投稿
  1. 高性能架构探索首页
  2. C/C++

OpenCV之Core组件进阶

admin • • C/C++ • 阅读 130

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;

原文链接: https://www.cnblogs.com/ishero/p/11136325.html

欢迎关注

微信关注下方公众号，第一时间获取干货硬货；公众号内回复【pdf】免费获取数百本计算机经典书籍

    OpenCV之Core组件进阶

原创文章受到原创版权保护。转载请注明出处：https://www.ccppcoding.com/archives/298301

非原创文章文中已经注明原地址，如有侵权，联系删除

关注公众号【高性能架构探索】，第一时间获取最新文章

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
adminadmin
0 0
上一篇 2023年2月15日 下午7:27
下一篇 2023年2月15日 下午7:27

相关推荐