opencv基础到进阶
Posted
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opencv基础到进阶相关的知识,希望对你有一定的参考价值。
本文为系列文章的第2篇,主要讲解对图像的像素的操作方法。
2.1存取像素值
为了存取矩阵元素,需要指定元素所在的行和列,程序会返回相应的元素。单通道图像返回单个数值,多通道图像,返回的则是一组向量(Vector)。
我们通过分析一段代码来学习这一节的知识点:
void salt(cv::Mat &image,int n){ for(int k = 0;k<n;k++){ int i = rand()%image.cols; int j = rand()%image.rows;
if(image.channel() == 1)//灰度图
image.at<cv::Vec3b>(j,i)=255; if(image.channels() == 3){//彩色 image.at<cv::Vec3b>(j,i)[0] = 255;//设置为白色 Vec3b为一个由三个8位数组成的向量,是一种数据类型,即由三个unsigned char 组成的向量(三元素向量类型) image.at<cv::Vec3b>(j,i)[1] = 255;//彩色图像每个像素由三部分组成:红,绿,蓝通道 image.at<cv::Vec3b>(j.i)[2] = 255; } } }
这里创建了一个函数,他的第一个参数书一张输入图片,该函数会修改此函数,为了达到这个目的,我们需要传使用的参数传递方式。函数的第二个参数是我们想要替换成白的像素点个数。
Mat有很多函数可以获取其初始化的图像的的属性,公有成员变量cols和rows给出了图像的宽和高。成员函数at(int x,int y)可以用来存放图像元素,但需要在编译期知道图像的数据类型,因为cv::Mat可以存放任意数据类型的元素。所以调用at时需要使用以下方式:
image.at<uchar>(j,i) = 255;
调用时需要先打开一个图像;
cv::Mat image = cv::imread("liufeng.jpg"); salt(image,3000); cv::namedWindow("Image"); cv::imshow("image",image);
我们再来看一个实际应用的函数:
void colorReduce(cv::Mat &image, int div = 64){ int nl = image.rows;//行数 int nc = image.cols*image.channels();//每行的像素个数 for(int j=0;j<nl;j++){ uchar* data = image.ptr<uchar>(j);//cv::Mat提供ptr函数可以得到图像任意行的首地址 等效的指针运算:*data++=*data/div*div + div2 for(int i=0;i<nc;i++){//对每行的元素进行数据处理 data[i]= data[i]/div*div+div/2;//公式 } } }
解释一下原理:在一个彩色图像中,图像数据缓冲区中的前三个自己对应图像左上角像素的三个通道值,接下来的三个字节对应第一行的第二个元素,以此类推。opencv默认使用BGR的通道顺序,第一个通道通常是蓝色。一个WxH大小的图像需要WxHx3个uchar构成的内存块。但是,一般会为了提高效率而在每行的末尾添加一些额外像素,这是处理的的特性决定的,如果行的长度是4或8的倍数,芯片就会更加高效的处理图像,因为他们本身的处理器的位数就是4的倍数(8,16,32,64)。
关于公式的解释:注意到data[i]是整数(假设原来是120),x/div得到的是商(1),余数被舍弃,再×div得到的是64,再加上div/2就是64+32=98。推广点我们可以想到64~127之间的数经过上述运算得到的都是98,其他区间的数可以依此类推。这样就起到了压缩色彩空间的作用。
但是上面这个方法的缺点为有两个for循环,效率较低,我们可以改进一下:
void colorReduce(cv::Mat & image,int div =64){ int nl = image.rows; int nc= iamge.cols*image.channels();//每行的像素个数 if(image.isContinuous()){//,没有额外的填补像素 nc = nc*nl; nl = 1;} } for(int j=0;j<nl;j++){//对于连续图像,本循环只执行一次 uchar*data = image.ptr<uchar>(j); for(int i=0;i<nc;i++){ data[i]=data[i]/div*div+div/2;} }
isContinuous函数可以用来判断这幅图像是否进行了填补,为真则没有进行填补。在没有进行填补时我们就将图像视为长度为WxH的一维数组。
reshape函数可以用来转换数组的维数。
if(image.isContinuous){ image.reshape(1,//通道数 reshape不需要内存拷贝或者重新分配就能改变矩阵的维度。连个参数分别为新的通道数和新的行数
image.cols*image.rows);//行数 } int nl = image.rows; int nc = image.cols*image.channels;
2.2使用迭代器遍历图像
