VS2010 opencv ,error C2664: “cvMorphologyEx”: 不能将参数 4 从“”转换为“IplConvKernel *”

artemis77 2013-04-23 01:10:24
cvMorphologyEx(hsv_mask, smooth1, 0, CV_SHAPE_RECT, CV_MOP_CLOSE, MopEx_value)
第四个参数错了?差个指针吗?这句要怎么改?
...全文
264 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
kezhiyang4 2013-04-24
  • 打赏
  • 举报
回复
3楼的能具体说一下如何修改么?
青松2 2013-04-23
  • 打赏
  • 举报
回复
第四个参数你搞错了,你仔细看看下面的文档,真替你着急 在OpenCV中,定义了一个结构用于描述形态学中的结构元素。该结构定义如下: typedef struct _IplConvKernel { int nCols; int nRows; int anchorX; int anchorY; int *values; int nShiftR; } IplConvKernel; 在这里,对其中的变量定义做一简单的描述: nCols,nRows:结构元素的行宽与列高; anchorX,anchorY:结构元素原点(锚点)的位置坐标,水平,垂直; nShiftR:用于表示结构元素的形状类型,有如下几个值: #define CV_SHAPE_RECT 0 #define CV_SHAPE_CROSS 1 #define CV_SHAPE_ELLIPSE 2 #define CV_SHAPE_CUSTOM 100 分别表示矩形,十字,椭圆和自定义。 values:当nShiftR为自定义时,value是指向结构元素数据的指针,如果结构元素的大小定义为8*6,那么values为48长的int数组,值为0或1。 在OpenCV中定义了两个关于结构元素IplConvKernel的操作,用于结构元素的创建和释放。 cvCreateStructuringElementEx 创建结构元素 IplConvKernel* cvCreateStructuringElementEx( int cols, int rows, int anchor_x, int anchor_y, int shape, int* values=NULL ); cols 结构元素的列数目 rows 结构元素的行数目 anchor_x 锚点的相对水平偏移量 anchor_y 锚点的相对垂直偏移量 shape 结构元素的形状,可以是下列值: CV_SHAPE_RECT, 长方形元素; CV_SHAPE_CROSS, 交错元素 a cross-shaped element; CV_SHAPE_ELLIPSE, 椭圆元素; CV_SHAPE_CUSTOM, 用户自定义元素。这种情况下参数 values 定义了 mask,即象素的那个邻域必须考虑。 values 指向结构元素的指针,它是一个平面数组,表示对元素矩阵逐行扫描。(非零点表示该点属于结构元)。如果指针为空,则表示平面数组中的所有元素都是非零的,即结构元是一个长方形(该参数仅仅当shape参数是 CV_SHAPE_CUSTOM 时才予以考虑)。 函数 cv CreateStructuringElementEx 分配和填充结构 IplConvKernel, 它可作为形态操作中的结构元素。 cvReleaseStructuringElement 删除结构元素 void cvReleaseStructuringElement( IplConvKernel** element ); element 被删除的结构元素的指针 函数 cvReleaseStructuringElement 释放结构 IplConvKernel 。如果 *element 为 NULL, 则函数不作用。
jimette 2013-04-23
  • 打赏
  • 举报
回复
看opencv的文档啊!
代码下载地址: https://pan.quark.cn/s/a4b39357ea24 基于灰度共生矩阵的图形纹理检测及路面状况的SVM分类实现 [TOC] 图像的特征提取是图像的识别和分类、基于内容的图像检索、图像数据挖掘等研究内容的基础性工作,其中图像的纹理特征对描述图像内容具有重要意义,纹理特征提取已成为图像领域研究的一个重要方法。 本项目以道路状况分类为背景,基于SVM使用纹理特征参数完成对道路状况的分类。 灰度共生矩阵的特征参数 二阶矩 对比度 相关性 熵 逆差距 实现过程 本文以识别路况为背景设计系统,首先读取图像文件,在为了得到较为理想的结果,给出的图片尺寸较小,这样的目的在于提高运行速度、能够对理想情况下的识别结果有更加精确的把握。 由于RGB图像的体积较大,但另一方面我们也知道,一张图片也可以用其灰度图像来反映,因此,对目标图像进行灰度的转化,可以降低对设计复杂度和运行效率的要求。 尽管灰度转化后可以有效的降低图片的大小,但是对于256灰度级的图片仍然会给处理带来一些时间上的消耗,因此需要在保持原图像信息不变的情况下大量削减灰度级,通过对图像进行直方图均衡化处理,增加灰度值的动态范围,从而增加图像的整体对比效果。 通常,需要将每个扫描的方向所计算的特征参数计算出来作一个权衡,这样能够更好地综合影响因素,一般会将每个方向的特征参数计算出来取平均,这样就可以以一个综合的指标来识别图像了。 把所有的设计思路综合起来,可以用下图所示的系统设计框图来反映。 png 分类结果 通过样本标签和分类后的标签对比,得出使用能量和对比度作为训练分类器的样本,分类器对于实验待分类样本分类的其正确率为:95%,由此可以看出,这个分类器对于道路状况的分类仍然具有一定的意义。 pn...

19,467

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC 图形处理/算法
社区管理员
  • 图形处理/算法社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