opencv 基本的图像操作

xuejianxinokok
225 阅读4分钟

1. 输入输出

1.1 图片

从文件加载图像：


Mat img = imread(filename);

如果读取 jpg 文件，则默认创建 3 通道图像。如果需要灰度图像，则使用：


Mat img = imread(filename, IMREAD_GRAYSCALE);

  • 提示

    文件的格式由其内容（前几个字节）决定。要将图像保存到文件：


  imwrite(filename, img);

  • 提示

    • 文件的格式由其扩展名决定。
    • 使用cv::imdecode和cv::imencode从向内存而不是文件读取和写入图像。

2. 图像的基本操作

2.1 访问像素值

为了获得像素值，必须知道图像的类型和通道数。以下是单通道灰度图像（8UC1 型）和像素坐标 x 和 y 的示例：


 Scalar intensity = img.at<uchar>(y, x);

仅限 C++ 版本：intensity.val[0] 包含从 0 到 255 的值。注意 x 和 y 的顺序。由于在 OpenCV 中图像与矩阵用相同的结构表示，因此对两种情况都使用相同的约定——从 0 开始的行索引（y坐标）在前边，从0开始的列索引（x坐标）在后边。或者，也可以使用下边的表示法（仅限 C++ ）：


  Scalar intensity = img.at<uchar>(Point(x, y));

现在考虑一个具有 BGR 颜色排序的 3 通道图像（imread 返回的默认格式）：

C++ 代码

 Vec3b intensity = img.at<Vec3b>(y, x);
 uchar blue = intensity.val[0];
 uchar green = intensity.val[1];
 uchar red = intensity.val[2];

可以对浮点图像使用相同的方法（例如，可以通过在 3 通道图像上运行 Sobel 来获得这样的图像）（仅限 C++ ）：

 Vec3f intensity = img.at<Vec3f>(y, x);
 float blue  = intensity.val[0];
 float green = intensity.val[1];
 float red   = intensity.val[2];

可以使用相同的方法来改变像素强度：


 img.at<uchar>(y, x) = 128;

OpenCV 中有一些函数，尤其是来自 calib3d 模块的函数，例如cv::projectPoints，它们采用 Mat 形式的 2D 或 3D 点数组。矩阵只包含一列，每一行对应一个点，类型应该是 32FC2 或 32FC3 对应。这样的矩阵可以很容易地从std::vector（仅限 C++ ）构造：


 vector<Point2f> points;
 //... fill the array
 Mat pointsMat = Mat(points);

可以使用相同的方法Mat::at（仅限 C++ ）访问此矩阵中的一个点：

  Point2f point = pointsMat.at<Point2f>(i, 0);

2.2 内存管理和引用计数

Mat 是一种结构，该结构保存矩阵/图像特征（行数和列数、数据类型等）和指向数据的指针。因此，没有什么能阻止让多个 Mat 实例对应相同的数据。Mat 保留一个引用计数，该计数告诉当 Mat 的特定实例被销毁时是否必须释放数据。以下是创建两个矩阵而不复制数据的示例（仅限 C++ ）：


 std::vector<Point3f> points;
 // .. fill the array
 Mat pointsMat = Mat(points).reshape(1);

结果，得到了一个 32FC1 的 3 列矩阵，而不是 32FC3 的 1 列矩阵。pointsMat使用来自点的数据，并且在销毁时不会释放内存。然而，在这种特殊情况下，开发人员必须确保points的生命周期比：pointsMat长。如果需要拷贝数据，可以使用 cv::Mat::copyTo or cv::Mat::clone， 如下所示：

 Mat img = imread("image.jpg");
 Mat img1 = img.clone();

可以为每个函数输出提供一个空的 Mat。每个方法的实现都为目标矩阵调用了 Mat::create。如果矩阵为空，则此方法为矩阵分配数据。如果它不为空并且具有正确的大小和类型，则该方法不执行任何操作。但是，如果大小或类型与输入参数不同，则数据将被释放（并丢失）并分配新数据。例如：

 Mat img = imread("image.jpg");
 Mat sobelx;
 Sobel(img, sobelx, CV_32F, 1, 0);

2.3 基础操作

在矩阵上定义了许多方便的运算符。例如，这里是如何从现有的灰度图像制作黑色图像img

 img = Scalar(0);

选择感兴趣的区域：

 Rect r(10, 10, 100, 100);
 Mat smallImg = img(r);

从彩色到灰度的转换：

 Mat img = imread("image.jpg"); // loading a 8UC3 image
 Mat grey;
 cvtColor(img, grey, COLOR_BGR2GRAY);

将图像类型从 8UC1 更改为 32FC1：

 src.convertTo(dst, CV_32F);

2.4 可视化图像

在开发过程中查看算法的中间结果非常有用。OpenCV 提供了一种可视化图像的便捷方式。可以使用以下方式显示 8U 图像：

Mat img = imread("image.jpg");
namedWindow("image", WINDOW_AUTOSIZE);
imshow("image", img);
waitKey();

对waitKey()的调用启动了一个消息传递循环，该循环等待“图像”窗口中的击键。一张 32F 的图像需要转换成 8U 类型。例如：

 Mat img = imread("image.jpg");
 Mat grey;
 cvtColor(img, grey, COLOR_BGR2GRAY);
 Mat sobelx;
 Sobel(grey, sobelx, CV_32F, 1, 0);
 double minVal, maxVal;
 minMaxLoc(sobelx, &minVal, &maxVal); //find minimum and maximum intensities
 Mat draw;
 sobelx.convertTo(draw, CV_8U, 255.0/(maxVal - minVal), -minVal * 255.0/(maxVal - minVal));
 namedWindow("image", WINDOW_AUTOSIZE);
 imshow("image", draw);
 waitKey();

原文地址

avatar
文章
阅读
粉丝