opencv(c++)图像操作

参考：
1、https://docs.opencv.org/3.2.0/
2、https://github.com/opencv/opencv/

---

Operations with images

---

Input/Output

---

Images

---

从文件加载图像：

Mat img = imread(filename)
//或
Mat img = imread(filename,IMREAD_COLOR)

如果您读取一个jpg文件，默认情况下会创建一个3通道图像。 如果您需要灰度图像，请使用：

Mat img = imread(filename, 0);
//或
Mat img = imread(filename,IMREAD_GRAYSCALE)

注：
文件格式由其内容决定（前几个字节）将图像保存到文件中：

imwrite(filename, img);

该文件的格式是由其扩展名决定的。
使用imdecode和imencode从内存中读/写图像而不是文件。

---

基本操作与图像

---

访问像素强度值

---

为了获得像素强度值，您必须知道图像的类型和通道的数量。 以下是单通道灰度图像（类型8UC1）和像素坐标x和y的示例：

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

intensity.val [0]包含从0到255的值。请注意x和y的排序。 因为在OpenCV中，图像由与矩阵相同的结构表示，所以我们在两种情况下都使用相同的约定 - 基于0的行索引（或y坐标）首先出现，然后是基于0的列索引（或x坐标） 它。 或者，您可以使用以下表示法：

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

现在让我们考虑一个BGR颜色排序的3通道图像（imread返回的默认格式）：

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

您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）：

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;

在OpenCV中有函数，特别是来自calib3d模块的函数，比如projectPoints，它们以Mat的形式获取一个2D或3D点的数组。 矩阵应该只包含一列，每一行对应一个点，矩阵类型应相应为32FC2或32FC3。 这样的矩阵可以很容易地从std :: vector构造出来：

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

可以使用相同的方法在这个矩阵中访问一个点Mat :: at：

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

---

内存管理和引用计数

---

Mat是一种保持矩阵/图像特征（行和列号，数据类型等）和指向数据的指针的结构。 所以没有任何东西阻止我们有几个Mat实例对应于相同的数据。 一个Mat保留一个引用计数，告诉数据是否在Mat的特定实例被销毁时被释放。 以下是创建两个矩阵而不复制数据的示例：

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

结果，我们得到了3列32FC1矩阵，而不是1列32FC3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，在这个特定的例子中，开发者必须确保点的寿命比点的长。 如果我们需要复制数据，则使用例如cv :: Mat :: copyTo或cv :: Mat :: clone：

Mat img = imread("image.jpg");
Mat img1 = img.clone();
Mat img2;img.copyTo(img2);

相反，如果C API需要由开发人员创建输出图像，则可以为每个函数提供一个空输出Mat。 每个实现调用目标矩阵的Mat :: create。 如果该方法为空，则该方法为矩阵分配数据。 如果它不是空的并且具有正确的大小和类型，则该方法不做任何事情。 但是，如果大小或类型与输入参数不同，则会释放（并丢失）数据，并分配新数据。 例如：

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

---

原始的操作

---

在矩阵上定义了许多方便的操作符。 例如，下面是我们如何从现有的灰度图像“img”制作黑色图像：

img = Scalar(0);

选择一个感兴趣的区域:

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

从Mat到C API数据结构的转换：

Mat img = imread("image.jpg");
IplImage img1 = img;
CvMat m = img;

注意,这里没有数据复制。

从彩色转换到灰度：

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);

---

可视化图像

---

在开发过程中查看算法的中间结果是非常有用的。 OpenCV提供了一种可视化图像的便捷方式。 一个8U图像可以显示使用：

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

对waitKey（）的调用会启动一个消息传递循环，等待“图像”窗口中的关键笔划。 32F图像需要转换为8U类型。 例如：

#include <opencv2/core.hpp>
#include <opencv2/core/utility.hpp>
#include "opencv2/imgcodecs.hpp"
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
    Mat img = imread("messi5.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();
    return 0;
}