OpenCV图像处理基础-优快云博客

                    版权声明：本文为博主原创文章，未经博主允许不得转载。                        https://blog.youkuaiyun.com/xierhacker/article/details/52493746                    </div>
                                                <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-cd6c485e8b.css">
                                    <div id="content_views" class="markdown_views">
                <!-- flowchart 箭头图标 勿删 -->
                <svg xmlns="http://www.w3.org/2000/svg" style="display: none;">
                    <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path>
                </svg>
                                        <h1 id="一概念"><a name="t0"></a>一.概念</h1>

1.图像本质上面是由数值组成的矩阵。矩阵中的一个元素对应一个像素。
2.对于灰度图像（黑白图像），像素是8位无符号数（CV_8U）。0表示黑色，255表示白色。对于彩色图像，是用三原色数据合成彩色。3个8位（CV_8UC3）的数值组成矩阵的一个元素。而且顺序是BGR
3.一般来说8位的通道够用了。但是有些特殊的需要16位。
4.经验之谈：矩阵可以有很多种类型，但是大部分操作可以使用任何类型的矩阵来完成。但是还是有一些操作必须使用特性的类型或者特定的通道数量。有时候留个心积累那些图用什么矩阵来处理。

下面废话不多说，先来一个启发性的例子(可以暂时不用知道其中全部的细节，稍后会讲到这些东西)
代码:
这里写图片描述
结果:
在原来的图片上面生成了很多很多的点。

上面这段代码的原理很简单：就是随机生成坐标值，然后把这些坐标处的灰度值改为255(白色).
大概有这些就已经算是一个访问像素的完整过程了.下面就详细讲一些访问像素的细节.

二.访问像素的三种方法

1.at方法(cv::Mat::at(…..)).

at方法顾名思义,就是在某个位置.其实用at可以直接访问到某个位置的像素.在OpenCV中,at方法为一个模板方法且有很多的变种,下面只讲最基本常用的两种方法.(分别是传入坐标和传入点的方法)
at方法是一个模板函数,在官方文档中抽取最简单的写法:

at <类型> (行,列) [通道(如果有通道的话)]
 
 
 
 1

at<类型>(行,列)就能够访问到一幅图片中的一个像素了,每个像素的chanel用[]来提取.是不是很简单.
因为这是模板方法,选择类型成了重要的一步,而且类型的选择是与图片元素的类型要对应起来,at方法不负责转化类型.下面给出一个详细的类型对应表.(要是现在不知道什么是图像元素的类型.那么点击下面的链接转到之前的core组件,有详细的类型介绍.)
http://blog.youkuaiyun.com/xierhacker/article/details/52457907
首先,OpenCV中有一个基本的向量模板类,一些基本的”N个元素”向量可以由这个模板类来定义,简单地可以写为cv::Vec

uchar类型(分别为2元素,3元素,4元素):
typedef Vec<uchar, 2> cv::Vec2b     typedef Vec<uchar, 3> cv::Vec3b typedef Vec<uchar, 4> cv::Vec4b

Short类型
typedef Vec<short, 2> cv::Vec2s     typedef Vec<ushort, 2> cv::Vec2w
typedef Vec<short, 3> cv::Vec3s     typedef Vec<ushort, 3> cv::Vec3w
typedef Vec<short, 4> cv::Vec4s     typedef Vec<ushort, 4> cv::Vec4w

Int类型(同上):
typedef Vec<int, 2> cv::Vec2i       typedef Vec<int, 3> cv::Vec3i
typedef Vec<int, 4> cv::Vec4i       typedef Vec<int, 6> cv::Vec6i
typedef Vec<int, 8> cv::Vec8i

float类型:
typedef Vec<float, 2> cv::Vec2f     typedef Vec<float, 3> cv::Vec3f typedef Vec<float, 4> cv::Vec4f     typedef Vec<float, 6> cv::Vec6f


double类型:
typedef Vec<double, 2> cv::Vec2d        typedef Vec<double, 3> cv::Vec3d
typedef Vec<double, 4> cv::Vec4d        typedef Vec<double, 6> cv::Vec6d
 
 
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

由此,可以得到一个常用的访问像素的时候模板中放类型的表:
像素类型(模板传入关键字):

