(18)Air Band OpenCV2.4.13_和OpenCV1的互操作

本文是对OpenCV2.4.13文档的部分翻译，作个人学习之用，并不完整。

Mat是对旧的CvMat和IplImage的替代。

OpenCV2中有许多模块，每个都包含与某种任务相关的数据结构和函数，使用时只需要一个子集即可，所以在引入头文件时只要引入需要的。

所有OpenCV相关的都放入了名空间：cv来避免与其他库的数据结构以及函数冲突。因此，当需要时使用前缀cv::或在include后加一句using namespace cv;。

记住要引入需要的所有模块，如果在Windows，需要使用DLL系统，还要将所有二进制文件加入到路径中去。

将IplImage或CvMat转换为Mat：

Mat I;

IplImage pI=I;

CvMat mI=I;

如果想要使用指针，编译器不能自动断定你想要什么，所以需要显式指定目标，调用他们的operator并用&获得指针：

Mat I;

IplImage* pI=&I.operator IplImage();

CvMat* mI=&I.operator CvMat();

C中最大的问题是需要自己进行内存管理，在OpenCV中引入了一种智能指针，可以在对象不再使用时自动释放。声明就是将Ptr具体化：

Ptr<IplImage> piI=&I.operator IplImage();

从C的数据结构转换到Mat可以通过传递内部的构造器：

Mat K(piL),L;

L=Mat(pI);

#include <stdio.h>
#include <iostream>

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>

using namespace cv;  // 新的C++接口API在这个名空间中
using namespace std;

// comment out the define to use only the latest C++ API
#define DEMO_MIXED_API_USE

int main()
{
    const char* imagename = "lena.jpg";//argc > 1 ? argv[1] : 

#ifdef DEMO_MIXED_API_USE//如果混用了API
    Ptr<IplImage> IplI = cvLoadImage(imagename);      // Ptr<T> 是安全的指针类型
    if(IplI.empty())
    {
        cerr << "Can not load image " <<  imagename << endl;
        return -1;
    }
    Mat I(IplI); // 转换成新的容器，只创建头部，不复制图像
#else
    Mat I = imread(imagename);        // cvLoadImage的代替, MATLAB式函数
    if( I.empty() )                   // 和!I.data一样
    {
        cerr << "Can not load image " <<  imagename << endl;
        return -1;
    }
#endif

    // 因为想要看到图像的亮度分量，将图像转换成YUV颜色空间，输出的图像会自动创建
    Mat I_YUV;
    cvtColor(I, I_YUV, COLOR_BGR2YCrCb);//新的结构没有指针问题，尽管可能用到旧的函数，但最终结果会转换为Mat对象

    vector<Mat> planes;    // 使用STL向量结构来存储多个Mat对象
    split(I_YUV, planes);  // 将图像分割到不同的颜色通道中

#if 1 // 如果想要看到模糊、复杂的处理过程，改为0
    // 扫描Mat，这里使用了OpenCV中三种主要的图像扫描算法：[]操作符、迭代器、单元素访问，将原有格式转换成新的只需要将前面的cv前缀去掉并使用Mat数据结构即可
    // Method 1. 用迭代器处理Y通道
    MatIterator_<uchar> it = planes[0].begin<uchar>(), it_end = planes[0].end<uchar>();
    for(; it != it_end; ++it)
    {
        double v = *it * 1.7 + rand()%21 - 10;
        *it = saturate_cast<uchar>(v*v/255);
    }

    for( int y = 0; y < I_YUV.rows; y++ )
    {
        // Method 2. 使用预存储行指针处理U通道
        uchar* Uptr = planes[1].ptr<uchar>(y);
        for( int x = 0; x < I_YUV.cols; x++ )
        {
            Uptr[x] = saturate_cast<uchar>((Uptr[x]-128)/2 + 128);

            // Method 3. 使用单元素访问处理V通道
            uchar& Vxy = planes[2].at<uchar>(y, x);
            Vxy =        saturate_cast<uchar>((Vxy-128)/2 + 128);
        }
    }

#else//加权平均函数的例子
	//加入了高斯噪音再通过一些公式将通道混合
    Mat noisyI(I.size(), CV_8U);           // 创建一个特定大小和类型的矩阵

    // 用正态分布的随机值（在偏差数附近）填充矩阵
    // 也有randu()来生成均匀分布的随机数
    randn(noisyI, Scalar::all(128), Scalar::all(20));

    // 将noisyI模糊一点，卷积模板矩阵是3x3两个sigma都设为0.5
    GaussianBlur(noisyI, noisyI, Size(3, 3), 0.5, 0.5);

    const double brightness_gain = 0;
    const double contrast_gain = 1.7;

#ifdef DEMO_MIXED_API_USE
    // 为了将新的矩阵传递给函数，对IplImage或CvMat执行:
    // step 1) 转换头部（不复制数据）
    // step 2) 调用函数(tip: 为了传递一个指针，不要忘了加&)

    IplImage cv_planes_0 = planes[0], cv_noise = noisyI;
    cvAddWeighted(&cv_planes_0, contrast_gain, &cv_noise, 1, -128 + brightness_gain, &cv_planes_0);
#else
    addWeighted(planes[0], contrast_gain, noisyI, 1, -128 + brightness_gain, planes[0]);
#endif

    const double color_scale = 0.5;
    // Mat::convertTo() 代替了 cvConvertScale.
    // 其中一个参数必须显示指定输出矩阵的类型，我们将其完好保存在planes[1].type()
    planes[1].convertTo(planes[1], planes[1].type(), color_scale, 128*(1-color_scale));

    // cv::convertScale的替代格式（如果我们知道编译时的数据类型——uchar）
    // 这个表达式不会创建任何临时数组，所以应该会和上述方法一样快
    planes[2] = Mat_<uchar>(planes[2]*color_scale + 128*(1-color_scale));

    // Mat::mul 代替了 cvMul(). 使用简单表达式，没有临时数组创建
    planes[0] = planes[0].mul(planes[0], 1./255);
#endif

	//通道变量也是Mat类型，将Mat转换为IplImage很简单，只需要一个赋值操作符即可
    merge(planes, I_YUV);                // 合并结果
    cvtColor(I_YUV, I, CV_YCrCb2BGR);    // 处理输出的RGB图像


    namedWindow("image with grain", WINDOW_AUTOSIZE);   // 创建图像

#ifdef DEMO_MIXED_API_USE
    // 证明I和IplI真的共享数据（上面的结果）
    // 处理存储在I所以也在IplI
    cvShowImage("image with grain", IplI);
#else
    imshow("image with grain", I); // 新MATLAB形式的函数来显示图像,对于Mat和IplImage都能接受
#endif
    waitKey();

    // Tip: 不需要释放内存
    //      所有内存都会被Vector<>、Mat、Ptr<>析构函数自动释放
    return 0;
}

结果：

第一种处理：

第二种处理：