OpenCV常见的注意事项（持续更新中）

最新推荐文章于 2024-09-13 21:37:45 发布

原创最新推荐文章于 2024-09-13 21:37:45 发布 · 521 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #人工智能

OpenCV 专栏收录该内容

4 篇文章

订阅专栏

文章讲述了在OpenCV中如何使用FileStorage类保存和读取Mat数据到XML或YML文件，以保留原始数据。此外，还讨论了Mat的copyTo和convertTo函数的使用，包括数据拷贝和类型转换的注意事项，特别是在浮点数转换为整型时的差异。

保存Mat的原始数据

在图像处理的过程中，常常使用imwrite保存处理后的图片，便于查看处理后的效果，但此函数保存的是图像格式的数据，对Mat数据进行压缩处理。在调试过程中，对比数据修改过程，我们可以使用FileStorage类将Mat数据保存到XML/YML文件中。

保存mat矩阵

cv::FileStorage fs("data.xml", cv::FileStorage::WRITE);
fs << "black" << image;
fs.release();

读取文件数据到mat矩阵

cv::FileStorage fs("data.xml", cv::FileStorage::READ);
cv::Mat black_mat;
fs["black"] >> black_mat;
fs.release();

`copyTo`与`convertTo`成员函数

void copyTo( OutputArray m, InputArray mask ) const;是cv::Mat的成员函数。根据函数说明需要注意两点

数据拷贝之前可能触发m.create(this->size(), this->type());，也就是如果有必要目标matrix重新分配内存
如果指定mask参数，如果调用Mat::create重新分配内存，会初始化为0；
mask的size与this一致，只拷贝mask元素为非0的位置的数据到m，The mask has to be of type CV_8U and can have 1 or multiple channels

void test()
{
    cv::Mat image = cv::imread("test.jpg")

    cv::Mat imgYCrCb;
    cv::cvtColor(image, imgYCrCb, cv::COLOR_BGR2YCrCb);

    std::vector<cv::Mat> channels;
    cv::split(image, channels);

    cv::Mat fchny = cv::Mat_<float>(channels[0]);

    cv::Mat white_mask;
    cv::threshold(channels[0], white_mask, 240, 255, cv::THRESH_BINARY);
    // 注意这里要进行转换，否则fchny重新分配空间初始化0在拷贝
    cv::Mat_<float>(channels[0]).copyTo(fchny, white_mask);
    fchny.convertTo(channels[0], channels[0].type(), 1, -0.5);

    cv::Mat encodedImgYCrCb;
    cv::merge(channels, encodedImgYCrCb);

    cv::Mat img_handled;
    cv::cvtColor(encodedImgYCrCb, img_handled, cv::COLOR_YCrCb2BGR);

    cv::imshow("imgYCrCb", imgYCrCb);
    cv::imshow("imgHandled" img_handled);
    cv::waitKey(0);
    cv::destroyAllWindows();
}

这里提示一个注意点，在OpenCV中float转换成整形元素是四舍五入的，与cpp中强制转换中损失小数是不一致的，所以在python代码改写成c++ OpenCV代码时建议使用convertTo成员函数进行处理

void test()
{
    float ffdata[] = {3.2, 3.5, 3.6, -3.2, -3.5, -3.6};
    for(auto data: ffdata)
    {
        std::cout << int(data) << " ";
    }
    std::cout << std::endl;

    // cv::Mat fdata = (cv::Mat_<float>(2, 3) <<3.2, 3.5, 3.6, -3.2, -3.5, -3.6);
    cv::Mat fdata(2, 3, CV_32FC1, ffdata);
    cv::Mat idata = cv::Mat_<int8_t>(fdata);

    cout << fdata << endl;
    cout << idata << endl;
}

输出结果如下：

3 3 3 -3 -3 -3
[3.2, 3.5, 3.5999999;
 -3.2, -3.5, -3.5999999]
[  3,   4,   4;
  -3,  -4,  -4]

对应的Python测试代码

import numpy as np

fdata = np.array([[3.2, 3.5, 3.6], [-3.2, -3.5, -3.6]], dtype=np.float32)
idata = np.array(fdata, dtype=np.int8)
print(fdata)
# [[ 3.2  3.5  3.6]
#  [-3.2 -3.5 -3.6]]
print(idata)
# [[ 3  3  3]
#  [-3 -3 -3]]