1. AI技术聚合首页
  2. 技术文章

opencv图片处理

心中带点小风骚 • • 技术文章 • 阅读 136

目录

1 图片处理

1.1 显示图片

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

using namespace cv;

int main(int argc, char *argv[])
{
    Mat image = imread("test.jpeg");
    namedWindow("img");
    imshow("img", image);
    waitKey(0);
}

1.2 旋转图片

旋转图片用的是rotate(InputArray src, OutputArray dst, int rotateCode)方法，opencv提供了以下3种旋转方式。

enum RotateFlags {
    ROTATE_90_CLOCKWISE = 0, //顺时针旋转90度
    ROTATE_180 = 1, //旋转180度
    ROTATE_90_COUNTERCLOCKWISE = 2 //逆时针旋转90度
};

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

using namespace cv;

int main(int argc, char *argv[])
{
    Mat src= imread("test.jpeg");
    Mat dst;
    rotate(src, dst, ROTATE_90_CLOCKWISE); //顺时针旋转90度
    namedWindow("img");
    imshow("img", dst);
    waitKey(0);
}

在这里插入图片描述

1.3 合并图片

把两张图片合并到一张。
思路：创建一个能容纳两张图片的Mat，然后对左右两个区域分别填充像素。

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

using namespace cv;

int main(int argc, char *argv[])
{
    Mat img1 = imread("test1.jpeg");
    Mat img2 = imread("test.jpeg");

    Mat dst;
    dst.create(img1.rows > img2.rows ? img1.rows : img2.rows,
               img1.cols + img2.cols, 
               img1.type());
    Mat r1 = dst(Rect(0, 0, img1.cols, img1.rows));
    img1.copyTo(r1);
    Mat r2 = dst(Rect(img1.cols, 0, img2.cols, img2.rows));
    img2.copyTo(r2);

    namedWindow("img");
    imshow("img", dst);
    waitKey(0);
}

在这里插入图片描述

1.4、Mat类

opencv的Mat类对象可以用来存放图像的像素数据，它有多种储存模式，比较常用的有以下四种。

#define CV_8UC1 CV_MAKETYPE(CV_8U,1)
#define CV_8UC2 CV_MAKETYPE(CV_8U,2)
#define CV_8UC3 CV_MAKETYPE(CV_8U,3)
#define CV_8UC4 CV_MAKETYPE(CV_8U,4)

它们的含义可以根据名字来判别，比如CV_8UC3，代表一个像素由3个8位的uchar储存，我们平时看到的rgb三色图就可以用这种类型来储存。

1.4.1、像素的储存结构

Mat对象的像素数据存放在一个char类型数据上，成员名叫data。
以一张CV_8UC3类型、大小为2 * 2的图像为例，它对应的储存结构可以以下图表示。
在这里插入图片描述
在显示图像时，映射成下图所示。
在这里插入图片描述

1.4.2、访问像素数据

从上一节我们可以看到，像素数据里的红蓝绿数据是以蓝(0)，绿(1)，红(2)的顺序来排列的。比如我们要访问第一行第一列的绿色数据，可以用mat.data[1]来访问，访问第二行第一列的红色数据，可以用mat.data[8]。

下面举例说明opencv修改像素数据的方式。
比如我们要用opencv来画一幅红蓝间条的图片，可以用以下程序来实现。

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

using namespace cv;

int main(int argc, char *argv[])
{
    Mat mat(400, 300, CV_8UC3); 			//创建一张400 * 300的图片
    int pixelSize = mat.elemSize();			//单个像素的大小，本例中大小为3
    int size = mat.rows * mat.cols * pixelSize;	//行*列*像素大小 = 缓存区大小
    for (int i = 0; i < size; i += pixelSize) {
    	/* 每隔十行切换一次颜色 */
        int row = i / (mat.cols * pixelSize);	
        if (row % 20 < 10) {
            /* 画蓝色像素点 */
            mat.data[i] = 255;
            mat.data[i + 1] = 0;
            mat.data[i + 2] = 0;
        } else {
            /* 画红色像素点 */
            mat.data[i] = 0;
            mat.data[i + 1] = 0;
            mat.data[i + 2] = 255;
        }
    }
    namedWindow("mat");
    imshow("mat", mat);
    waitKey(0);
}

opencv中除了用mat.data可以访问像素数据外，还提供了几种访问方式，如下表所示。
mat.step代表一行的大小，即colSum * ps。

编号访问方式特点例子(访问第r行第c列的蓝色)
1mat.data[index]遍历速度和访问速度都是最快的，但使用不便。data[r * mat.step + c + 0]
2mat.ptr(row, col)速度比第一种稍慢，可以通过行号和列号来直接访问。mat.ptr(row, col)[0]
3mat.at(row, col)速度最慢，可以通过行号和列号来直接访问。mat.at(row, col)[0]

