opencv(7):OpenCV官方例程引導和賞析

OpenCV作爲一個在全球使用人數衆多的計算機視覺庫，其實官方己經準備了大量的示例程序，供廣大初學者學習。
在安裝目錄下，可以找到OpenCV官方提供的示例代碼。具體位於…\opencv\sources\samples\cpp目錄下。
源碼的存放目錄爲:

通過觀察文件名可以發現，OpenCV官方提供了Android、C、CPP、GPU、Java、MacOSx、OCL、Python、Py山0n2、WinRT等衆多版本的示例程序。不難理解，名爲c的文件夾中存放着OpenCV1.0等舊版本的示例程序，而名爲cpp的文件夾中存放着OpenCV2.x等新版本的示例程序。

本書旨在對新版本OpenCV的講解，自然主要專注於cpp文件夾內的衆多示例程序。打開該文件夾，可以發現100餘個C++版本的OpenCV官方示例程序。在…\opencv\sources\samples\cpp\tutorialcode路徑下，存放着和官方教程配套的示例程序。其內容按OpenCV各組件模塊而分類，非常適合學習，大家可以按需查詢，分類學習，各個擊破。

1. 彩色目標跟蹤：Camshift
   本小節講解的例程爲彩色目標跟蹤，程序的用法是根據鼠標框選區域的色度光譜來進行攝像頭讀入的視頻目標的跟蹤。其主要採用CamShift算法，全稱是“Continuously Adaptive Mean-SHIFT”，是對MeanShift算法的改進，被稱爲連續自適應的MeanShift算法，在…\opencv\sources\samples\cpp目錄下找到名爲camshifidemo.cpp的文件，自行修改
   部分代碼。實際路會因爲Opencv版本的不同略有差異），編譯並運行，用鼠標在窗口中框選要跟蹤的區域，便可以得到如圖所示運行截圖。
   
   
2. 光流：opticalflow
   光流（opticalflow)法是目前運動圖像分析的重要方法。由Gibso於1950年首先提出。光流用來指定時變圖像中模式的運動速度，因爲當物體在運動時，在
   圖像上對應點的亮度模式也在運動。這種圖像亮度模式的表觀運動（apparent motion)就是光流。光流表達了圖像的變化，山於它包含了目標運動的信息，因
   此可被觀察者用來確定目標的運動情況。
3. 點追蹤：lkdemo
   在…\opencv\sources\samples\cpp目錄下（實際路徑會因爲OpenCV版本的不同略有差異）的lkdemo.cpp文件中，存放着這樣一個精彩的例程。程序運行後，
   會自動啓用攝像頭，這時按鍵盤上的"r”鍵來啓動自動點追蹤，便可以看到如圖所示的效果圖以而我們在攝像頭中移動物體，可以看到物體上的點隨着物體
   一同移動。

   #include "opencv2/video/tracking.hpp"
   #include "opencv2/imgproc/imgproc.hpp"
   #include "opencv2/highgui/highgui.hpp"
   
   #include <iostream>
   #include <ctype.h>
   
   using namespace cv;
   using namespace std;
   
   static void help()
   {
   	// print a welcome message, and the OpenCV version
   	cout << "\nThis is a demo of Lukas-Kanade optical flow lkdemo(),\n"
   		"Using OpenCV version " << CV_VERSION << endl;
   	cout << "\nIt uses camera by default, but you can provide a path to video as an argument.\n";
   	cout << "\nHot keys: \n"
   		"\tESC - quit the program\n"
   		"\tr - auto-initialize tracking\n"
   		"\tc - delete all the points\n"
   		"\tn - switch the \"night\" mode on/off\n"
   		"To add/remove a feature point click it\n" << endl;
   }
   
   Point2f point;
   bool addRemovePt = false;
   
   static void onMouse(int event, int x, int y, int /*flags*/, void* /*param*/)
   {
   	if (event == CV_EVENT_LBUTTONDOWN)
   	{
   		point = Point2f((float)x, (float)y);
   		addRemovePt = true;
   	}
   }
   
   int main(int argc, char** argv)
   {
   	help();
   
