opencv学习笔记访问图像中像素的三种方式ROI区域图像叠加和图像混合

Posted 2021-06-29 非晚非晚

1. 访问图像中像素的三种方式

任何图像处理算法，都是从操作每个像素开始的。在OpenCV中，提供了三种访问每个像素的方法。

• 方法1：指针访问：C操作符[]
• 方法2：迭代器iterator
• 方法3：动态地址计算

三种访问速度的比较：指针访问 > 迭代器访问 > 动态地址。指针访问速度最快。需要注意的是，OpenCV中的彩色图像不是以RGB的顺序存放的，而是BGR。

方法1：指针访问

通过调用函数 Mat::ptr(i) 来得到第i行的首地址地址，然后在行内访问像素；ptr是一个模板函数，它返回第i行的首地址。注意uchar与Vec3b的区别，uchar需要乘以一个通道数。

void test01()
{
    //指针的访问
    for (int i = 0; i < Row; i++)
    {
        for (int j = 0; j < Col; j++)
        {
            Scr.ptr<Vec3b>(i)[j][0] = 0;
            //Scr.ptr<uchar>(i)(3*j) = 0; //注意uchar与Vec3b的区别，uchar需要乘以一个通道数
        }
    }
}

方法2：迭代器操作像素

这种方式与STL库的用法类似，创建一个Mat::Iterator对象it，通过it=Mat::begin()迭代器访问首地址，递增迭代器直到it==Mat::end()结束迭代；

void test02()
{
    //迭代器访问，访问的是每一个像素点
    Mat_<Vec3b>::iterator it = Scr.begin<Vec3b>();
    while (it != Scr.end<Vec3b>())
    {
        //(*it)[0] = 0;//蓝色通道置零；BGR存储
        (*it)[1] = 0; //绿色通道置零；
        //(*it)[2] = 0;//红色通道置零；
        it++;
    }
}

方法3：动态地址计算

这种方法是最慢的一种方法，但是比较好理解，使用at函数来得到像素，Mat::at(i,j)为一个像素点的像素值数组，是一个大小为3的数组。从0到2存放了BGR三种颜色的灰度值。

void test03()
{
    //动态访问，访问的是每一个像素点，最慢也是最直接易理解的访问方式
    for (int i = 0; i < Row; i++)
    {
        for (int j = 0; j < Col; j++)
        {
            Scr.at<Vec3b>(i, j)[2] = 0;
        }
    }
}

整体代码示例

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

using namespace std;
using namespace cv;

Mat Scr;
int Row;
int Col;

void test01()
{
    //指针的访问
    for (int i = 0; i < Row; i++)
    {
        for (int j = 0; j < Col; j++)
        {
            Scr.ptr<Vec3b>(i)[j][0] = 0;
        }
    }
}
void test02()
{
    //迭代器访问，访问的是每一个像素点
    Mat_<Vec3b>::iterator it = Scr.begin<Vec3b>();
    while (it != Scr.end<Vec3b>())
    {
        //(*it)[0] = 0;//蓝色通道置零；BGR存储
        (*it)[1] = 0; //绿色通道置零；
        //(*it)[2] = 0;//红色通道置零；
        it++;
    }
}
void test03()
{
    //动态访问，访问的是每一个像素点，最慢也是最直接易理解的访问方式
    for (int i = 0; i < Row; i++)
    {
        for (int j = 0; j < Col; j++)
        {
            Scr.at<Vec3b>(i, j)[2] = 0;
        }
    }
}

int main()
{
    Scr = imread("/home/liqiang/Data/vision/classic/lena.jpg");
    if (Scr.empty())
    {
        printf("%s\\n", "读入图片失败；");
        return 1;
    }
    imshow("原始图像", Scr);

