opencv图像减去c++代码

以下是使用OpenCV进行图像减法操作的代码示例：

#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{
    Mat img1 = imread("image1.jpg", IMREAD_GRAYSCALE);
    Mat img2 = imread("image2.jpg", IMREAD_GRAYSCALE);

    // 确保两张图像大小相同
    resize(img2, img2, img1.size());

    Mat result;
    subtract(img1, img2, result);

    imwrite("result.jpg", result);

    return 0;
}

在这个例子中，我们使用了OpenCV的subtract函数来执行图像减法操作。我们首先读取两个图像并确保它们的大小相同，然后将它们传递给subtract函数。subtract函数返回一个Mat对象，表示两个图像的差异。最后，我们将结果保存到一个新的图像文件中。

相关问题

opencv 图像浮雕C++

OpenCV中实现图像浮雕效果的一种方法是将原始图像转换为灰度图像，然后将像素值进行反转（即将255减去原始像素值），然后使用高斯模糊对图像进行平滑处理。接下来，将平滑后的图像与反转后的图像进行差异化处理，以创建浮雕效果。

下面是一个基于OpenCV的C++代码示例：

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

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
    // 读取图像
    Mat image = imread("lena.jpg");

    // 转换为灰度图像
    Mat gray;
    cvtColor(image, gray, COLOR_BGR2GRAY);

    // 反转像素值
    Mat inverted;
    subtract(Scalar::all(255), gray, inverted);

    // 高斯滤波平滑处理
    Mat smoothed;
    GaussianBlur(inverted, smoothed, Size(5, 5), 0);

    // 差异化处理
    Mat embossed;
    subtract(inverted, smoothed, embossed);

    // 显示结果
    imshow("Original", image);
    imshow("Embossed", embossed);
    waitKey(0);

    return 0;
}

在该代码示例中，我们首先读取了一个名为`lena.jpg`的图像。接下来，我们将其转换为灰度图像并反转像素值。然后，我们使用高斯模糊对反转的图像进行平滑处理。最后，我们将平滑后的图像与反转后的图像进行差异化处理，以创建浮雕效果。最后，我们将原始图像和浮雕图像显示在屏幕上，然后等待用户按下任意键以退出程序。

opencv图像二值化c++

以下是使用OpenCV和C++进行图像二值化的示例代码：

#include <opencv2/opencv.hpp>

using namespace cv;

int main() {
    Mat image = imread("image.jpg");

    // 将图像转为灰度图
    cvtColor(image, image, CV_BGR2GRAY);

    // 应用自适应阈值二值化
    Mat binary_image;
    adaptiveThreshold(image, binary_image, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 11, 2);

    // 显示二值化后的图像
    imshow("Binary Image", binary_image);

    waitKey(0);
    return 0;
}

上述代码中，我们首先读取了一张图像，并将其转化为灰度图。然后，我们使用adaptiveThreshold()函数进行自适应阈值二值化，其中第三个参数255表示最大值，第四个参数ADAPTIVE_THRESH_GAUSSIAN_C表示使用高斯加权平均法，第五个参数THRESH_BINARY表示二值化类型，第六个参数11表示邻域大小，第七个参数2表示从加权平均值中减去的常量。最后，我们将二值化后的图像显示出来。