文章目录

一、图像与视频IO模块

1.imshow函数、imread函数、imwrite函数
2.色彩空间转换函数- cvtColor
3.创建图像
4.图像创建于赋值
5.图像像素的读写操作
6.保存图片像素值到.xls文件中
7.像素算术操作
8.LUT（Look Up Table）的使用
9. 像素操作之逻辑操作
10.通道分离与合并
11.色彩空间
12.像素点统计
13.像素归一化
14.视频的读取和写入（后续补充）
15.图像翻转
16.图像插值（暂时跳过）

一、图像与视频IO模块

1.imshow函数、imread函数、imwrite函数

常用读取图片操作

Mat src = imread("C:\\Users\\Lenovo\\Desktop\\OpenCV4代码集\\titan.jpg");
   if (src.empty()) {
   	printf("could not load image...\n");
   	return -1;
   }
   namedWindow("input", CV_WINDOW_AUTOSIZE);
   imshow("input", src);

2.色彩空间转换函数- cvtColor

COLOR_BGR2GRAY = 6 彩色到灰度
COLOR_GRAY2BGR = 8 灰度到彩色
COLOR_BGR2HSV = 40 BGR到HSV
COLOR_HSV2BGR = 54 HSV到 BGR
数字没有什么含义，是枚举类型

3.创建图像

// 创建方法 - 克隆
Mat m1 = src.clone();

// 复制
Mat m2;
src.copyTo(m2);

// 赋值法
Mat m3 = src;

// 创建空白图像
Mat m4 = Mat::zeros(src.size(), src.type());
Mat m5 = Mat::zeros(Size(512, 512), CV_8UC3);
Mat m6 = Mat::ones(Size(512, 512), CV_8UC3);

//像素点描述，9个像素3*3的图像
Mat kernel = (Mat_<char>(3, 3) 
  << 0, -1, 0,
	-1, 5, -1,
	 0, -1, 0);

4.图像创建于赋值

在这里插入图片描述

5.图像像素的读写操作

这里只介绍两种，直接读取以及指针读取

// 直接读取图像像素
int height = src.rows;
int width = src.cols;
int ch = src.channels();//通道数
for (int c = 0; c < ch; c++) {
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			if (ch == 3) {
				Vec3b bgr = src.at<Vec3b>(row, col);
				bgr[0] = 255 - bgr[0];
				bgr[1] = 255 - bgr[1];
				bgr[2] = 255 - bgr[2];
				src.at<Vec3b>(row, col) = bgr;
			}
			else if (ch == 1) {
				int gray = src.at<uchar>(row, col);
				src.at<uchar>(row, col) = 255 - gray;
			}
		}
	}
}
imshow("output", src);

// 指针读取
Mat result = Mat::zeros(src.size(), src.type());
int blue = 0, green = 0, red = 0;
int gray;
for (int c = 0; c < ch; c++) {
	for (int row = 0; row < height; row++) {
		uchar* curr_row = src.ptr<uchar>(row);
		uchar* result_row = result.ptr<uchar>(row);
		for (int col = 0; col < width; col++) {
			if (ch == 3) {
				blue = *curr_row++;
				green = *curr_row++;
				red = *curr_row++;

				*result_row++ = blue;
				*result_row++ = green;
				*result_row++ = red;
			}
			else if (ch == 1) {
				gray = *curr_row++;
				*result_row++ = gray;
			}
		}
	}
}

6.保存图片像素值到.xls文件中

将.xls改成.txt亦可输出到文本文件中

#include <opencv2\opencv.hpp>
#include <fstream>

using namespace cv;
using namespace std;
void main()
{
	Mat M = imread("C:\\Users\\Lenovo\\Desktop\\OpenCV4代码集\\eg.jpg");

	ofstream Fs("C:\\Users\\Lenovo\\Desktop\\test.xls");
	if (!Fs.is_open())
	{
		cout << "error!" << endl;
		return;
	}

	int height = M.rows;
	int width = M.cols;
	for (int i = 0; i < height; i++)
	{
		for (int j = 0; j < width; j++)
		{
			Fs << (int)M.ptr<uchar>(i)[j] << '\t';
		}
		Fs << endl;
	}
	Fs.close();
}

7.像素算术操作

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>

using namespace cv;
using namespace std;

int main(int artc, char** argv) {
	Mat src1 = imread("H:\\图像处理\\Image Gallery\\data\\LinuxLogo.jpg");
	Mat src2 = imread("H:\\图像处理\\Image Gallery\\data\\WindowsLogo.jpg");
	if (src1.empty() || src2.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input", CV_WINDOW_AUTOSIZE);
	imshow("input1", src1);
	imshow("input2", src2);
	int height = src1.rows;
	int width = src1.cols;

	int b1 = 0, g1 = 0, r1 = 0;
	int b2 = 0, g2 = 0, r2 = 0;
	int b = 0, g = 0, r = 0;
	Mat result = Mat::zeros(src1.size(), src1.type());
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			b1 = src1.at<Vec3b>(row, col)[0];
			g1 = src1.at<Vec3b>(row, col)[1];
			r1 = src1.at<Vec3b>(row, col)[2];

			b2 = src2.at<Vec3b>(row, col)[0];
			g2 = src2.at<Vec3b>(row, col)[1];
			r2 = src2.at<Vec3b>(row, col)[2];

			result.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(b1 + b2);
			result.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(g1 + g2);
			result.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(r1 + r2);
		}
	}
	imshow("output", result);

	Mat add_result = Mat::zeros(src1.size(), src1.type());
	add(src1, src2, add_result);
	imshow("add_result", add_result);

	Mat sub_result = Mat::zeros(src1.size(), src1.type());
	subtract(src1, src2, sub_result);
	imshow("sub_result", sub_result);

