OpenCV之Core组件进阶
2024-09-06 21:01:22
颜色空间缩减
利用C++类型转换时向下取整操作，实现定义域内颜色缩减。表达式如下
Inew = (Iold/10)*10
简单的颜色空间缩减算法可由以下两步组成：
（1）遍历图像矩阵的每个元素
（2）对像应用上述公式
LUT函数：Look up table操作
上文提到的Look up table操作，OpenCV官方文档中强烈推荐使用一个原型为operationsOnArrays:LUT()的函数来进行。使用方法如下：
//首先我们建立一个mat型用于查表
Mat lookUpTable(1, 256, CV_8U);
uchar* p = lookUpTable.data;
for(int i = 0; i < 256; ++i)
p[i] = table[i];
//然后我们调用函数（I是输入J是输出）：
for(int i = 0; i < times; ++i)
LUT(I, lookUpTable, J);
计时函数
- getTickCount()函数返回CPU自时间以来走过的时钟周期数
- getTickFrequency()函数返回CPU一秒钟所走的时钟周期数。
访问图像中像素的三类方法
- 指针访问：C语言操作符[]; (最快)
- 迭代器iterator; (最安全)
- 动态地址计算; (最直观)
示例程序如下
#include<core.hpp>
#include<highgui.hpp>
#include<iostream>
using namespace std;
using namespace cv;
void colorReduce1(Mat& inputImage, Mat& outputImage, int div);//用指针访问像素（这种方法最快）
void colorReduce2(Mat& inputimage, Mat& outputImage, int div);//用迭代器操作像素
void colorReduce3(Mat& inputImage, Mat& outputImage, int div);//动态地址计算
int main()
{
//1.创建原始图并显示
Mat srcImage = imread("..//..//3.jpg");
imshow("原始图像", srcImage);
//2.按原始图的参数规格来创建效果图
Mat dstImage;
dstImage.create(srcImage.rows, srcImage.cols, srcImage.type()); //效果图的大小、类型与原始图片相同
//3.记录起始时间
double time0 = static_cast<double>(getTickCount());
//4.调用颜色空间缩减函数
colorReduce2(srcImage, dstImage, 32);
//5.计算运行时间并输出
time0 = ((double)getTickCount() - time0) / getTickFrequency();
cout << "此方法运行时间为：" << time0 << "秒" << endl; //输出运行时间
//6.显示效果图
imshow("效果图", dstImage);
waitKey(0);
return 0;
}
//用指针访问像素（这种方法最快）
void colorReduce1(Mat& inputImage, Mat& outputImage, int div)
{
//参数准备
outputImage = inputImage.clone(); //复制实参到临时变量
int rowNumber = outputImage.rows; //行数
int colNumber = outputImage.cols * outputImage.channels(); //列数x通道数=每个元素的个数
//双重循环，遍历所有的像素值
for (int i = 0; i < rowNumber; i++) //行循环
{
uchar* data = outputImage.ptr<uchar>(i); //获取第i行的首地址
for (int j = 0; j < colNumber; j++) //列循环
{
//-----开始处理每个像素------
data[j] = data[j] / div* div + div / 2;
//-----处理结束-----
} //行处理结束
}
}
//用迭代器操作像素
void colorReduce2(Mat& inputimage, Mat& outputImage, int div)
{
//参数准备
outputImage = inputimage.clone(); //复制实参到临时变量
//获取迭代器
Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>(); //初始位置的迭代器
Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>(); //终止位置的迭代器
//存取彩色图像像素
for (; it != itend; ++it)
{
//----开始处理每个像素----
(*it)[0] = (*it)[0] / div * div + div / 2;
(*it)[1] = (*it)[1] / div * div + div / 2;
(*it)[2] = (*it)[2] / div * div + div / 2;
//----处理结束----
}
}
//动态地址计算
void colorReduce3(Mat& inputImage, Mat& outputImage, int div)
{
//参数准备
outputImage = inputImage.clone(); //复制实参到临时变量
int rowNumber = outputImage.rows; //行数
int colNumber = outputImage.cols; //列数
//存取彩色图像像素
for (int i = 0; i < rowNumber; i++)
{
for (int j = 0; j < colNumber; j++)
