C# Opencv学习_超详细教程(亲自实践)

C# Opencv笔记(二)——OpenCvSharp安装与测试

本文作者Lawrence，位置未经作者允许禁止转载，谢谢！
以下所有内容，均来源于亲自实战和查询相关资料。

---

前言

文本主要介绍OpenCvSharp4如何一步一步安装，并测试验证

---

一、运行环境

本人运行环境，Windows下，VS2019专业版16.11.5

二、安装步骤

1、打开VS2019，创建工程

选择Windows窗体应用(.NET Framework)，如下图所示

2、使用NuGet安装OpenCvSharp

菜单栏->工具->NuGet包管理器->管理解决方案的NuGet程序包

分别安装OpenCvSharp4、OpenCvSharp4.Extensions和OpenCvSharp4.runtime.win三个包，注意当前版本为4.5.5最新版本。当然也可以安装一个包，选择OpenCvSharp4.windows，这个是将OpenCvSharp4和OpenCvSharp4.runtime.win两个包整合到了一起。


注意: OpenCvSharp4安装的依懒项，.Net框架的版本要至少要大于V4.6以上，否则安装可能会不成功。

在菜单栏->项目->最后一个属性，可以更改目标框架的版本，大于4.6以上

满足上述条件后，点击安装，在输出依懒，会看到安装日志，最终显示成功则代表安装成功

3、检测OpenCvSharp是否安装成功

在Debug目录下，packages文件夹中为安装的三个库，代表安装成功。

在引用下，多出了红色框柱的这两个库，代表安装成功

三、 OpenCvSharp程序验证测试

使用OpenCvSharp，添加using OpenCvSharp以及OpenCvSharp.Extensions

using OpenCvSharp;
using OpenCvSharp.Extensions;

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace CvSharpDemo
{
    class Program
    {
        static void Main(string[] args)
        {
            //创建一张大小为300*300颜色为绿色的三通道彩色图像
            Mat img = new Mat(300, 300, MatType.CV_8UC3, new Scalar(0, 255, 0));
            //显示图像
            Cv2.ImShow("img", img);
            //延时等待按键按下
            Cv2.WaitKey(0);
        }
    }
}

运行效果图如下，则说明运行成功

---

总结

本文OpenCvSharp4的安装和简单测试，记录了安装时候踩过的坑，后续所有OpenCv功能测试都是基于此环境下进行实战演练。
后续文章将主要介绍OpenCvSharp的使用，亲自实战，并熟练掌握，有问题欢迎大家评论并联系我

📝官方文档推荐：

https://github.com/fendouai/OpenCVTutorials

OpenCV中文官方文档

🆙学习笔记推荐：

OpenCV在线笔记 CodecWang's Blog

学习OpenCV的建议？ - 知乎

---

图像处理导图：

 Opencv思维导图：

Opencv基础操作中分为两个大部分，分别是图像的基础操作和算数操作

一、图像的基础操作

目标任务：

• 掌握图像的读取和保存方法

• 能够使用OpenCV在图像上绘制几何图形

• 能够访问图像的像素

• 能够获取图像的属性，并进行通道的分离和合并

• 能够实现颜色空间的变换

1 图像的IO操作

1.1 读取图像

cv.imread()

参数：

• 要读取的图像

• 读取方式的标志

  • cv.IMREAD*COLOR：以彩色模式加载图像，任何图像的透明度都将被忽略。这是默认参数。

  • cv.IMREAD*GRAYSCALE：以灰度模式加载图像

  • cv.IMREAD_UNCHANGED：包括alpha通道的加载图像模式。

    可以使用1、0或者-1来替代上面三个标志

• 参考代码

  
  import numpy as np
  
  import cv2 as cv
  
  # 以灰度图的形式读取图像
  
  img = cv.imread('messi5.jpg',0)

  注意：如果加载的路径有错误，不会报错，会返回一个None值

1.2显示图像

cv.imshow()

参数：

• 显示图像的窗口名称，以字符串类型表示
• 要加载的图像

注意：在调用显示图像的API后，要调用cv.waitKey()给图像绘制留下时间，否则窗口会出现无响应情况，并且图像无法显示出来。

参考代码

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt

# 1 读取图像

img = cv.imread('1.jpg')

# 2 显示图像

# opencv中显示

cv.imshow('image',img)

cv.waitKey(0)

# matplotlib中展示

plt.imshow(img[:,:,::-1])

plt.show()

1.3 保存图像

cv.imwrite()

参数：

文件名，要保存在哪里

• 要保存的图像
• 参考代码

cv.imwrite('messigray.png',img)

