CV_CAST_8U(val)；的意义

图像处理宏定义解析
原创 已于 2022-04-16 13:19:58 修改 · 1.5k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#CV_CAST_8U

于 2016-04-21 17:03:29 首次发布

图像处理开发需求、图像处理接私活挣零花钱，请加微信/QQ 2487872782
图像处理开发资料、图像处理技术交流请加QQ群，群号 271891601

要明白这句话，关键是要找到这句话的定义！

怎么找？方法见我的另一篇博文，链接如下：

https://blog.youkuaiyun.com/wenhao_ir/article/details/51217639

这里我把找到的宏写义写下来！

/* general-purpose saturation macros */
#define  CV_CAST_8U(t)  (uchar)(!((t) & ~255) ? (t) : (t) > 0 ? 255 : 0)
#define  CV_CAST_8S(t)  (schar)(!(((t)+128) & ~255) ? (t) : (t) > 0 ? 127 : -128)
#define  CV_CAST_16U(t) (ushort)(!((t) & ~65535) ? (t) : (t) > 0 ? 65535 : 0)
#define  CV_CAST_16S(t) (short)(!(((t)+32768) & ~65535) ? (t) : (t) > 0 ? 32767 : -32768)
#define  CV_CAST_32S(t) (int)(t)
#define  CV_CAST_64S(t) (int64)(t)
#define  CV_CAST_32F(t) (float)(t)
#define  CV_CAST_64F(t) (double)(t)

从宏定义来看可见 CV_CAST_8U(val);就是把val强制转化为uchar类型，如果val>=255 则val=255 如果val<=0 则val=0;