{
//----开始处理每个像素----
outputImage.at<Vec3b>(i, j)[0] = outputImage.at<Vec3b>(i, j)[0] / div*div + div / 2; //蓝色通道
outputImage.at<Vec3b>(i, j)[1] = outputImage.at<Vec3b>(i, j)[1] / div*div + div / 2; //绿色通道
outputImage.at<Vec3b>(i, j)[2] = outputImage.at<Vec3b>(i, j)[2] / div*div + div / 2; //红色通道
}
}
}
感兴趣区域：ROI
- 使用Rect指定区域
//定义一个Mat类型并给其设定ROI区域
Mat imageROI;
//方法一
imageROI = image(Rect (500, 250, logo.cols, logo.rows));
//image 为已载入的图片
- 用Range来定义ROI
Range 是指从起始索引到终止索引（不包括终止索引）的一连续序列。
imageROI = image(Range(250, 250+logoImage.rows), Range(200, 200+logoImage.cols));
// image 为已载入的图片
示例如下
#include<core.hpp>
#include<highgui.hpp>
#include<stdio.h>
using namespace cv;
int main()
{
//1.input image
Mat srcImage1 = imread("..//..//3.jpg");
Mat logoImage = imread("..//..//1.jpg");
if (!srcImage1.data)
{
printf("读取srcImage1错误\n");
return 0;
}
if (!logoImage.data)
{
printf("读取logoImage错误\n");
return 0;
}
//2.define ROI
Mat imageROI = srcImage1(Rect(100, 150, logoImage.cols, logoImage.rows));
//3.make mask (mast be grey value image)
Mat mask = imread("..//..//4.img", 0);
//4.mask to ROI
logoImage.copyTo(imageROI, mask);
//show dstimage
namedWindow("<1>利用ROI实现图像叠加示例窗口");
imshow("<1>利用ROI实现图像叠加示例窗口", srcImage1);
waitKey(0);
return 0;
}
线性混合操作与addWeighted()函数
- 线性混合理论公式：g(x) = (1-a)fa(x)+ af3(x)
- addWeighted()函数
函数原型
void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype = -1);
参数
- InputArray 类型的src1，表示需要加权的第一个数组，常常填一个Mat;
- double类型的alpha，表示第一个数组的权重
- InputArray 类型的src2，表示第二个数组，它需要和第一个数组拥有相同的尺寸和通道数
- double 类型的beta，表示第一个数组的权重值；
- double 类型的gamma，一个加到权重和上的标量值。
- OutputArray 类型的dst，输出的数组，它和输入的两个数组拥有相同的尺寸和通道数
- int 类型的dtype，输出阵列的可选深度，默认值-1。当两个输入数组具有相同的深度时，这个参数设置为-1(默认值)，即等同于src1.depth()。
addWeighted 函数作用矩阵的表达式
dst = src1[I]alpha + src2[I]beta + gamma;
示例如下
#include<core.hpp>
#include<highgui.hpp>
#include<stdio.h>
using namespace cv;
int main()
{
//0.定义一些局部变量
double alphaValue = 0.5;
double betaValue;
Mat srcImage2, srcImage3, dstImage;
//1.读取图像（两幅图像需为同样的类型和尺寸)
srcImage2 = imread("..//..//3.jpg");
srcImage3 = imread("..//..//4.jpg");
if (!srcImage2.data)
{
printf("读取srcImage2错误");
}
if (!srcImage3.data)
{
printf("读取srcImage3错误");
}
//2.做图像混合加权操作
betaValue = (1.0 - alphaValue);
addWeighted(srcImage2, alphaValue, srcImage3, betaValue, 0.0, dstImage);
//3.创建并显示原图窗口
namedWindow("<2>线性混合示例窗口【原图】", 1);
imshow("<2>线性混合示例窗口【原图】", srcImage2);
namedWindow("<3>线性混合示例窗口【效果图】");
imshow("<3>线性混合示例窗口【效果图】", dstImage);
waitKey(0);
return 0;
}
颜色通道的分离与混合
通道分离：split()函数
函数原型
void split(const Mat& src, Mat* mvbegin);
void split(InputArray m, OutputArrayOfArrays mv);
参数
- InputArray 类型的m或者const Mat&类型的src，填我们需要分离的多通道数组。
- OutputArrayOfArrays类型的mv，填函数的输出数组或者输出的vector容器
示例