迭代器是一种特殊的类,他专门用来遍历集合中的各个元素,同时隐藏了在给定的集合上元素迭代的具体实现方式。标准模板库(STL)为每个容器类提供了迭代器。下划线意味着cv::Mat Iterator_是一个模板类。这样做的原因是因为通过迭代器来存取图像的元素,就必须在编译期知道图像元素的数据类型。
创建迭代器
cv::Mat Iterator_<cv::Vec3b> it;
另一种方法是使用定义在Mat_内部的迭代器类型:
cv::Mat_<cv::Vec3b>::iterator it;
使用第二种方法可以通过常规的begin和end这两个迭代器方法来遍历所有像素:
void colorReduce(cv::Mat &image,int div = 64){ cv::Mat_<cv::Vec3b>::iterator it =image.begin<cv::Vec3b>();//得到起始位置的迭代器 cv::Mat_<cv::Vec3b>::iterator itend =image.begin<cv::Vec3b>();//终止位置迭代器 for(;it!= itend;++it){//处理每个像素 (*it)[0] = (*it)[0]/div[0]*div+div/2; (*it)[1] = (*it)[0]/div[0]*div+div/2; (*it)[2] = (*it)[0]/div[0]*div+div/2; } }
因为我们处理的是彩色图像,所以迭代器返回的是一个向量cv::Vec3b。每个颜色分量可以通过操作符[]得到。
需要的话,对迭代器也可以采取代数运算,如需要把矩阵的第二行作为起始点时可以利用image.begin<cv::Vec3b>()+image.rows来初始化迭代器,使用运算符“*”来读或写元素,读操作:element = *it;写操作:*it = element.
2.3遍历图像与领域操作
在图像处理中,通过当期位置的相邻像素计算新的像素值是很常见的操作(对比等等),当相邻包含图像的前几行和下几行是,你就需要同时扫描图像的若干行。
const uchar* previous = image.ptr<const uchar>(j-1); const uchar* current = image.ptr<const uchar>(j); const uchar* next = image.ptr<const uchar>(j+1);
uchar* output = result.ptr<uchar>(j);//输出行
2.4简单的图像运算
图像是矩阵,矩阵可以代数运算,那么图像当然也可以诺。所有的二元算术函数工作方式都是一样的,他接受两个输入变量和一个输出变量,在一些情况下,还需要指定权重作为运算中的标量因子。每种函数都有几个不同的形式:
//c[i]=a[i]+b[i]; cv::add(imageA,imageB,resultC); //c[i]=a[i]+b[i]; cv::add(imageA.cv::Scalar(k),resultC); //c[i]=k1*a[i]+k2*b[i]+k3; cv::addWeighted(imageA,k1,imageB,k2,k3,resultC); //c[i]=l*a[i]+b[i] cv::sacleAdd(imageA,k,inageB,resultC);
数学运算时常常可能会发生结果超出范围(0~255)的情况发生,这时候我们就可以用cv::saturate_cast来保证结果在范围内。参与运算的图像必须相同的大小和类型,输出图像如果格式不符,那么他会重新分配。
是不是上面的运算特别的复杂,没事,opencv为你做了简化,你可以直接的进行代数运算:
result= 0.7*image1+0.9*image2;
2.5定义感兴趣区域
由于操作运算需要图片具有相同的尺寸,所以我们需要在运算之前定义感兴趣区域(ROI)。需要注意的是ROI和他的父元素指向同一块内存缓冲区。
cv::Mat imageROI; imageROI = image(cv::Rect(110,110,liufeng.cols,liufeng,rows)); cv::addWeighted(imageaROI,1.0,logo,0.3,0.,imageROI);
两张图片合成后可能会出现不协调的情况出现,所以可以将插入出的像素设置为待插入图像的像素值效果会好一点。
imageROI =image(cv::Rect(110,110,liufeng.cols,liufeng.rows));//定义ROI cv::Mat mask= cv::imread("liufeng.bmp",0);//加载掩模 liufeng.copyTo(imageROI,mask);//通过掩模拷贝ROI
利用cv:: rect定义ROI,指定矩形的左上角坐标(前两个参数)和矩形的长宽(后两个参数)就可以定义一个矩形区域了。
另一种方法是使用cv::range来指定感兴趣的行或列的范围:
cv::Mat imageROT= image(cv::Range(110,110+liufeng.rows),cv::range(110,110+liufeng.cols));
如果想创建原始图像特定行或列的ROI,则可以
cv::Mat imageROI = image.rowRange(start,end);
cv::Mat imageROI = image.colRange(start,end);
以上是关于opencv基础到进阶的主要内容,如果未能解决你的问题,请参考以下文章
Kotlin基础从入门到进阶系列讲解(基础篇)Fragment的基本使用