   	VideoCapture cap;
   	TermCriteria termcrit(CV_TERMCRIT_ITER | CV_TERMCRIT_EPS, 20, 0.03);
   	Size subPixWinSize(10, 10), winSize(31, 31);
   
   	const int MAX_COUNT = 500;
   	bool needToInit = false;
   	bool nightMode = false;
   
   	if (argc == 1 || (argc == 2 && strlen(argv[1]) == 1 && isdigit(argv[1][0])))
   		cap.open(argc == 2 ? argv[1][0] - '0' : 0);
   	else if (argc == 2)
   		cap.open(argv[1]);
   
   	if (!cap.isOpened())
   	{
   		cout << "Could not initialize capturing...\n";
   		return 0;
   	}
   
   	namedWindow("LK Demo", 1);
   	setMouseCallback("LK Demo", onMouse, 0);
   
   	Mat gray, prevGray, image;
   	vector<Point2f> points[2];
   
   	for (;;)
   	{
   		Mat frame;
   		cap >> frame;
   		if (frame.empty())
   			break;
   
   		frame.copyTo(image);
   		cvtColor(image, gray, COLOR_BGR2GRAY);
   
   		if (nightMode)
   			image = Scalar::all(0);
   
   		if (needToInit)
   		{
   			// automatic initialization
   			goodFeaturesToTrack(gray, points[1], MAX_COUNT, 0.01, 10, Mat(), 3, 0, 0.04);
   			cornerSubPix(gray, points[1], subPixWinSize, Size(-1, -1), termcrit);
   			addRemovePt = false;
   		}
   		else if (!points[0].empty())
   		{
   			vector<uchar> status;
   			vector<float> err;
   			if (prevGray.empty())
   				gray.copyTo(prevGray);
   			calcOpticalFlowPyrLK(prevGray, gray, points[0], points[1], status, err, winSize,
   				3, termcrit, 0, 0.001);
   			size_t i, k;
   			for (i = k = 0; i < points[1].size(); i++)
   			{
   				if (addRemovePt)
   				{
   					if (norm(point - points[1][i]) <= 5)
   					{
   						addRemovePt = false;
   						continue;
   					}
   				}
   
   				if (!status[i])
   					continue;
   
   				points[1][k++] = points[1][i];
   				circle(image, points[1][i], 3, Scalar(0, 255, 0), -1, 8);
   			}
   			points[1].resize(k);
   		}
   
   		if (addRemovePt && points[1].size() < (size_t)MAX_COUNT)
   		{
   			vector<Point2f> tmp;
   			tmp.push_back(point);
   			cornerSubPix(gray, tmp, winSize, cvSize(-1, -1), termcrit);
   			points[1].push_back(tmp[0]);
   			addRemovePt = false;
   		}
   
   		needToInit = false;
   		imshow("LK Demo", image);
   
   		char c = (char)waitKey(10);
   		if (c == 27)
   			break;
   		switch (c)
   		{
   		case 'r':
   			needToInit = true;
   			break;
   		case 'c':
   			points[0].clear();
   			points[1].clear();
   			break;
   		case 'n':
   			nightMode = !nightMode;
   			break;
   		}
   
   		std::swap(points[1], points[0]);
   		cv::swap(prevGray, gray);
   	}
   
   	return 0;
   }
   

   運行結果：
   
   
4. 人臉識別：objectDetection
   人臉識別是圖像處理與OpenCV非常重要的應用之一，OpenCV官方專門有教程和代碼講解其實現方法。此示例程序就是使用objdetect模塊檢測攝像頭視頻流中的人臉，位於…\opencv\sources\samples\cpp\tutorialcode\objectl)etection路徑之下。需要額外注意的是，需要將"…\opencv\sources\data\haarcascades”路徑下
   的“haarcascade_eye_tree_eyeglasses.xml"和“haarcascade_frontalface_alt.xml"文件複製到和源文件同一目錄中，才能正確運行。運行程序，將自己的臉對準裰像頭，或者放置一張照片對準攝像頭任其捕獲，便可以發現程序準確地識別出了人臉，並用彩色的圓將臉圈出。
5. 支持向量機引導