vector<Mat> channels;
Mat imageBlueChannel;
Mat imageGreenChannel;
Mat imageRedChannel;
srcImage = imread(filename);
//把一个3通道图像转换成3个单通道图像
split(srcImage, channels); //分离色彩通道
imageBlueChannel = channels.at(0);
imageGreenChannel = channels.at(1);
imageRedChannel = chan.at(2);
通道合并：merge()函数
函数原型
void merge(const Mat* mv,size_tcount, OutputArray dst);
void merge(InputArrayOfArrays mv, OutputArray dst);
参数
- 填需要被合并的输入矩阵或vector容器的阵列（数组），这个mv参数中所有的矩阵必须有着一样的尺寸和深度。
- 当mv为一个空白的C语言数组时，代表输入矩阵的个数，这个参数显然必须大于1。
- dst即输出矩阵，和mv[0]具有一样的尺寸和深度，并且通道的数量是矩阵阵列中的通道的总数。
示例如下
#include<iostream>
#include<highgui.hpp>
#include<core.hpp>
using namespace cv;
using namespace std;
bool MultiChannelBlending();
int main()
{
system("color 9F");
if (MultiChannelBlending())
{
cout << endl << "\n运行成功，得出了需要的图像";
}
waitKey(0);
return 0;
}
bool MultiChannelBlending()
{
//0.定义相关变量
Mat srcImage;
Mat logoImage;
vector<Mat> channels;
Mat imageBlueChannel;
//多通道混合蓝色通道部分
//1.读入图片
logoImage = imread("..//..//1.jpg", 0);
srcImage = imread("..//..//3.jpg");
if (!logoImage.data)
{
printf("读取logoImage错误\n");
return false;
}
if (!srcImage.data)
{
printf("读取srcImage错误\n");
return false;
}
imshow("srcImage【原图】", srcImage);
//2.把一个3通道图像转换成3个单通道图像
split(srcImage, channels); //分离色彩通道
//3.将原图的蓝色通道引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改一个另一个跟着变
imageBlueChannel = channels.at(0);
//4.将原图的蓝色通道的(500,250)坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageBlueChannel中
addWeighted(imageBlueChannel(Rect(100, 100, logoImage.cols, logoImage.rows)), 1.0, logoImage, 0.5, 0, imageBlueChannel(Rect(100, 100, logoImage.cols, logoImage.rows)));
//5.将三个单通道重新合并成一个三通道
merge(channels, srcImage);
//6.显示效果图
namedWindow("<1>游戏原画+logo蓝色通道");
imshow("<1>游戏原画+logo蓝色通道", srcImage);
//多通道混合绿色通道部分
//0.定义相关变量
Mat imageGreenChannel;
//1.读入图片
logoImage = imread("..//..//1.jpg", 0);
srcImage = imread("..//..//3.jpg");
if (!logoImage.data)
{
printf("读取logoImage错误\n");
return false;
}
if (!srcImage.data)
{
printf("读取srcImage错误\n");
return false;
}
//2.把一个3通道图像转换成3个单通道图像
split(srcImage, channels); //分离色彩通道
//3.将原图的蓝色通道引用返回给imageGreenChannel，注意是引用，相当于两者等价，修改一个另一个跟着变
imageGreenChannel = channels.at(1);
//4.将原图的蓝色通道的(500,250)坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageGreenChannel中
addWeighted(imageGreenChannel(Rect(100, 100, logoImage.cols, logoImage.rows)), 1.0, logoImage, 0.5, 0, imageGreenChannel(Rect(100, 100, logoImage.cols, logoImage.rows)));
//5.将三个单通道重新合并成一个三通道
merge(channels, srcImage);
//6.显示效果图
namedWindow("<2>游戏原画+logo绿色通道");
imshow("<2>游戏原画+logo绿色通道", srcImage);
//多通道混合红色通道部分
//0.定义相关变量
Mat imageRedChannel;
//1.读入图片
logoImage = imread("..//..//1.jpg", 0);
srcImage = imread("..//..//3.jpg");
if (!logoImage.data)
{
