opencv core组件进阶

Posted 2021-01-20 chinwongleung

1、图像在内存中存储方式，图像矩阵的大小取决于颜色模型，取决于所有的通道数；还有重要的颜色空间缩减的概念：因为如果是RGB的话，使用uchar的话，就有256^3的结合方法。所以要用到颜色缩减的方法，就是利用在每个像素值里抽选一部分像素值，而不是选择全部像素值。利用的公式是Inew=(Iold/10)*10来计算。

总结来看：就是对图像矩阵遍历每一个像素，然后对像素值进行公式运算。

2、LUT函数：Look up table操作，就是对于像素图像进行批量查找、扫描与操作图像。计时函数：getTickCount()和getTickFrequency()函数。

3、访问图像中像素的三类方法，参照opencv蓝皮书的111页，（colorReduce()函数的三种写法：（这个是用来减少颜色空间的函数）

//这种做法是第一种做法用指针来做。
void colorReauce(Mat& inputImage, Mat& outputImage, int div)
{
    outputImage = inputImage.clone();//这个是将图片复制；
    int rowNumber = outputImage.rows;//
    int colNumber = outputImage.cols*outputImage.channels();这个是找出每列中元素的个数，找出通道中的个数，参照那个图片颜色空间的通道数目。灰度图是通道数为1，彩色图是通道数为3；
    for (int i = 0; i < rowNumber; i++)
    {
        uchar* data = outputImage.ptr<uchar>(i);//获取第i行的首地址；
        for (int j = 0; j < colNumber; j++)
        {
            data[j] = data[j] / div*div + div / 2;//处理每个像素 ；
        }
    }
}

 

第一种是用指针的方法访问元素；

第二种做法是用迭代器来处理像素；类似与STL库中的迭代器；

第三种做法是用动态地址来计算，就是将蓝色、红色和绿色来进行分别测量；（image.at<vec3b>(j, i)[channe]=value;tips:注意这个通道的顺序是BGR，不是RGB）

4、ROI区域图像叠加&图像混合

感兴趣区域：ROI（这个是简化工作工程的图片区域，是从图像中选择一个图像区域中）

定义这个区域有两种方法：（1）使用矩形区域Rect（2）指定感兴趣行或列的范围（Range）Range是指从起始索引到终止索引，

(1)Mat imageROI;

Mat imageROI = image(Rect(500,250,logo.cols,logo.rows));//这个是定义ROI区域的

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

5、addWeighted()函数 （计算数组加权和）double alpha、double beta和 double gamma这个分别代表数组的权重。参照ROI蓝皮书的118页的代码；

(tips:两幅图片一定要同样的类型和尺寸，因为我们做的是两张图片的加权，两张图片不相同不能运算）

6、初级图像混合：addWeighted函数，参照前面的代码（https://blog.csdn.net/poem_qianmo/article/details/20911629

addWeighted的矩阵表达式是：dst = src1[I]*alpha+ src2[I]*beta + gamma;

7、分离颜色通道、多通道图像混合；通过split和merge方法来进行。

（1）通道分离：split()函数，是一个多通道数组分离几个单通道数组；

split函数：void split(const Mat& src, Mat *mvbegin);

                void split(InputArray m, OutputArrayOfArrays mv);

公式：mv[c](I)=src(I)c

8、输入XML和YAML文件

xml和YAML文件是用来做数据的存储和传输用的，我们训练玩的特征点数据是存储在这里的。