    Row = Scr.rows;           //获取行数目；
    Col = Scr.cols;           //获取列数目；
    int Channel = Scr.channels(); //获取通道数目；
    
    test01();//指针访问
    test02();//迭代器访问
    test03();//动态访问

    imshow("改变后的图像", Scr);
    waitKey(0);
    return 1;
}

输出：

2. 感兴趣区域ROI和图像叠加

2.1 感兴趣区域ROI

在图像处理领域，常常需要设置感兴趣区域（ROI，region of interest）来专注或者简化工作过程。即从图像中圈定一个区域，以便进行进一步处理。使用ROI指定想读入的目标，可以减少处理时间，增加精度，给图像处理带来不小的便利。

定义ROI区域有两种方式：

• 方法1：使用矩形区域的Rect，指定矩形的左上角坐标（构造函数的前两个参数）和矩形的长宽（构造函数的后两个参数）就可以定义一个矩形区域。

Mat = image;//载入的图片
Mat imageROI = image(Rect(500, 250, logo.cols, logo.rows));//左上角，width，height

• 方法2：指定感兴趣区域行和列的范围(Range)，Range表示从起始索引到终止(不包含)索引的一段连续序列。

imageROI = image(Range(250, 250 + logoImage.rows), Range(200, 200 + logoImage.cols));

注意两种形式，行和列的顺序不同。

2.2 图像叠加

下面使用ROI实现图像的叠加操作，实际上就是copy操作。原书采用的掩模的形式，实际上不需要，可以直接拷贝。

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

using namespace std;
using namespace cv;

int main()
{
    //【1】读入图像
    Mat srcImage1 = imread("/home/liqiang/Data/vision/classic/lena.jpg");//512*512
    Mat logoImage = imread("/home/liqiang/Data/vision/classic/WindowsLogo.jpg");//240*320
    if (!srcImage1.data)
    {
        printf("读取srcImage1错误~！ \\n");
        return false;
    }
    if (!logoImage.data)
    {
        printf("读取logoImage错误~！ \\n");
        return false;
    }
    //【2】定义一个Mat类型并给其设定ROI区域
    Mat imageROI = srcImage1(Rect(0, srcImage1.rows-logoImage.rows, logoImage.cols, logoImage.rows));//左下角
   
    //【3】加载掩模（必须是灰度图）
    Mat mask;
     cvtColor(logoImage, mask, COLOR_RGB2GRAY);//用转换函数转换成灰度图

    //【4】将掩膜拷贝到ROI
    //logoImage.copyTo(imageROI, mask);
    logoImage.copyTo(imageROI);//不用掩膜，直接拷贝

    //【5】显示结果
    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 true;
}

输出效果：

3. 图像混合（线性混合）

线性混合操作是一种典型的二元（两个输入）的像素操作，它的理论公式如下：

$$g(x)=(1-a)f_1(x)+a{f}_2(x)$$
可以通过alpha在0-1之间的变化，来对两幅图像或者两段视频产生时间上的画面叠化(cross-dissolve)效果，类似于幻灯片和电影制作中的那样，也就是幻灯片翻页或者电影情节过渡时的效果。

实现方面，主要运用了Opencv中的addWeighted函数来实现。它的函数原型如下：

addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype = -1);

• src1和src2分别表示两幅图像
• alpha和beta分别表示两幅图像的权重
• dst表示输出图像
• gamma加载到dst的权重
• dtype表示图像深度，即src1.depth()

dst = src1 * alpha + src2 * beta + gamma

#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
    Mat src1 = imread("/home/liqiang/Data/vision/classic/LinuxLogo.jpg");
    Mat src2 = imread("/home/liqiang/Data/vision/classic/WindowsLogo.jpg");
    Mat dst;
    double alpha = 0.6;
    addWeighted(src1, alpha, src2, 1 - alpha, 0.0, dst);
    imshow("dst", dst);
    waitKey(0);
    return 0;
}

输出效果：

还可以结合感兴趣区域和线性混合来实现部分混合，这里就不介绍了，实现起来应该不难。