printf("读取logoImage错误\n");
return false;
}
if (!srcImage.data)
{
printf("读取srcImage错误\n");
return false;
}
//2.把一个3通道图像转换成3个单通道图像
split(srcImage, channels); //分离色彩通道
//3.将原图的蓝色通道引用返回给imageRedChannel，注意是引用，相当于两者等价，修改一个另一个跟着变
imageRedChannel = channels.at(2);
//4.将原图的蓝色通道的(500,250)坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageRedChannel中
addWeighted(imageRedChannel(Rect(100, 100, logoImage.cols, logoImage.rows)), 1.0, logoImage, 0.5, 0, imageRedChannel(Rect(100, 100, logoImage.cols, logoImage.rows)));
//5.将三个单通道重新合并成一个三通道
merge(channels, srcImage);
//6.显示效果图
namedWindow("<3>游戏原画+logo红色通道");
imshow("<3>游戏原画+logo红色通道", srcImage);
return true;
}
图像对比度、亮度值调整
理论公式：g(i,j) = a*f(i,j) + b
其中
- 参数f(x)表示源图像像素
- 参数g(x)表示输出图像像素
- 参数a（需要满足a>0）被称为增益（gain），常常被用来控制图像的对比度。
- 参数b通常被称为偏置(bias)，常常被用来控制图像的亮度。
示例如下
#include<core.hpp>
#include<highgui.hpp>
#include<iostream>
using namespace std;
using namespace cv;
static void on_ContrastAndBright(int, void*);
int g_nContrastValue; //对比度值
int g_nBrightValue; //亮度值
Mat g_srcImage, g_dstImage;
int main()
{
//1.读取输入图像
g_srcImage = imread("..//..//3.jpg");
if (!g_srcImage.data)
{
printf("读取图片错误，请确定目录下是否有该图片");
return false;
}
g_dstImage = Mat::zeros(g_srcImage.size(), g_srcImage.type());
//2.设定对比度和亮度的初值
g_nContrastValue = 80;
g_nBrightValue = 80;
//3.创建效果图窗口
namedWindow("【效果图窗口】", 1);
//4.创建轨迹条
createTrackbar("对比度：", "【效果图窗口】", &g_nContrastValue, 300, on_ContrastAndBright);
createTrackbar("亮度：", "【效果图窗口】", &g_nBrightValue, 200, on_ContrastAndBright);
//5.进行回调函数初始化
on_ContrastAndBright(g_nContrastValue, 0);
on_ContrastAndBright(g_nBrightValue, 0);
//6.按下"q"键是，程序退出
while (char(waitKey(1)) != 'q') {
}
return 0;
}
static void on_ContrastAndBright(int, void*)
{
//创建窗口
namedWindow("【原始图窗口】", 1);
//三个for循环，执行运算 g_dstImage(i,j) = a*g_srcImage(i,j) + b
for (int y = 0; y < g_srcImage.rows; y++)
{
for (int x = 0; x < g_srcImage.cols; x++)
{
for (int c = 0; c < 3; c++)
{
g_dstImage.at<Vec3b>(y, x)[c] = saturate_cast<uchar>((g_nContrastValue*0.01)*( g_srcImage.at<Vec3b>(y, x)[c] ) + g_nBrightValue);
}
}
}
//显示图像
imshow("【原始图窗口】", g_srcImage);
imshow("【效果图窗口】", g_dstImage);
}
其中saturate_cast是对结果进行转换防止溢出，原理大致如下
if (data < 0)
data = 0;
else if (data > 255)
data = 255;
最新文章
- 接口 Post
- [HZNUOJ1524]排队买票(DP)
- Cocos2d-x3.0 DrawNode吸取
- Linux网卡配置与绑定
- ural1003 Parity
- RadioGroup
- Gson转Map
- [PHP] pow指数运算函数与二进制
- ansible学习（二）
- Dreamweaver怎样用Edge Web Fonts功能
- java poi生成excel（个人例子js-jsp-java）
- XLua访问C#中的List或者数组
- 【转】微信公众号h5网页被嵌入广告 不知道什么原因
- 2019.02.06 bzoj2987: Earthquake（类欧几里得）
- Hibernate中对象的三种状态及相互转化
- android 7.0以上共享文件（解决调用系统照相和图片剪切出现的FileUriExposedException崩溃问题）
- mybatis generator修改默认生成的sql模板
- axios的简单使用
- windows程序崩溃生成dump文件
- CCNA2.0笔记_路由分类