图像处理开发需求、图像处理接私活挣零花钱，请加微信/QQ 2487872782
图像处理开发资料、图像处理技术交流请加QQ群，群号 271891601

【67】OpenCV C++实战篇——CV_32F 类型的图像转换为 CV_8U 类型的图像，转换后图片颜色、特征错误，解决办法。转换前后要保持视觉上的一致性！
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
08-10 484
本文解决了CV_32F浮点图像转换为CV_8U图像时颜色失真的问题。通过分析发现直接使用convertTo转换会丢失数据比例关系，提出正确方法是在转换时添加比例因子：32F转8U需乘以255.0。实验证明该方法能完美保持图像特征一致性，同时总结了convertTo(用于数据类型转换需比例因子)与cvtColor(用于通道转换)的关键区别。最终方案简洁有效，仅需一行代码即可实现准确转换。
CV_8U CV_32F, and CV_32S
zxjor91的专栏
06-21 2万+
转自：http://stackoverflow.com/questions/8377091/what-are-the-differences-between-cv-8u-and-cv-32f-and-what-should-i-worry-aboutCV_8U is unsigned 8bit/pixel - ie a pixel can have values 0-255, this is the
关于CV_8U和CV_32F
zhangpinghao的专栏
11-07 6433
对8U做模板匹配的cpu版本也比32F版本花时间，这是个问题。 使用8U以后精度也下降了。 pEx使用8u，nEx使用32F的版本，出现问题weighted detection 过多。 NNConf(example),中example和classifier的pEx和nEx都是32F的。 好吧，使用8U的结果不对，这是正常的，cpu版本也是这样，变慢也是正常的cpu版本也变慢了一两倍。但是不
【opencv】Opencv中数据类型CV_8U, CV_16U, CV_16S, CV_32F、CV_64F
weixin_37804469的博客
09-20 5795
CV_8U, CV_16U, CV_16S, CV_32F、CV_64
OpenCV中的图像数据格式CV_8U定义
chen_znn的博客
07-30 3428
CV_8UC3 格式学习记录
Opencv学习----Opencv宏定义(CV_8U、CV_8S、CV_16U...)
frankcreen的专栏
12-24 859
https://blog.youkuaiyun.com/charce_you/article/details/99616021
python实现saturate_cast
06-02
在 Python 中，saturate_cast 类似于 C++ 中的 cv::saturate_cast 函数，用于将数值限制在指定的数据类型范围内。 以下是一个简单的 Python 实现： ```python def saturate_cast(value, dtype): min_val = np....
如果是CV_16U呢？
03-11
用户之前得到了关于不同数据类型的Mat读取方法的详细说明，包括单通道的CV_8U、CV_32F，多通道的CV_8UC3、CV_32FC3，以及CV_16U的简要介绍。现在用户明确询问CV_16U的情况，可能需要更深入的解释。 接下来，我需要...
// 创建16位深度图像的Mat cv::Mat depth_image( msg->height, msg->width, CV_16UC1, const_cast<unsigned char*>(msg->data.data()), msg->step ); // 转换为8位灰度 cv::Mat normalized; depth_image.convertTo(normalized, CV_8UC1, 1.0/256); // 取高8位 // 应用伪彩色 cv::applyColorMap(normalized, display_image, cv::COLORMAP_JET);这么写会丢失精度吗？给出最精准的可视化表示
最新发布
08-09
[^1]: OpenVX是一个低级编程框架领域，使软件开发人员能够高效地访问具有功能和性能可移植性的计算机视觉硬件加速。OpenVX旨在支持现代硬件架构，如移动和嵌入式SoC以及桌面系统。 [^2]: centroid 42: javascript, ...
void NCut::GetPatchFeature(const MatrixXf &points, MatrixXf *features_in) { MatrixXf &features = *features_in; const int num_points = static_cast<int>(points.rows()); const int dim = _patch_size * _patch_size; features.resize(num_points, dim); for (int i = 0; i < num_points; ++i) { // .1 patch int irow = 0; int jcol = 0; _ff_feature_grid.Pos2d(points.coeffRef(i, 0), points.coeffRef(i, 1), &irow, &jcol); cv::Mat patch; cv::Point2f pt(static_cast<float>(irow), static_cast<float>(jcol)); cv::getRectSubPix(_cv_feature_map, cv::Size(_patch_size, _patch_size), pt, patch); // .2 maybe later i will add other features based on patch // .3 add to features assert(dim == patch.rows * patch.cols); int p = 0; for (int r = 0; r < patch.rows; ++r) { for (int c = 0; c < patch.cols; ++c) { float val = patch.at<float>(r, c); features.coeffRef(i, p++) = static_cast<float>( (std::isnan(val) || std::isinf(val)) ? 1.e-50 : val); // features.coeffRef(i, p++) = patch.at<float>(r, c); } } } }
06-10
这段代码是用于计算NCut算法中的图像块的特征向量。给定一个点集points，对于每个点，首先通过_ff_feature_grid将其映射到_feature_map图像上，并取该点为中心的_patch_size * _patch_size大小的矩形区域作为图像块...
``` void drawAxis(Mat& img, Point p, Point q, Scalar colour, const float scale = 0.2) { double angle = atan2((double)p.y - q.y, (double)p.x - q.x); // 角度（弧度） double hypotenuse = sqrt((double)(p.y - q.y) * (p.y - q.y) + (p.x - q.x) * (p.x - q.x)); // 将箭头长度放大scale倍 q.x = (int)(p.x - scale * hypotenuse * cos(angle)); q.y = (int)(p.y - scale * hypotenuse * sin(angle)); line(img, p, q, colour, 1, CV_AA); // 创建箭头箭头钩 p.x = (int)(q.x + 9 * cos(angle + CV_PI / 4)); p.y = (int)(q.y + 9 * sin(angle + CV_PI / 4)); line(img, p, q, colour, 1, CV_AA); p.x = (int)(q.x + 9 * cos(angle - CV_PI / 4)); p.y = (int)(q.y + 9 * sin(angle - CV_PI / 4)); line(img, p, q, colour, 1, CV_AA); } double getOrientation(const vector<Point> &pts, Mat &img){ // 构造PCA分析使用的缓冲区 int sz = static_cast<int>(pts.size()); Mat data_pts = Mat(sz, 2, CV_64F); for (int i = 0; i < data_pts.rows; i++) { data_pts.at<double>(i, 0) = pts[i].x; data_pts.at<double>(i, 1) = pts[i].y; } // 执行PCA分析 PCA pca_analysis(data_pts, Mat(), CV_PCA_DATA_AS_ROW); // 存储对象的中心点 Point cntr = Point(static_cast<int>(pca_analysis.mean.at<double>(0, 0)), static_cast<int>(pca_analysis.mean.at<double>(0, 1))); // 存储特征值和特征向量 vector<Point2d> eigen_vecs(2); vector<double> eigen_val(2); for (int i = 0; i < 2; i++) { eigen_vecs[i] = Point2d(pca_analysis.eigenvectors.at<double>(i, 0), pca_analysis.eigenvectors.at<double>(i, 1)); eigen_val[i] = pca_analysis.eigenvalues.at<double>(i); } // 绘制主成分 circle(img, cntr, 3, Scalar(255, 0, 255), 2); Point p1 = cntr + 0.02 * Point(static_cast<int>(eigen_vecs[0].x * eigen_val[0]), static_cast<int>(eigen_vecs[0].y * eigen_val[0])); Point p2 = cntr - 0.02 * Point(static_cast<int>(eigen_vecs[1].x * eigen_val[1]), static_cast<int>(eigen_vecs[1].y * eigen_val[1])); drawAxis(img, cntr, p1, Scalar(0, 255, 0), 1); drawAxis(img, cntr, p2, Scalar(255, 255, 0), 5); double angle = atan2(eigen_vecs[0].y, eigen_vecs[0].x); // 方向（弧度） return angle; } void pca2() { Mat src = imread("E:\\1306.jpg"); //加载灰度图 Mat gray; cvtColor(src, gray, COLOR_BGR2GRAY);//转换为灰度图 Mat kernel_rect = getStructuringElement(MORPH_RECT, Size(3, 5)); // 3*5的矩形 morphologyEx(gray, gray, MORPH_OPEN, kernel_rect, Point(-1, -1), 2); //开运算2次 Mat bw; threshold(gray, bw, 50, 255, THRESH_BINARY | THRESH_OTSU);// 将图像转换为二值图像 // 查找阈值图像中的所有轮廓 vector<vector<Point> > contours; findContours(bw, contours, RETR_LIST, CHAIN_APPROX_NONE); for (size_t i = 0; i < contours.size(); i++){ double area = contourArea(contours[i]);// 计算每个轮廓的面积 if (area < 1e2 || 1e5 < area) continue;// 忽略过小或过大的轮廓 drawContours(src, contours, static_cast<int>(i), Scalar(0, 255, 0), 2);// 绘制每个轮廓，仅用于可视化 getOrientation(contours[i], src);// 查找每个形状的方向 } imshow("output", src); imwrite("E:\\output.JPG", src); }```详细解释一下代码
03-16
这里需要明确说明特征向量对应的物理意义，以及如何通过atan2函数计算角度。 还需要检查代码中的潜在问题，例如在drawAxis函数中，修改了传入的p和q的坐标，是否会影响其他部分的代码。另外，在PCA分析时，数据点的...
CV_8U与CV_32F等image type的不同
Json111的博客
11-06 1万+
CV_8U是 unsign 的8位/像素-即一个像素的值在0-255区间，这是大多数图像和视频格式的正常范围。 CV_32F是 float -像素是在0-1.0之间的任意值，这对于一些数据集的计算很有用，但是它必须通过将每个像素乘以255来转换成8位来保存或显示。 CV_32S是每个像素的带符号的32位整数值-对像素进行整数数学运算同样有用，但再次需要转换为8位以保存或显示。这很棘手，因为您需...
CV_8U和CV_32F与CV_8UC3和CV_32FC3区别
qq_43422995的博客
01-05 6413
标题 opencv 中常用数据类型的区别以及数据类型的转换 8代表8bit 每一个像素点在内存空间占用8bit S–代表—signed int—有符号整形 U–代表–unsigned int–无符号整形 F–代表–float---------单精度浮点型 同时注意 CV_8U 代表的是单通道图像，数据范围是{0-255} CV_32F代表的图像是单通道图像，数据范围是{0.0 - 1.0} imshow在显示图像时均会映射到{0-255}之间 CV_8U显示的就是0-255但要注意，在显示CV_32F类
python opencv _src.depth() == CV_8U in function ‘cv::Canny‘
T_just_for_tomorrow的博客
03-06 1626
_src.depth() == CV_8U in function 'cv::Canny'
[图像处理]-Opencv中数据类型CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F是什么?
ai_faker的博客
06-24 4万+
1.宏定义 首先来说CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F，都是opencv定义的数据类型。 具体定义如下 #define CV_8S 1 #define CV_16U 2 #define CV_16S 3 #define CV_32S 4 #define CV_32F 5 #define CV_64F 6 #define CV_16F 7 #define CV_8UC1 CV_MAKETYPE(CV_8U,1) #define CV_8UC2 CV_
OpenCv学习笔记(二)--Mat矩阵(图像容器)的创建及CV_8UC1,CV_8UC2等参数详解
热门推荐
maweifei的博客
04-22 6万+
（一）Mat矩阵(图像容器)创建时CV_8UC1,CV_8UC2等参数详解1--Mat不但是一个非常有用的图像容器类,同时也是一个通用的矩阵类 2--创建一个Mat对象的方法很多,我们现在先看一下Mat矩阵/图像容器类在OpenCv中的有关源代码: 3--使用Mat图像容器类创建Mat类的对象 //! default constructor Mat(); //! co
python opencv CV_8UC1与CV_32SC1类型相关错误
u010030977的博客
07-26 2万+
问题描述：在使用Scipy.signal的手动Prewitt边缘检测算子后，因为自定义卷积的元素值没有进行归一化，图像像素超过255，而且变为浮点型。 在做后续基础操作时出现如下错误: error: (-210) [start]FindContours supports only CV_8UC1 images when mode != CV_RETR_FLOODFILL otherwi...
OpenCV CV_8UC3含义
weixin_37747104的博客
10-01 1769
转载自：https://blog.youkuaiyun.com/lay_zy/article/details/78399317?utm_source=copy 预定义类型的结构: CV_&amp;lt;bit_depth&amp;gt;(S|U|F)C&amp;lt;number_of_channels&amp;gt; 其中, (1) bit_depth—比特数—代表8bite\16bite\32bite\64bite eg：8表示你所创建...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

昊虹AI笔记

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值