1.4 总结

我们通过加载灰度图像，显示图像，如果按's'并退出则保存图像，或者按ESC键直接退出而不保存。

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt

# 1 读取图像

img = cv.imread('1.jpg',1)

# 2 显示图像

# 2.1 利用opencv展示图像

cv.imshow('image',img)

cv.waitKey(0)

# 2.2 在matplotplotlib中展示图像

plt.imshow(img[:,:,::-1])

plt.title(' '), plt.xticks([]), plt.yticks([])

plt.show()

# 3 保存图像

cv.imwrite('12.png',img)

2 绘制几何图形

2.1 绘制直线

cv.line(img,start,end,color,thickness)

参数：

• img:要绘制直线的图像
• Start,end: 直线的起点和终点
• color: 线条的颜色
• Thickness: 线条宽度

2.2 绘制圆形

cv.circle(img,centerpoint, r, color, thickness)

参数：

• img:要绘制圆形的图像
• Centerpoint, r: 圆心和半径
• color: 线条的颜色
• Thickness: 线条宽度，为-1时生成闭合图案并填充颜色

2.3 绘制矩形

cv.rectangle(img,leftupper,rightdown,color,thickness)

参数：

• img:要绘制矩形的图像
• Leftupper, rightdown: 矩形的左上角和右下角坐标
• color: 线条的颜色
• Thickness: 线条宽度

2.4 向图像中添加文字

cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)

参数：

• img: 图像
• text：要写入的文本数据
• station：文本的放置位置
• font：字体
• Fontsize :字体大小

2.5 效果展示

我们生成一个全黑的图像，然后在里面绘制图像并添加文字

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt

# 1 创建一个空白的图像

img = np.zeros((512,512,3), np.uint8)

# 2 绘制图形

cv.line(img,(0,0),(511,511),(255,0,0),5)

cv.rectangle(img,(384,0),(510,128),(0,255,0),3)

cv.circle(img,(447,63), 63, (0,0,255), -1)

font = cv.FONT_HERSHEY_SIMPLEX

cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)

# 3 图像展示

plt.imshow(img[:,:,::-1])

plt.title(' '), plt.xticks([]), plt.yticks([])

plt.show()

结果：

3 获取并修改图像中的像素点

我们可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像，它返回一个蓝，绿，红值的数组。对于灰度图像，仅返回相应的强度值。使用相同的方法对像素值进行修改。

import numpy as np

import cv2 as cv

img = cv.imread('1.jpg')

# 获取某个像素点的值

px = img[100,100]

# 仅获取蓝色通道的强度值

blue = img[100,100,0]

# 修改某个位置的像素值

img[100,100] = [255,255,255]

cv.imshow('image',img)

cv.waitKey(0)

4 获取图像的属性

图像属性包括行数，列数和通道数，图像数据类型，像素数等。

5 图像通道的拆分与合并

有时需要在B，G，R通道图像上单独工作。在这种情况下，需要将BGR图像分割为单个通道。或者在其他情况下，可能需要将这些单独的通道合并到BGR图像。你可以通过以下方式完成。

# 通道拆分

b,g,r = cv.split(img)

# 通道合并

img = cv.merge((b,g,r))

6 色彩空间的改变

OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种，BGR↔Gray和BGR↔HSV。

API：

cv.cvtColor(input_image，flag)

参数：

• input_image: 进行颜色空间转换的图像
• flag: 转换类型
  • cv.COLOR_BGR2GRAY : BGR↔Gray
  • cv.COLOR_BGR2HSV: BGR→HSV

---

总结：

1. 图像IO操作的API：

   cv.imread(): 读取图像

   cv.imshow()：显示图像

   cv.imwrite(): 保存图像

2. 在图像上绘制几何图像

   cv.line(): 绘制直线

   cv.circle(): 绘制圆形

   cv.rectangle(): 绘制矩形

   cv.putText(): 在图像上添加文字

3. 直接使用行列索引获取图像中的像素并进行修改

4. 图像的属性

5. 拆分通道：cv.split()

   通道合并：cv.merge()

6. 色彩空间的改变

   cv.cvtColor(input_image，flag)

二、算数操作

学习目标

• 了解图像的加法、混合操作

1.图像的加法

你可以使用OpenCV的cv.add()函数把两幅图像相加，或者可以简单地通过numpy操作添加两个图像，如res = img1 + img2。两个图像应该具有相同的大小和类型，或者第二个图像可以是标量值。

注意：OpenCV加法和Numpy加法之间存在差异。OpenCV的加法是饱和操作，而Numpy添加是模运算。

参考以下代码：

>>> x = np.uint8([250])

