OpenCV之Core组件进阶

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()<lut>的函数来进行。使用方法如下：

1//首先我们建立一个mat型用于查表
2Mat lookUpTable(1, 256, CV_8U);
3uchar* p = lookUpTable.data;
4for(int i = 0; i < 256; ++i)
5  p[i] = table[i];
6
7//然后我们调用函数（I是输入J是输出）：
8for(int i = 0; i < times; ++i)
9  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

1#include<core.hpp>
2#include<highgui.hpp>
3#include<iostream>
4using namespace std;
5using namespace cv;
6
7void colorReduce1(Mat& inputImage, Mat& outputImage, int div);//用指针访问像素（这种方法最快）
8void colorReduce2(Mat& inputimage, Mat& outputImage, int div);//用迭代器操作像素
9void colorReduce3(Mat& inputImage, Mat& outputImage, int div);//动态地址计算
10
11int main()
12{
13	//1.创建原始图并显示
14	Mat srcImage = imread("..//..//3.jpg");
15	imshow("原始图像", srcImage);
16
17	//2.按原始图的参数规格来创建效果图
18	Mat dstImage;
19	dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());	//效果图的大小、类型与原始图片相同
20
21	//3.记录起始时间
22	double time0 = static_cast<double>(getTickCount());
23
24	//4.调用颜色空间缩减函数
25	colorReduce2(srcImage, dstImage, 32);
26
27	//5.计算运行时间并输出
28	time0 = ((double)getTickCount() - time0) / getTickFrequency();
29	cout << "此方法运行时间为：" << time0 << "秒" << endl;	//输出运行时间
30
31	//6.显示效果图
32	imshow("效果图", dstImage);
33	waitKey(0);
34	return 0;
35}
36
37//用指针访问像素（这种方法最快）
38void colorReduce1(Mat& inputImage, Mat& outputImage, int div)
39{
40	//参数准备
41	outputImage = inputImage.clone();	//复制实参到临时变量
42	int rowNumber = outputImage.rows;	//行数
43	int colNumber = outputImage.cols * outputImage.channels();	//列数x通道数=每个元素的个数
44
45	//双重循环，遍历所有的像素值
46	for (int i = 0; i < rowNumber; i++)	//行循环
47	{
48		uchar* data = outputImage.ptr<uchar>(i);	//获取第i行的首地址
49		for (int j = 0; j < colNumber; j++)	//列循环
50		{
51			//-----开始处理每个像素------
52			data[j] = data[j] / div* div + div / 2;
53			//-----处理结束-----
54		}	//行处理结束
55	}
56}
57
58//用迭代器操作像素
59void colorReduce2(Mat& inputimage, Mat& outputImage, int div)
60{
61	//参数准备
62	outputImage = inputimage.clone();	//复制实参到临时变量
63	//获取迭代器
64	Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>();	//初始位置的迭代器
65	Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>();	//终止位置的迭代器
66
67	//存取彩色图像像素
68	for (; it != itend; ++it)
69	{
70		//----开始处理每个像素----
71		(*it)[0] = (*it)[0] / div * div + div / 2;
72		(*it)[1] = (*it)[1] / div * div + div / 2;
73		(*it)[2] = (*it)[2] / div * div + div / 2;
74
75		//----处理结束----
76	}
77}
78
79
80//动态地址计算
81void colorReduce3(Mat& inputImage, Mat& outputImage, int div)
82{
83	//参数准备
84	outputImage = inputImage.clone(); //复制实参到临时变量
85	int rowNumber = outputImage.rows; //行数
86	int colNumber = outputImage.cols; //列数
87
88	//存取彩色图像像素
89	for (int i = 0; i < rowNumber; i++)
90	{
91		for (int j = 0; j < colNumber; j++)
92		{
93			//----开始处理每个像素----
94			outputImage.at<Vec3b>(i, j)[0] = outputImage.at<Vec3b>(i, j)[0] / div*div + div / 2; //蓝色通道
95			outputImage.at<Vec3b>(i, j)[1] = outputImage.at<Vec3b>(i, j)[1] / div*div + div / 2; //绿色通道
96			outputImage.at<Vec3b>(i, j)[2] = outputImage.at<Vec3b>(i, j)[2] / div*div + div / 2; //红色通道
97		}
98	}
99}

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。

1imageROI = image(Range(250, 250+logoImage.rows), Range(200, 200+logoImage.cols));
2// image 为已载入的图片