以上效率是用opencv3.4测得的，不同版本的效率可能不一样。
测试例程：

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <QDebug>
#include <QElapsedTimer>

using namespace cv;

int main(int argc, char *argv[])
{
//    printMs();
    Mat mat(3000, 4000, CV_8UC3);
    int pixelSize = mat.elemSize();
    QElapsedTimer timer;

    timer.start();
    for (int r = 0; r < mat.rows; ++r) {
        for (int c = 0; c < mat.cols; ++c) {
            int rowStep = r * mat.step;
            int colIndex = c * pixelSize ;
            mat.data[rowStep + colIndex ] = 0;//B
            mat.data[rowStep + colIndex + 1] = 255;//G
            mat.data[rowStep + colIndex + 2] = 0;//R
        }
    }
    qDebug() << QString("%1: %2ms").arg("step").arg(timer.elapsed());

    timer.start();
    for (int r = 0; r < mat.rows; ++r) {
        for (int c = 0; c < mat.cols; ++c) {
            Vec3b *pixel = mat.ptr<Vec3b>(r, c);
            pixel->val[0] = 0;//B
            pixel->val[1] = 255;//G
            pixel->val[2] = 0;//R
        }
    }
    qDebug() << QString("%1: %2ms").arg("ptr").arg(timer.elapsed());

    timer.start();
    for (int r = 0; r < mat.rows; ++r) {
        for (int c = 0; c < mat.cols; ++c) {
            Vec3b &pixel = mat.at<Vec3b>(r, c);
            pixel.val[0] = 0;//B
            pixel.val[1] = 255;//G
            pixel.val[2] = 0;//R
        }
    }
    qDebug() << QString("%1: %2ms").arg("at").arg(timer.elapsed());

    timer.start();
    auto it = mat.begin<Vec3b>(), end = mat.end<Vec3b>();
    for (; it != end; ++it) {
        (*it).val[0] = 0;//B
        (*it).val[1] = 255;//G
        (*it).val[2] = 255;//R
    }
    qDebug() << QString("%1: %2ms").arg("it").arg(timer.elapsed());

    namedWindow("mat");
    imshow("mat", mat);
    waitKey(0);
}

"step: 45ms"
"ptr: 54ms"
"at: 96ms"
"it: 102ms"

1.6、rgb转灰度图

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

using namespace cv;

int main(int argc, char *argv[])
{
    Mat img = imread("test.jpeg");
    Mat gray;
    cvtColor(img , gray, COLOR_BGR2GRAY);
    namedWindow("gray");
    imshow("gray", gray);
    waitKey(0);
}

在这里插入图片描述

1.7、二值化

二值化含义：把灰度大于阀值的用白色显示，小于阀值的像素用黑色显示。
opencv函数threshold(src, dst, thresh, maxval, type);

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

using namespace cv;

int main(int argc, char *argv[])
{
    Mat src = imread("test.jpeg");
    Mat gray;
    Mat bin;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    threshold(gray, bin, 100, 255, THRESH_BINARY);
//    threshold(gray, bin, 100, 255, THRESH_BINARY_INV);

    namedWindow("img");
 	imshow("img", bin);
    waitKey(0);

}

在这里插入图片描述

1.8、对比度和亮度

对比度和亮度利用公式来计算：g(i, j) = a * f(i, j) + b
a代表对比度(1.0 ~ 3.0)，b代表亮度(0 ~ 100)。

void myConvert(Mat &src, Mat &dst, float a, float b) 
{
	dst.create(src.rows, src.cols, src.type);
	for (int r = 0; r < src.rows; ++r) {
		for (int c = 0; c < src.cols; ++c) {
		    for (int i = 0; i < 3; ++i) {
		    	/* saturate_cast<uchar>限制表达式的结果最大为uchar的大小，也就是255 */
				dst.at<Vec3b>(r,, c)[i]  = saturate_cast<uchar>(a * src.at<Vec3b>(r, c)[i] + b);
			}
 		}
	}
}

opencv提供的接口是convertTo。

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

using namespace cv;

int main(int argc, char *argv[])
{
    Mat src = imread("test.jpeg");
    Mat dst;

    src.convertTo(dst, -1, 2.0, 50);    //类型填负数代表与src一致

    namedWindow("img");
    imshow("img", dst);

    waitKey(0);
}

在这里插入图片描述

1.9、图片缩放

1.9.1、resize

opencv为图片缩放提供了resize(src, dst, dsize, fx = 0, fy = 0, interpolation = INTER_LINEAR)函数。

