OpenCV C++读取图片，窗口自适应

要实现窗口自适应，你可以使用OpenCV中的imshow函数，该函数可以根据读入的图片大小自动调整显示窗口的大小。具体实现步骤如下：

1. 读取图片并存储到Mat对象中：

cv::Mat img = cv::imread("image.jpg");

2. 创建一个窗口并显示图片：

cv::namedWindow("My Window", cv::WINDOW_NORMAL);
cv::imshow("My Window", img);

在namedWindow函数中，我们使用了WINDOW_NORMAL参数，这将允许我们自适应窗口大小。

3. 等待用户按下任意键：

cv::waitKey(0);

这个函数会一直等待用户按下键盘上的任意键，直到用户按下键盘上的任意键，程序才会继续执行下去。

完整代码如下：

#include <opencv2/opencv.hpp>
#include <iostream>

int main()
{
    cv::Mat img = cv::imread("image.jpg");
    cv::namedWindow("My Window", cv::WINDOW_NORMAL);
    cv::imshow("My Window", img);
    cv::waitKey(0);
    return 0;
}

相关问题

C++ OpenCV自适应伽玛矫正

您好！对于C++中使用OpenCV进行自适应伽马校正，您可以按照以下步骤进行操作：

1. 导入OpenCV库：

#include <opencv2/opencv.hpp>

2. 读取图像：

cv::Mat image = cv::imread("input.jpg");

3. 将图像转换为浮点型数据：

cv::Mat image_float;
image.convertTo(image_float, CV_32F, 1.0 / 255.0);

4. 对图像进行自适应伽马校正：

cv::Mat gamma_corrected;
cv::pow(image_float, 1.0 / gamma, gamma_corrected);

其中，gamma是伽马值，可以根据需要进行调整。

5. 将图像转换回8位无符号整型数据：

cv::Mat output;
gamma_corrected.convertTo(output, CV_8U, 255.0);

6. 显示和保存结果：

cv::imshow("Gamma Corrected Image", output);
cv::imwrite("output.jpg", output);
cv::waitKey(0);

请注意，这只是一个基本的示例代码，您可能需要根据您的实际需求进行适当的调整和优化。希望能帮到您！如有任何问题，请随时提问。

OpenCV C++提取文字

OpenCV 提供了一些强大的图像处理工具，可以用于文字提取。下面是一个简单的示例代码，演示了如何使用 OpenCV C++ 提取一张图像中的文本。

#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{
    // 读取图像
    Mat img = imread("text.png");

    // 将图像转换为灰度图像
    Mat gray;
    cvtColor(img, gray, COLOR_BGR2GRAY);

    // 使用自适应阈值二值化图像
    Mat binary;
    adaptiveThreshold(gray, binary, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, 10);

    // 定义矩形结构体，用于包围文本区域
    Rect rect;

    // 找到文本区域的轮廓
    std::vector<std::vector<Point>> contours;
    findContours(binary, contours, RETR_LIST, CHAIN_APPROX_SIMPLE);

    // 遍历每个轮廓
    for (const auto& contour : contours)
    {
        // 计算轮廓的包围矩形
        rect = boundingRect(contour);

        // 如果矩形较小，则忽略该轮廓
        if (rect.width < 20 || rect.height < 20)
        {
            continue;
        }

        // 在原图上绘制矩形
        rectangle(img, rect, Scalar(0, 255, 0), 2);
    }

    // 显示结果
    imshow("Text Detection", img);
    waitKey(0);

    return 0;
}

这个示例代码首先将图像转换为灰度图像，然后使用自适应阈值二值化方法将图像转换为二进制图像。接下来，通过 findContours 函数找到文本区域的轮廓，并使用 boundingRect 函数计算每个轮廓的包围矩形。最后，在原图上绘制包围矩形，以可视化文本区域。