图像处理和OpenCV初步

Posted geekhuman

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了图像处理和OpenCV初步相关的知识,希望对你有一定的参考价值。

图像从数学和计算机的角度理解就是一个矩阵,矩阵中的每一个元素叫做像素,又由于图像有灰度图像和彩色图像之分,所以图像在矩阵的基础上引入通道(channel),其中色彩用数字来表示的时候,规定数字0表示黑色,数字255表示白色。

OpenCV角度来看图像

OpenCV中的cv::Mat类就是用来表示图像的矩阵而存在的,其中cv::Mat类由头部数据块组成。

  • 头部包含了矩阵的所有相关信息(大小、通道数量、数据类型等),cv::Mat 头部文件的某些属性(例如cols、rows 或 channels)。头部有一个指向 数据块的指针,即 data 属性。

  • 数据块包含了图像中所有像素的值。

cv::Mat有一个很重要的属性,即只有在明确要求时,内存块才 会被复制。实际上,大多数操作仅仅复制了cv::Mat的头部,因此多个对象会指向同一个数据块。这种内存管理模式可以提高应用程序的运行效率,避免内存泄漏,


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

#include <opencv2/highgui.hpp>

// 测试函数,它创建一幅图像
cv::Mat function() {
    // 创建图像
     cv::Mat ima(500,500,CV_8U,50);
     // 返回图像
      return ima;
}

int main() {

    // // 创建一个 240 行×320 列的新图像
    cv::Mat image1(240,320,CV_8U,100);
    // or:
    // cv::Mat image1(240,320,CV_8U,cv::Scalar(100));

    cv::imshow("Image", image1); // show the image
    cv::waitKey(0); // wait for a key pressed

    // 重新分配一个新图像
    // (only if size or type are different)
    image1.create(200,200,CV_8U);
    image1= 200;

    cv::imshow("Image", image1); // show the image
    cv::waitKey(0); // wait for a key pressed

    // create a red color image
    // channel order is BGR
    cv::Mat image2(240,320,CV_8UC3,cv::Scalar(0,0,255));

    // or:
    // cv::Mat image2(cv::Size(320,240),CV_8UC3);
    // image2= cv::Scalar(0,0,255);

    cv::imshow("Image", image2); // show the image
    cv::waitKey(0); // wait for a key pressed

    // read an image
    cv::Mat image3=  cv::imread("puppy.bmp");

    // all these images point to the same data block
    cv::Mat image4(image3);
    image1= image3;

    // these images are new copies of the source image
    image3.copyTo(image2);
    cv::Mat image5= image3.clone();

    // transform the image for testing
    cv::flip(image3,image3,1);

    // check which images have been affected by the processing
    cv::imshow("Image 3", image3);
    cv::imshow("Image 1", image1);
    cv::imshow("Image 2", image2);
    cv::imshow("Image 4", image4);
    cv::imshow("Image 5", image5);
    cv::waitKey(0); // wait for a key pressed

    // 从函数中获取一个灰度图像
    cv::Mat gray= function();

    cv::imshow("Image", gray); // show the image
    cv::waitKey(0); // wait for a key pressed

    // 作为灰度图像读入
    image1=  cv::imread("puppy.bmp", CV_LOAD_IMAGE_GRAYSCALE);

    // convert the image into a floating point image [0,1]
    image1.convertTo(image2,CV_32F,1/255.0,0.0);

    cv::imshow("Image", image2); // show the image

    // Test cv::Matx
    // a 3x3 matrix of double-precision
    cv::Matx33d matrix(3.0, 2.0, 1.0,
                       2.0, 1.0, 3.0,
                       1.0, 2.0, 3.0);
    // a 3x1 matrix (a vector)
    cv::Matx31d vector(5.0, 1.0, 3.0);
    // multiplication
    cv::Matx31d result = matrix*vector;

    std::cout << result;

    cv::waitKey(0); // wait for a key pressed
    return 0;
}

技术分享图片

灰度图像

一个通道的图像就是灰度图像,就是类似以前的老照片,不是彩色的,也可以理解成黑白的。

  • OpenCV中对灰度图像的处理
// 作为灰度图像读入
image1=  cv::imread("puppy.bmp", CV_LOAD_IMAGE_GRAYSCALE);
// 创建灰度图像
 cv::Mat ima(500,500,CV_8U,50);
//0表示灰度图像
cv::Mat image2= cv::imread("boldt.jpg",0);//0表示灰度图

彩色图像

对彩色图像而言,需要用三原色数据来重现不同的可见色。

这是因为人类的视觉系统是三原色的,视网膜上有三种类型的视锥细胞,它们将颜色信息传递给大脑。

所以彩色图像的每个像素都要对应三个数值。在摄影和数字成像技术中,常用的主颜色通道是红色、绿色和蓝色,因此每三个 8 位数值组成矩阵的一个元素,特别说明,8 位通道通常是够用的,但有些特殊的应用程序需要用 16 位通道(医学图像就是用16位通道表示)。

  • OpenCV对图像的读入
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

int main()
{
    // open the image
    cv::Mat image= cv::imread("boldt.jpg",1);

    // display result
    cv::namedWindow("Image1");
    cv::imshow("Image1",image);

    // write on disk
    cv::imwrite("salted.bmp",image);

    cv::waitKey();

    // test second version
    cv::Mat image2= cv::imread("boldt.jpg",0);//0表示灰度图

    cv::namedWindow("Image2");
    cv::imshow("Image2",image2);

    cv::waitKey();

    return 0;
}

技术分享图片

以上是关于图像处理和OpenCV初步的主要内容,如果未能解决你的问题,请参考以下文章

HighGUI图形图像界面初步—— 图像的载入显示与输出

opencv 1 HighGUI图形用户界面初步

一组基于OpenCV的图像处理函数

HighGUI图形图像界面初步——滑动条的创建和使用

pyhton—opencv直线检测(HoughLines)找到最长的一条线

pyhton—opencv直线检测(HoughLines)找到最长的一条线