Introducción a los módulos básicos de C++ OpenCV
OpenCV es una potente biblioteca de visión por computadora que contiene múltiples módulos, cada uno enfocado en diferentes tareas.
A continuación se presentan algunos de los módulos principales de OpenCV:
| Nombre del módulo | Funciones principales | Clases/funciones comunes |
|---|---|---|
| Core | Proporciona estructuras de datos y funciones básicas, como almacenamiento de imágenes, operaciones con matrices, E/S de archivos, etc. | Mat, Point, Size, Rect, Scalar, FileStorage, cv::format |
| Imgproc | Funciones de procesamiento de imágenes, incluyendo filtrado, transformaciones geométricas, conversión de espacios de color, detección de bordes, operaciones morfológicas, umbralizado, etc. | cvtColor, GaussianBlur, Canny, threshold, resize, warpAffine |
| Highgui | Visualización de imágenes y videos, gestión de ventanas, interacción del usuario (como eventos de ratón, barras deslizantes). | imshow, namedWindow, waitKey, createTrackbar, setMouseCallback |
| Video | Funciones de procesamiento de video, incluyendo captura de video, sustracción de fondo, cálculo de flujo óptico, etc. | VideoCapture, VideoWriter, BackgroundSubtractor, calcOpticalFlowPyrLK |
| Calib3d | Calibración de cámaras, reconstrucción 3D, estimación de pose, etc. | findChessboardCorners, calibrateCamera, solvePnP, recoverPose |
| Features2d | Detección y descripción de características, incluyendo detección de puntos clave, coincidencia de características, etc. | ORB, SIFT, SURF, BFMatcher, FlannBasedMatcher |
| Objdetect | Funciones de detección de objetos, como detección en cascada de Haar, detección HOG, etc. | CascadeClassifier, HOGDescriptor |
| DNN | Carga e inferencia de modelos de aprendizaje profundo, compatible con frameworks como TensorFlow, PyTorch, Caffe, etc. | readNet, blobFromImage, Net::forward |
| ML | Algoritmos de aprendizaje automático, como KNN, SVM, árboles de decisión, etc. | KNearest, SVM, DTrees, TrainData |
| Flann | Búsqueda rápida de vecinos más cercanos aproximados (FLANN), utilizada para la coincidencia de características y la búsqueda de datos de alta dimensión. | Index, KDTreeIndexParams, SearchParams |
| Photo | Restauración de imágenes, eliminación de ruido, imágenes HDR, etc. | inpaint, fastNlMeansDenoising, createTonemap |
| Stitching | Funciones de unión de imágenes, utilizadas para crear panorámicas. | Stitcher, Stitcher::create |
| Shape | Análisis y coincidencia de formas. | ShapeDistanceExtractor, ShapeContextDistanceExtractor |
| Tracking | Algoritmos de seguimiento de objetos, como MIL, KCF, GOTURN, etc. | TrackerMIL, TrackerKCF, TrackerGOTURN |
| Videoio | Funciones de entrada y salida de video, compatibles con múltiples formatos de video y cámaras. | VideoCapture, VideoWriter, CAP_PROP_FRAME_WIDTH, CAP_PROP_FRAME_HEIGHT |
| Imgcodecs | Lectura y guardado de archivos de imagen, compatibles con múltiples formatos de imagen. | imread, imwrite, imdecode, imencode |
| Xfeatures2d | Algoritmos adicionales de detección y descripción de características, como SIFT, SURF, FREAK, etc. | SIFT, SURF, FREAK, DAISY |
| Superres | Procesamiento de imágenes de superresolución. | SuperResolution, DenseOpticalFlowExt |
| Optflow | Cálculo de flujo óptico y análisis de movimiento. | calcOpticalFlowFarneback, calcOpticalFlowPyrLK |
| Cuda | Algoritmos de visión por computadora acelerados por GPU. | cuda::GpuMat, cuda::Stream, cuda::resize |
| Contrib | Funciones adicionales contribuidas por la comunidad, como reconocimiento facial, detección de texto, etc. | FaceRecognizer, TextDetector |
1. Módulo Core
coreEl módulo Core es el módulo central de OpenCV y proporciona estructuras de datos y funciones básicas.
Funciones principales
-
Estructuras de datos básicas:
-
Mat: se utilizan para almacenar datos de imágenes y matrices. -
Point、Size、Rect: se utilizan para representar puntos, dimensiones y regiones rectangulares. -
Scalar: se utilizan para representar colores o valores de píxeles.
-
-
Operaciones con matrices:
-
Creación, copia, conversión, operaciones aritméticas de matrices, etc.
-
-
E/S de archivos:
-
Lectura y guardado de imágenes, videos, archivos XML/YAML, etc.
-
-
Gestión de memoria:
-
Gestión automática de memoria, compatible con conteo de referencias.
-
Ejemplo
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// Crea una matriz de 3x3
Mat mat = (Mat_<int>(3, 3) << 1, 2, 3, 4, 5, 6, 7, 8, 9);
// Muestra la matriz
cout << "Matrix:\n" << mat << endl;
// Accede a los elementos de la matriz
int value = mat.at<int>(1, 1);
cout << "Value at (1, 1): " << value << endl;
return 0;
}
2. Módulo Imgproc
imgprocEl módulo Imgproc proporciona funciones de procesamiento de imágenes, incluyendo filtrado, transformaciones geométricas, conversión de espacios de color, etc.
Funciones principales
-
Filtrado de imágenes:
-
Filtrado medio, filtrado gaussiano, filtrado mediano, etc.