示例如下

1#include<core.hpp>
2#include<highgui.hpp>
3#include<stdio.h>
4using namespace cv;
5
6int main()
7{
8	//1.input image
9	Mat srcImage1 = imread("..//..//3.jpg");
10	Mat logoImage = imread("..//..//1.jpg");
11	if (!srcImage1.data)
12	{
13		printf("读取srcImage1错误\n");
14		return 0;
15	}
16	if (!logoImage.data)
17	{
18		printf("读取logoImage错误\n");
19		return 0;
20	}
21	//2.define ROI
22	Mat imageROI = srcImage1(Rect(100, 150, logoImage.cols, logoImage.rows));
23
24	//3.make mask  (mast be grey value image)
25	Mat mask = imread("..//..//4.img", 0);
26
27	//4.mask to ROI
28	logoImage.copyTo(imageROI, mask);
29
30	//show dstimage
31	namedWindow("<1>利用ROI实现图像叠加示例窗口");
32	imshow("<1>利用ROI实现图像叠加示例窗口", srcImage1);
33	waitKey(0);
34	return 0;
35}

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

1#include<core.hpp>
2#include<highgui.hpp>
3#include<stdio.h>
4using namespace cv;
5
6int main()
7{
8	//0.定义一些局部变量
9	double alphaValue = 0.5;
10	double betaValue;
11	Mat srcImage2, srcImage3, dstImage;
12
13	//1.读取图像（两幅图像需为同样的类型和尺寸)
14	srcImage2 = imread("..//..//3.jpg");
15	srcImage3 = imread("..//..//4.jpg");
16	if (!srcImage2.data)
17	{
18		printf("读取srcImage2错误");
19	}
20	if (!srcImage3.data)
21	{
22		printf("读取srcImage3错误");
23	}
24
25	//2.做图像混合加权操作
26	betaValue = (1.0 - alphaValue);
27	addWeighted(srcImage2, alphaValue, srcImage3, betaValue, 0.0, dstImage);
28
29	//3.创建并显示原图窗口
30	namedWindow("<2>线性混合示例窗口【原图】", 1);
31	imshow("<2>线性混合示例窗口【原图】", srcImage2);
32
33	namedWindow("<3>线性混合示例窗口【效果图】");
34	imshow("<3>线性混合示例窗口【效果图】", dstImage);
35	waitKey(0);
36
37	return 0;
38}

颜色通道的分离与混合

通道分离：split()函数

函数原型

1void split(const Mat& src, Mat* mvbegin);
2void 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

1vector<Mat> channels;
2Mat imageBlueChannel;
3Mat imageGreenChannel;
4Mat imageRedChannel;
5srcImage = imread(filename);
6//把一个3通道图像转换成3个单通道图像
7split(srcImage, channels);  //分离色彩通道
8imageBlueChannel = channels.at(0);
9imageGreenChannel = channels.at(1);
10imageRedChannel = chan.at(2);

通道合并：merge()函数

函数原型

1void merge(const Mat* mv,size_tcount, OutputArray dst);
2void 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

1#include<iostream>
2#include<highgui.hpp>
3#include<core.hpp>
4using namespace cv;
5using namespace std;
6
7bool MultiChannelBlending();
8
9int main()
10{
11	system("color 9F");
12	if (MultiChannelBlending())
13	{
14		cout << endl << "\n运行成功，得出了需要的图像";
15	}
16	waitKey(0);
17	return 0;
18}
19
20bool MultiChannelBlending()
21{
22	//0.定义相关变量
23	Mat srcImage;
24	Mat logoImage;
25	vector<Mat> channels;
26	Mat imageBlueChannel;
27
28	//多通道混合蓝色通道部分
29	//1.读入图片
30	logoImage = imread("..//..//1.jpg", 0);
31	srcImage = imread("..//..//3.jpg");
32	if (!logoImage.data)
33	{
34		printf("读取logoImage错误\n");
35		return false;
36	}
37	if (!srcImage.data)
38	{
39		printf("读取srcImage错误\n");
40		return false;
41	}
42	imshow("srcImage【原图】", srcImage);
43	//2.把一个3通道图像转换成3个单通道图像
44	split(srcImage, channels);	//分离色彩通道
45
46	//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
47	imageBlueChannel = channels.at(0);
48	//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
49	addWeighted(imageBlueChannel(Rect(100, 100, logoImage.cols, logoImage.rows)), 1.0, logoImage, 0.5, 0, imageBlueChannel(Rect(100, 100, logoImage.cols, logoImage.rows)));
50	//5.将三个单通道重新合并成一个三通道
51	merge(channels, srcImage);
52	//6.显示效果图
53	namedWindow("<1>游戏原画+logo蓝色通道");
54	imshow("<1>游戏原画+logo蓝色通道", srcImage);
55
56
57	//多通道混合绿色通道部分
58	//0.定义相关变量
59	Mat imageGreenChannel;
60
61	//1.读入图片
62	logoImage = imread("..//..//1.jpg", 0);
63	srcImage = imread("..//..//3.jpg");
64	if (!logoImage.data)
65	{
66		printf("读取logoImage错误\n");
67		return false;
68	}
69	if (!srcImage.data)
70	{
71		printf("读取srcImage错误\n");
72		return false;
73	}
74	//2.把一个3通道图像转换成3个单通道图像
75	split(srcImage, channels);	//分离色彩通道
76
77//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
78	imageGreenChannel = channels.at(1);
79	//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
80	addWeighted(imageGreenChannel(Rect(100, 100, logoImage.cols, logoImage.rows)), 1.0, logoImage, 0.5, 0, imageGreenChannel(Rect(100, 100, logoImage.cols, logoImage.rows)));
81	//5.将三个单通道重新合并成一个三通道
82	merge(channels, srcImage);
83	//6.显示效果图
84	namedWindow("<2>游戏原画+logo绿色通道");
85	imshow("<2>游戏原画+logo绿色通道", srcImage);
86
87
88	//多通道混合红色通道部分
89	//0.定义相关变量
90	Mat imageRedChannel;
91
92	//1.读入图片
93	logoImage = imread("..//..//1.jpg", 0);
94	srcImage = imread("..//..//3.jpg");
95	if (!logoImage.data)
96	{
97		printf("读取logoImage错误\n");
98		return false;
99	}
100	if (!srcImage.data)
101	{
102		printf("读取srcImage错误\n");
103		return false;
104	}
105	//2.把一个3通道图像转换成3个单通道图像
106	split(srcImage, channels);	//分离色彩通道
107
108	//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
109	imageRedChannel = channels.at(2);
110	//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
111	addWeighted(imageRedChannel(Rect(100, 100, logoImage.cols, logoImage.rows)), 1.0, logoImage, 0.5, 0, imageRedChannel(Rect(100, 100, logoImage.cols, logoImage.rows)));
112	//5.将三个单通道重新合并成一个三通道
113	merge(channels, srcImage);
114	//6.显示效果图
115	namedWindow("<3>游戏原画+logo红色通道");
116	imshow("<3>游戏原画+logo红色通道", srcImage);
117
118	return true;
119}