>>> y = np.uint8([10])

>>> print( cv.add(x,y) ) # 250+10 = 260 => 255

[[255]]

>>> print( x+y ) # 250+10 = 260 % 256 = 4

[4]

这种差别在你对两幅图像进行加法时会更加明显。OpenCV 的结果会更好一点。所以我们尽量使用 OpenCV 中的函数。

我们将下面两幅图像：

 代码如下：

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt


# 1 读取图像

img1 = cv.imread("view.jpg")

img2 = cv.imread("rain.jpg")


# 2 加法操作

img3 = cv.add(img1,img2) # cv中的加法

img4 = img1+img2 # 直接相加


# 3 图像显示

fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(10,8),dpi=100)

axes[0].imshow(img3[:,:,::-1])

axes[0].set_title("cv中的加法")

axes[1].imshow(img4[:,:,::-1])

axes[1].set_title("直接相加")

plt.show()

结果如下所示：

2.图像的混合

这其实也是加法，但是不同的是两幅图像的权重不同，这就会给人一种混合或者透明的感觉。图像混合的计算公式如下：

g(x) = (1−α)f0(x) + αf1(x)

通过修改 α 的值（0 → 1），可以实现非常炫酷的混合。

现在我们把两幅图混合在一起。第一幅图的权重是0.7，第二幅图的权重是0.3。函数cv2.addWeighted()可以按下面的公式对图片进行混合操作。

dst = α⋅img1 + β⋅img2 + γ

这里γ取为零。

参考以下代码：

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt


# 1 读取图像

img1 = cv.imread("view.jpg")

img2 = cv.imread("rain.jpg")


# 2 图像混合

img3 = cv.addWeighted(img1,0.7,img2,0.3,0)


# 3 图像显示

plt.figure(figsize=(8,8))

plt.imshow(img3[:,:,::-1])

plt.show()

显示如下：

总结

1. 图像加法：将两幅图像加载一起

   cv.add()

2. 图像的混合：将两幅图像按照不同的比例进行混合

   cv.addweight()

注意：这里都要求两幅图像是相同大小的。

本文参考：

【黑马のOpencv图像处理学习笔记】opencv的基础

opencv思维导图

C# Opencv学习_超详细教程(亲自实践)

C# Opencv笔记(一)——OpenCvSharp库入门介绍

本文作者Lawrence，位置未经作者允许禁止转载，谢谢！
以下所有内容，均来源于亲自实战和查询相关资料

@[TOC](文章目录)

---

前言

文本主要介绍C#图像处理中常用的两个库：OpenCvSharp和EmguCv，二者都是对OpenCv的封装。

---

一、OpenCvSharp是什么？

OpenCvSharp 是一个OpenCV的.Net wrapper，应用最新的OpenCV库开发，使用习惯比EmguCV更接近原始的OpenCV，有详细的使用样例供参考。该库采用BSD发行(github上的README列出来的是BSD)，对商业应用友好。使用OpenCvSharp，可用C#，VB.NET等语言实现多种流行的图像处理(image processing)与计算机视觉(computer vision)算法。

特点：

1. OpenCvSharp直接封装了更多的OpenCV方法，尽可能以本机OpenCv C/C++ API样式为原型，降低学习难度。
2. OpenCvSharp大部分了继承了IDisposable接口，方便使用using语句块。
3. OpenCvSharp不强加面向对象思维，无需采用面向对象的编程风格，可以直接调用原生风格的OpenCV方法。
4. OpenCvSharp提供用于从转换Mat为Bitmap(GDI+) 或者WriteableBitmap(WPF)的功能。
5. 支持Mono。可以运行于支持Mono的任何平台上(如Linux，BSD，Mac OS X等)。

官方链接如下：
Github链接：https://github.com/shimat/opencvsharp
Release版本链接：https://github.com/shimat/opencvsharp/releases
目前，截止到2021年12月31日，已经更新到4.5.3版本。

二、EmguCv是什么？

EmguCV 是.NET 平台下对OpenCV 图像处理库的封装。也就是OpenCV的.NET 版。它运行在.NET 兼容的编程语言下调用OpenCV的函数，如C#、VB、VC++等，它可以在Visual Studio和Unity上编译，并可以在Linux 、Mac OS、Windows和Android平台上运行。和OpenCvSharp相比，更新维护较慢，用户不友好，强烈推荐大家使用OpenCvSharp。

---

总结

本文仅仅简单介绍了C#图像处理中常用的一个库：OpenCvSharp
后续文章将主要介绍OpenCvSharp的使用，亲自实战，并熟练掌握，有问题欢迎大家评论并联系我