-
-
Transformaciones geométricas:
-
Escalado, rotación, transformación afín, transformación de perspectiva, etc.
-
-
Conversión de espacios de color:
-
Conversión de RGB a escala de grises, HSV, Lab y otros espacios de color.
-
-
Detección de bordes:
-
Algoritmos de detección de bordes como Canny, Sobel, Laplacian, etc.
-
-
Operaciones morfológicas:
-
Erosión, dilatación, apertura, cierre, etc.
-
-
Umbralizado:
-
Umbralizado simple, umbralizado adaptativo, etc.
-
Ejemplo
#include <opencv2/highgui.hpp>
using namespace cv;
int main() {
// Lee la imagen
Mat image = imread("test.jpg");
if (image.empty()) return -1;
// Convierte a imagen en escala de grises
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// Filtro gaussiano
Mat blurredImage;
GaussianBlur(grayImage, blurredImage, Size(5, 5), 0);
// Muestra el resultado
imshow("Original Image", image);
imshow("Blurred Image", blurredImage);
waitKey(0);
return 0;
}
3. Módulo Highgui
highguiEl módulo Highgui proporciona visualización de imágenes y videos, gestión de ventanas y funciones de interacción con el usuario.
Funciones principales
-
Visualización de imágenes:
-
Crear ventanas, mostrar imágenes, esperar la entrada del usuario.
-
-
Captura de video:
-
Leer fotogramas desde una cámara o un archivo de video.
-
-
Interacción del usuario:
-
Eventos de ratón, barras deslizantes, botones, etc.
-
Ejemplo
using namespace cv;
int main() {
// Lee la imagen
Mat image = imread("test.jpg");
if (image.empty()) return -1;
// Crea una ventana y muestra la imagen
namedWindow("Display Window", WINDOW_AUTOSIZE);
imshow("Display Window", image);
// Espera a que el usuario pulse una tecla
waitKey(0);
// Cierra la ventana
destroyAllWindows();
return 0;
}
4. Módulo Video
videoEl módulo Video proporciona funciones de procesamiento de video, incluyendo captura de video, sustracción de fondo, cálculo de flujo óptico, etc.
Funciones principales
-
Captura de video:
-
Leer fotogramas desde una cámara o un archivo de video.
-
-
Sustracción de fondo:
-
Extraer los objetos en primer plano del video.
-
-
Cálculo de flujo óptico:
-
Calcular el movimiento de los objetos en una imagen.
-
Ejemplo
#include <opencv2/highgui.hpp>
using namespace cv;
int main() {
// Abre la cámara
VideoCapture cap(0);
if (!cap.isOpened()) return -1;
Mat frame;
while (true) {
// Lee un fotograma
cap >> frame;
if (frame.empty()) break;
// Muestra el fotograma
imshow("Camera Feed", frame);
// Presiona ESC para salir
if (waitKey(30) == 27) break;
}
// Libera la cámara y cierra la ventana
cap.release();
destroyAllWindows();
return 0;
}
5. Módulo Calib3d
calib3dEl módulo Calib3d proporciona funciones como calibración de cámaras, reconstrucción 3D, estimación de pose, etc.
Funciones principales
-
Calibración de cámaras:
-
Calcular los parámetros intrínsecos de la cámara y los coeficientes de distorsión.
-
-
Reconstrucción 3D:
-
Reconstruir escenas 3D a partir de imágenes multivista.
-
-
Estimación de pose:
-
Estimar la pose 3D de los objetos.
-
Ejemplo
#include <opencv2/highgui.hpp>
using namespace cv;
int main() {
// Lee la imagen
Mat image1 = imread("left.jpg");
Mat image2 = imread("right.jpg");
if (image1.empty() || image2.empty()) return -1;
// Detección y coincidencia de puntos característicos
Ptr<Feature2D> detector = ORB::create();
vector<KeyPoint> keypoints1, keypoints2;
Mat descriptors1, descriptors2;
detector->detectAndCompute(image1, noArray(), keypoints1, descriptors1);
detector->detectAndCompute(image2, noArray(), keypoints2, descriptors2);
BFMatcher matcher(NORM_HAMMING);
vector<DMatch> matches;
matcher.match(descriptors1, descriptors2, matches);
// Calcula la matriz fundamental
vector<Point2f> points1, points2;
for (const auto& match : matches) {
points1.push_back(keypoints1[match.queryIdx].pt);
points2.push_back(keypoints2[match.trainIdx].pt);
}
Mat fundamentalMatrix = findFundamentalMat(points1, points2, FM_RANSAC);
// Muestra la matriz fundamental
cout << "Fundamental Matrix:\n" << fundamentalMatrix << endl;
return 0;
}
6. Módulo DNN
dnnEl módulo DNN proporciona funciones de carga e inferencia de modelos de aprendizaje profundo.
Funciones principales
-
Carga de modelos:
-
Compatible con modelos de frameworks como TensorFlow, PyTorch, Caffe, etc.
-
-
Inferencia:
-
Clasificación de imágenes, detección de objetos, segmentación semántica, etc.
-
Ejemplo
#include <opencv2/highgui.hpp>
using namespace cv;
using namespace dnn;
int main() {
// Carga el modelo
Net net = readNetFromTensorflow("model.pb", "config.pbtxt");
// Lee la imagen
Mat image = imread("test.jpg");
if (image.empty()) return -1;
// Preprocesamiento
Mat blob = blobFromImage(image, 1.0, Size(300, 300), Scalar(127.5, 127.5, 127.5), true, false);
net.setInput(blob);
// Inferencia
Mat output = net.forward();
// Procesa la salida
// ...
return 0;
}