CV_8U(uchar)  
CV_8UC1 (uchar)  CV_8UC2 (Vec2b)  CV_8UC3 (Vec3b)  CV_8UC4(Vec4b) 

CV_8S(char)   
CV_8SC1 (1通道)  CV_8SC2 (2通道)   CV_8SC3 (3通道)  CV_8SC4 (4通道)   

CV_16U  (ushort)
CV_16UC1 (ushort)  CV_16UC2 (Vec2w)   CV_16UC3 (Vec3w)   CV_16UC4 (Vec4w)   

CV_16S  (short)
CV_16SC1(short)   CV_16SC2(Vec2s)   CV_16SC3(Vec3s)   CV_16SC4(Vec4s)   

CV_32S (int)
CV_32SC1(int)   CV_32SC2(Vec2i)    CV_32SC3(Vec3i)  CV_32SC4(Vec4i)   

CV_32F (float)
CV_32FC1(float)   CV_32FC2(Vec2f)  CV_32FC3(Vec3f)   CV_32FC4(Vec4f)  

CV_64F(double)  
CV_64FC1(double)   CV_64FC2(Vec2d)  CV_64FC3(Vec3d)  CV_64FC4(Vec4d) 
 
 
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

现在再来看上面的那个加入白色噪点的例子,是不是豁然开朗,知道是怎么用的了.
一个改变某点像素来画线的例子:
代码:

#include <iostream>
#include <cmath>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

int main()
{
    cv::Mat pic1(300, 300, CV_8UC3, cv::Scalar(255, 0, 0));
    cv::Mat pic2(10, 3, CV_32F, 20.3);

    //访问像素
    //pic1上面画出一条直线
    for (int i = 0; i <300; i++)
    {
        int j = i; 
        //访问像素改变颜色CV_8UC3对应的就是Vec3b.
        pic1.at<cv::Vec3b>(i, j)[0] = 0;
        pic1.at<cv::Vec3b>(i, j)[2] = 255;

    }
    cv::imshow("test", pic1);
    cv::waitKey(0);
    return 0;
}
 
 
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

结果:
这里写图片描述
代码的意义很容易懂,就是建立一个80*80的图片,初始化为蓝色,然后根据一个直线方程把某点的颜色改为红色,那么最终就得到了一条红色的直线.

2.指针(cv::Mat::ptr(….))

http://docs.opencv.org/3.1.0/d3/d63/classcv_1_1Mat.html#a5a9ffc908ac90604f36a8b6a1038747d
用指针访问的话，OpcnCV提供了一个方法，cv::Mat::ptr()。下面是这个方法的几种常用的定义。
定义一:

_Tp* cv::Mat::ptr (int  i0 = 0)     
    返回mat的某行的一个地址,地址的类型与你之前在mat中选择的类型有关(模板函数),因此,要非常注意选择正确的返回以及模板参数的类型.
    i0代表0轴,或者通俗一点理解就是矩阵的一行.(索引是从0开始,要小心)
 
 
 
 1
2
3

定义二:

_Tp* cv::Mat::ptr ( int  i0,int  i1 )
    返回mat某个位置元素的地址,还是老话,地址的类型与你之前在mat中选择的类型有关(模板函数),因此,要非常注意选择正确的返回以及模板参数的类型.
    i0代表0轴,或者通俗一点理解就是矩阵的一行.(索引是从0开始,要小心)
    I1代表1轴,或者通俗一点理解就是矩阵的一列,(索引是从0开始,要小心)
 
 
 
 1
2
3
4

例一(只有一个通道)：
代码：

#include <iostream>
#include <cmath>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

int main()
{
    cv::Mat pic2(10, 3, CV_32F, 20.3);
    //每行元素数量
    int numOfRow = pic2.cols;

    //访问像素
    for (int row = 0; row < pic2.rows; row++)
    {
        //获得该行的地址
        float *data = pic2.ptr<float>(row);
        //访问该行元素
        for (int col = 0; col < numOfRow; col++)
        {
            std::cout << data[col] << " ";
        }

        std::cout << std::endl;
    }
    cv::imshow("test", pic2);
    cv::waitKey(0);
    return 0;
}
 
 
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

结果：
这里写图片描述
这里的Mat中的数据类型选择的是CV_32F,是float的单通道类型.选择这种类型就是要展示接下来的指针的模板中应该选择的参数.

