的顏色為一定范圍內的綠色,在這張圖片中我們找不到其它顏色也為綠色的圖片,所以我們可以考慮使用綠色來提取它!

圖片的顏色空間默認為BGR顏色空間,如果我們想找到提取純綠色的話,我們可能需要寫(0,255,0)這樣的內容,假設我們想表示一定范圍的綠色就會很麻煩!

所以我們考慮將它轉成HSV顏色空間,綠色的色調H的范圍我們很容易知道,剩下的就是框定顏色的飽和度H和亮度V就可以啦!

實現步驟:

圖像二值化（ Image Binarization）就是將圖像上的像素點的灰度值設置為0 或 255，也就是將整個圖像呈現出明顯的黑白效果的過程。

在數字圖像處理中，二值圖像佔有非常重要的地位，圖像的二值化使圖像中數據量大為減少，從而能凸顯出目標的輪廓。

[圖片上傳失敗...(image-a31052-1563843266226)]

我們使用一個全局值作為閾值。但是在所有情況下這可能都不太好，例如，如果圖像在不同區域具有不同的照明條件。在這種情況下，自適應閾值閾值可以幫助。這里，演算法基於其周圍的小區域確定像素的閾值。因此，我們為同一圖像的不同區域獲得不同的閾值，這為具有不同照明的圖像提供了更好的結果。

除上述參數外，方法cv.adaptiveThreshold還有三個輸入參數：

該 adaptiveMethod 決定閾值是如何計算的：

該 BLOCKSIZE 確定附近區域的大小和 Ç 是從平均值或附近的像素的加權和中減去一個常數。

採用日本人大津提出的演算法,又稱作最大類間方差法,被認為是圖像分割中閾值選取的最佳演算法,採用這種演算法的好處是執行效率高!

<img src="./img2/otsu.jpg" width="500" />

如果我們把圖像看作信號，那麼雜訊就是干擾信號。我們在採集圖像時可能因為各種各樣的干擾而引入圖像雜訊。在計算機中,圖像就是一個矩陣, 給原始圖像增加雜訊, 我們只需要讓像素點加上一定灰度即可.
f(x, y) = I(x, y) + noise

常見的雜訊有椒鹽雜訊（salt and pepper noise），為什麼叫椒鹽雜訊？因為圖像的像素點由於雜訊影響隨機變成了黑點（dark spot）或白點（white spot）。這里的「椒」不是我們常見的紅辣椒或青辣椒，而是外國的「胡椒」（香料的一種）。我們知道，胡椒是黑色的，鹽是白色的，所以才取了這么個形象的名字.

接下來我們來生成10%的椒雜訊和鹽雜訊:

我們還要注意，opencv的圖像矩陣類型是uint8，低於0和高於255的值並不截斷，而是使用了模操作。即200+60=260 % 256 = 4。所以我們需要先將原始圖像矩陣和雜訊圖像矩陣都轉成浮點數類型進行相加操作，然後再轉回來。

『叄』 為什麼需要編譯OpenCV源代碼

..\OpenCV2.3\opencv\moles 這個目錄有一些常用的庫，一般演算法的實現是看不到的，通常在靜態庫里，你可以連接他們，生成執行文件。
hpp,其實質就是將.cpp的實現代碼混入.h頭文件當中，定義與實現都包含在同一文件，則該類的調用者只需要include該hpp文件即可，無需再 將cpp加入到project中進行編譯。而實現代碼將直接編譯到調用者的obj文件中，不再生成單獨的虎矗港匪蕃睹歌色攻姬obj,採用hpp將大幅度減少調用 project中的cpp文件數與編譯次數，也不用再發布煩人的lib與dll,因此非常適合用來編寫公用的開源庫。

『肆』 怎麼查看opencv源代碼呢

1、找到Opencv的安裝目錄，例如安裝目錄在F盤，找到相應的安裝目錄如下所示

『伍』 如何利用opencv2.4.9中的人臉識別源碼實現自己的demo

首先找到解壓路徑下【opencv】-【sources】-【data】-【haarcascades】
路徑下面的
"haarcascades_eye_tree_eyeglasses.xml"和"haarcascade_frontalface_alt.xml"文件。，放到自己的工程目錄下，然後新建cpp，編寫如下代碼：
#include"opencv2/core/core.hpp"
#include"opencv2/objdetect/objdetect.hpp"
#include"opencv2/highgui/highgui.hpp"
#include"opencv2/imgproc/imgproc.hpp"

#include<iostream>
#include<stdio.h>

usingnamespacestd;
usingnamespacecv;

stringface_cascade_name="haarcascade_frontalface_alt.xml";
CascadeClassifierface_cascade;
stringwindow_name="人臉識別";

voiddetectAndDisplay(Matframe);

intmain(intargc,char**argv){
Matimage;
image=imread(argv[1]);

if(argc!=2||!image.data){
printf("[error]沒有圖片
");
return-1;
}

if(!face_cascade.load(face_cascade_name)){
printf("[error]無法載入級聯分類器文件！
");
return-1;
}

detectAndDisplay(image);

waitKey(0);
}

voiddetectAndDisplay(Matframe){
std::vector<Rect>faces;
Matframe_gray;

cvtColor(frame,frame_gray,CV_BGR2GRAY);
equalizeHist(frame_gray,frame_gray);

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

for(inti=0;i<faces.size();i++){
Pointcenter(faces[i].x+faces[i].width*0.5,faces[i].y+faces[i].height*0.5);
ellipse(frame,center,Size(faces[i].width*0.5,faces[i].height*0.5),0,0,360,Scalar(255,0,255),4,8,0);
}

imshow(window_name,frame);
}

『陸』 怎麼在vs2022中編譯opencvmat類的源碼

1. 首先需要在VS2022中添加OpenCV庫，可以通過NuGet Package Manager搜索並安裝OpenCV。

2. 打開VS2022，創建一個新的C++項目。

3. 在項目屬性中，選擇VC++目錄，添加OpenCV庫的包含目錄和庫目錄。

4. 在鏈接器中，添加需要鏈接的OpenCV庫。

5. 在代碼中包含需要使用的頭文件，例如<opencv2/opencv.hpp>。

6. 編寫代碼，使用OpenCV的Mat類。

7. 按下F7編譯代碼。
結論：在VS2022中編譯OpenCV的Mat類源碼需要添加OpenCV庫，並在項目屬性中設置相關選項。
原因：OpenCV是一個開源計算機視覺庫，包含了許多圖像和視頻處理的函數和類，其中的Mat類用於存儲和操作多維數組。
在VS2022中編譯OpenCV的Mat類源碼需要添加OpenCV庫，並在項目屬性中設置相關選項，以便編譯器能夠正確地鏈接和使用OpenCV庫。
內容延伸：除了在VS2022中編譯OpenCV的Mat類源碼，OpenCV還提供了搭禪許多其他功能和類，例如圖像處理、特徵提取、目標識別等，可以根據需要使用。
此外，還清做可以使用OpenCV與其他答枝衡計算機視覺庫和框架（如TensorFlow、PyTorch等）結合使用，以實現更復雜的計算機視覺任務。