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

using namespace cv;

int main(int argc, char *argv[])
{
    Mat src = imread("test.jpeg");
    Mat dst;

    resize(src, dst, Size(300, 300), 0, 0, INTER_NEAREST);

    namedWindow("src");
    imshow("src", src);

    namedWindow("dst");
    imshow("dst", dst);

    waitKey(0);
}

在这里插入图片描述
resize的最后一个参数interpolation是缩放使用的算法类型，opencv提供了以下几种算法。

enum InterpolationFlags{
    /** nearest neighbor interpolation */
    INTER_NEAREST        = 0,
    /** bilinear interpolation */
    INTER_LINEAR         = 1,
    /** bicubic interpolation */
    INTER_CUBIC          = 2,
    /** resampling using pixel area relation. It may be a preferred method for image decimation, as
    it gives moire'-free results. But when the image is zoomed, it is similar to the INTER_NEAREST
    method. */
    INTER_AREA           = 3,
    /** Lanczos interpolation over 8x8 neighborhood */
    INTER_LANCZOS4       = 4,
    /** Bit exact bilinear interpolation */
    INTER_LINEAR_EXACT = 5,
    /** mask for interpolation codes */
    INTER_MAX            = 7,
    /** flag, fills all of the destination image pixels. If some of them correspond to outliers in the
    source image, they are set to zero */
    WARP_FILL_OUTLIERS   = 8,
    /** flag, inverse transformation

    For example, #linearPolar or #logPolar transforms:
    - flag is __not__ set: \f$dst( \rho , \phi ) = src(x,y)\f$
    - flag is set: \f$dst(x,y) = src( \rho , \phi )\f$
    */
    WARP_INVERSE_MAP     = 16
};

下面对INTER_NEAREST(临近点算法)和INTER_LINEAR(双线性内插值)做介绍。

临近点算法

原理：
在这里插入图片描述

特点：速度最快，会失真，不够平滑。

双线性内插值

原理：用像素点的临近四个点做平均计算。
在这里插入图片描述

特点：速度稍慢一点，平滑效果比临近点算法好，但图像的边界的棱角会被平均而模糊掉。

1.9.2、金字塔缩放

opencv提供了向上重建(拉普拉斯金字塔，放大)的pyrUp()和向下采样(高斯金字塔，缩小)的pyrDown()，可以比较好地还原图像特征，它们无法指定放大的倍数，只能成倍地放大或缩小，比如1616的图片调用pyrUp，就变为6464，而调用pyrDown，就变为4*4。
用法如下：

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

using namespace cv;

int main(int argc, char *argv[])
{
    Mat src = imread("test.jpeg");
    Mat gdst;   //高斯，缩小
    Mat ldst;   //拉普拉斯，放大

    pyrDown(src, gdst);
    pyrUp(src, ldst);

    namedWindow("src");
    imshow("src", src);

    namedWindow("gdst");
    imshow("gdst", gdst);

    namedWindow("ldst");
    imshow("ldst", ldst);

    waitKey(0);
}

在这里插入图片描述

1.10、图片叠加

原理：
dst = src1 * a + src2 * (1 – a) + gamma;
a代表透明度(0 ~ 1.0)，gamma代表增益，用来调整颜色深度。
opencv提供了addWeighted(src1, alpha, src2, beta, gamma, dst, dtype = -1)函数，可以用来叠加图片。

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

using namespace cv;

int main(int argc, char *argv[])
{
    Mat src = imread("test1.jpeg");
    Mat src2 = imread("test.jpeg");
    Mat src1 = src(Rect(0, 0, src2.cols, src2.rows));	//把在图一中截取图二相同大小的部分

    Mat dst;
    float a = 0.5;		//透明度
    addWeighted(src1, a, src2, 1 - a, 1, dst);

    namedWindow("blending");
    imshow("blending", dst);

    waitKey(0);

}

在这里插入图片描述

文章出处登录后可见！

已经登录？立即刷新

共计人评分，平均分

到目前为止还没有投票！成为第一位评论此文章。

赞 (0)
心中带点小风骚的头像心中带点小风骚普通用户
0
上一篇 2023年2月23日 上午9:05
下一篇 2023年2月23日 上午11:44

相关推荐