例二(多个通道)：
代码:

#include <iostream>
#include <cmath>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

int main()
{
    cv::Mat pic1(10, 3, CV_8UC3, cv::Scalar(255, 0, 0));
//  cv::Mat pic2(10, 3, CV_32F, 20.3);
    //每行元素数量
    int numOfRow = pic1.cols;

    //访问像素
    for (int row = 0; row < pic1.rows; row++)
    {
        //获得该行的地址
        cv::Vec3b *data = pic1.ptr<cv::Vec3b>(row);
        //访问该行元素
        for (int col = 0; col < numOfRow; col++)
        {
            data[col][0] = 0;
            data[col][2] = 255;
        }

        //std::cout << std::endl;
    }
    std::cout << cv::format(pic1, cv::Formatter::FMT_PYTHON) << std::endl;
    cv::imshow("test", pic1);
    cv::waitKey(0);
    return 0;
}
 
 
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

结果:
指针的方式改变像素通道的值

例三(两个索引):
代码:

#include <iostream>
#include <cmath>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

int main()
{
    cv::Mat pic1(10, 3, CV_8UC3, cv::Scalar(255, 0, 0));
//  cv::Mat pic2(10, 3, CV_32F, 20.3);
    //每行元素数量
    int numOfRow = pic1.cols;

    //返回1行3列的地址(索引从0开始)
    cv::Vec3b *pixel = pic1.ptr<cv::Vec3b>(0, 2);
    //0通道改为128
    pixel[0] = 128;
    //输出
    std::cout << *pixel << std::endl;
    cv::imshow("test", pic1);
    cv::waitKey(0);
    return 0;
}
 
 
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

结果:
这里写图片描述
也就是说,可以同时使用两个索引来得到一个具体位置的地址.

三.感兴趣区域(Region Of Interest,ROI)

有时候我们并不想在一整张图片上面做文章..我们只想选择某一个小区域上面完成一些操作.
OpenCV能够让我们仅仅选择一些子区域,并且把这个子区域当做普通的图像来操作.这就引出了感兴趣区域(ROI)这个话题.
使用ROI通常可以减少处理时间,增加精度,因此是一个必须要掌握的”技能”.
定义ROI区域方式:

方式一:使用矩形(Rect)类

Mat  ROI;
ROI=image(Rect_ (_Tp _x, _Tp _y, _Tp _width, _Tp _height));
    x,y这两个参数就是矩形区域左上角的坐标
    width,height这两个参数就是矩形局域的宽和高
 
 
 
 1
2
3
4

(Rect类不熟悉的话:转到之前的core组件:http://blog.youkuaiyun.com/xierhacker/article/details/52457907)

方式二:手动指定感兴趣的行和列的范围

Mat  ROI;
ROI=image(Rect_ (range(row_start,row_end),range(col_strat,col_end)));
    range(row_start,row_end):行的开始和结束
    range(col_strat,col_end):列的开始和结束
 
 
 
 1
2
3
4

说了这么多,就要讲具体怎么用了,下面图像运算的第一个实例图像叠加就使用了ROI的概念,可以看下实例是怎么用的.

四.简单图像运算

首先,标题是简单图像运算,是因为接下来的例子都是很简单很基础的.但是也是很综合的,综合使用了之前接触到的一些编程以及理论知识.
这部分有必要消化,因为这些实例中包含了一些很基本的概念,这些概念会在这些例子中很形象的展示出来.比死记硬背一些理论好多了.

Ⅰ图像叠加

图像叠加是一个很基本的例子,通过这个例子可以联系ROI的使用.
我们这里有两个图片,一个是主图片如下
这里写图片描述
一个是很小的logo如下.

任务就是要将logo叠加到主图片上面去.不啰嗦了,上代码

代码:

#include <iostream>
#include <cmath>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

int main()
{
    //读主图片
    cv::Mat image = cv::imread("1.jpg");
    //读logo
    cv::Mat logo = cv::imread("logo.png");
    //在主图片上面定义"感兴趣"区域
    cv::Mat ROI = image(cv::Rect(200, 200, logo.cols, logo.rows));
    //logo复制到感兴趣区域
    logo.copyTo(ROI);

    cv::imshow("test", image);
    cv::waitKey(0);
    return 0;
}
 
 
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20