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

1#include<core.hpp>
2#include<highgui.hpp>
3#include<iostream>
4using namespace std;
5using namespace cv;
6
7static void on_ContrastAndBright(int, void*);
8
9int g_nContrastValue;	//对比度值
10int g_nBrightValue;		//亮度值
11Mat g_srcImage, g_dstImage;
12
13int main()
14{
15	//1.读取输入图像
16	g_srcImage = imread("..//..//3.jpg");
17	if (!g_srcImage.data)
18	{
19		printf("读取图片错误，请确定目录下是否有该图片");
20		return false;
21	}
22	g_dstImage = Mat::zeros(g_srcImage.size(), g_srcImage.type());
23
24	//2.设定对比度和亮度的初值
25	g_nContrastValue = 80;
26	g_nBrightValue = 80;
27
28	//3.创建效果图窗口
29	namedWindow("【效果图窗口】", 1);
30
31	//4.创建轨迹条
32	createTrackbar("对比度：", "【效果图窗口】", &g_nContrastValue, 300, on_ContrastAndBright);
33	createTrackbar("亮度：", "【效果图窗口】", &g_nBrightValue, 200, on_ContrastAndBright);
34
35	//5.进行回调函数初始化
36	on_ContrastAndBright(g_nContrastValue, 0);
37	on_ContrastAndBright(g_nBrightValue, 0);
38
39	//6.按下"q"键是，程序退出
40	while (char(waitKey(1)) != 'q') {
41
42	}
43	return 0;
44}
45
46static void on_ContrastAndBright(int, void*)
47{
48	//创建窗口
49	namedWindow("【原始图窗口】", 1);
50	//三个for循环，执行运算 g_dstImage(i,j) = a*g_srcImage(i,j) + b
51	for (int y = 0; y < g_srcImage.rows; y++)
52	{
53		for (int x = 0; x < g_srcImage.cols; x++)
54		{
55			for (int c = 0; c < 3; c++)
56			{
57				g_dstImage.at<Vec3b>(y, x)[c] = saturate_cast<uchar>((g_nContrastValue*0.01)*( g_srcImage.at<Vec3b>(y, x)[c] ) + g_nBrightValue);
58
59			}
60		}
61	}
62	//显示图像
63	imshow("【原始图窗口】", g_srcImage);
64	imshow("【效果图窗口】", g_dstImage);
65}

其中saturate_cast是对结果进行转换防止溢出，原理大致如下

1if (data < 0)
2  data = 0;
3else if (data > 255)
4  data = 255;

OpenCV之Core组件进阶

颜色空间缩减

LUT函数：Look up table操作

计时函数

访问图像中像素的三类方法

感兴趣区域：ROI

线性混合操作与addWeighted()函数

颜色通道的分离与混合

通道分离：split()函数

通道合并：merge()函数

图像对比度、亮度值调整

评论区

相关推荐