	Mat mul_result = Mat::zeros(src1.size(), src1.type());
	multiply(src1, src2, mul_result);
	imshow("mul_result", mul_result);

	Mat div_result = Mat::zeros(src1.size(), src1.type());
	divide(src1, src2, div_result);
	imshow("div_result", div_result);

	waitKey(0);
	return 0;
}

8.LUT（Look Up Table）的使用

具体原理可以参见这篇文章，LUT的使用是将加减乘除运算转化为赋值运算，大大地提高了算法的效率。
在这里插入图片描述

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>

using namespace cv;
using namespace std;

void customColorMap(Mat& image);

int main(int argc, const char* argv[])
{
	Mat src = imread("C:\\Users\\Lenovo\\Desktop\\OpenCV4代码集\\eg.jpg");
	if (src.empty())
	{
		printf("could not load image...\n");
		return -1;
	}

	Mat gray, dst;
	// 使用LUT

	applyColorMap(src, dst, COLORMAP_SUMMER);
	// 显示结果

	imshow("colorMap", dst);

	cvtColor(src, gray, COLOR_BGR2GRAY);
	imshow("gray", gray);
	customColorMap(gray);

	waitKey(0);
	return 0;
}

void customColorMap(Mat& image) {
	int lut[256];
	for (int i = 0; i < 256; i++) {
		if (i < 127)
			lut[i] = 0;
		else
			lut[i] = 255;
	}

	int h = image.rows;
	int w = image.cols;
	for (int row = 0; row < h; row++) {
		for (int col = 0; col < w; col++) {
			int pv = image.at<uchar>(row, col);
			image.at<uchar>(row, col) = lut[pv];
		}
	}
	imshow("lut demo", image);
}

9. 像素操作之逻辑操作

bitwise_and
bitwise_xor
bitwise_or
上面三个类似，都是针对两张图像的位操作
bitwise_not
针对输入图像, 图像取反操作，二值图像分析中经常用

注：若两幅图像的同一个通道都不为零时，与操作取较大值。

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, const char* argv[])
{
	// create image one
	Mat src1 = Mat::zeros(Size(400, 400), CV_8UC3);
	Rect rect(100, 100, 100, 100);
	src1(rect) = Scalar(0, 0, 255);
	imshow("input1", src1);
	printf("create first image...\n");

	// create image two
	Mat src2 = Mat::zeros(Size(400, 400), CV_8UC3);
	rect.x = 150;
	rect.y = 150;
	src2(rect) = Scalar(0, 0, 255);
	imshow("input2", src2);
	printf("create second image...\n");

	// 逻辑操作
	Mat dst1, dst2, dst3;
	bitwise_and(src1, src2, dst1);
	bitwise_xor(src1, src2, dst2);
	bitwise_or(src1, src2, dst3);

	// show results
	imshow("dst1", dst1);
	imshow("dst2", dst2);
	imshow("dst3", dst3);

	Mat src = imread("C:\\Users\\Lenovo\\Desktop\\OpenCV4代码集\\eg.jpg");
	namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);
	// 取反操作
	Mat dst;
	bitwise_not(src, dst);
	imshow("dst", dst);

	waitKey(0);
	return 0;
}

10.通道分离与合并

split // 通道分类
merge // 通道合并

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, const char* argv[])
{
	Mat src = imread("C:\\Users\\Lenovo\\Desktop\\OpenCV4代码集\\eg.jpg");
	if (src.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);

	vector<Mat> mv;
	Mat dst1, dst2, dst3;

	// 蓝色通道为零
	split(src, mv);
	mv[0] = Scalar(0);
	merge(mv, dst1);
	imshow("output1", dst1);

	// 绿色通道为零
	split(src, mv);
	mv[1] = Scalar(0);
	merge(mv, dst2);
	imshow("output2", dst2);

	// 红色通道为零
	split(src, mv);
	mv[2] = Scalar(0);
	merge(mv, dst3);
	imshow("output3", dst3);

	waitKey(0);
	return 0;
}

11.色彩空间

RGB是一个加色空间，通过红，绿和蓝色值的线性组合获得颜色。三个通道通过撞击表面的光量相关联。

HSV色彩空间有以下三个组成部分
1、H - 色调（主波长），只使用一个通道描述颜色，使得颜色描述比较直观。
2、S - 饱和度（纯度/颜色的阴影）。
3、V值（强度）。

YUV
YCrCb

YCrCb颜色空间是从RGB颜色空间导出的，并具有以下三个组件。
1、Y - 伽马校正后从RGB获得的亮度或亮度(Luma )分量。
2、Cr = R - Y（的红色成分距离Luma有多远）。
3、Cb = B - Y（蓝色分量距离Luma的有多远）。
此颜色空间具有以下属性。
1、将亮度和色度分量分离成不同的通道。
2、主要用于电视传输的压缩（Cr和Cb组件）。
3、设备依赖。

// RGB to HSV
Mat hsv;
cvtColor(src, hsv, COLOR_BGR2HSV);
imshow("hsv", hsv);

// RGB to YUV
Mat yuv;
cvtColor(src, yuv, COLOR_BGR2YUV);
imshow("yuv", yuv);

// RGB to YUV
Mat ycrcb;
cvtColor(src, ycrcb, COLOR_BGR2YCrCb);
imshow("ycrcb", ycrcb);

12.像素点统计

double minVal; double maxVal; Point minLoc; Point maxLoc;
minMaxLoc(src, &minVal, &maxVal, &minLoc, &maxLoc, Mat());
printf("min: %.2f, max: %.2f \n", minVal, maxVal);
printf("min loc: (%d, %d) \n", minLoc.x, minLoc.y);
printf("max loc: (%d, %d)\n", maxLoc.x, maxLoc.y);

// 彩色图像 三通道的 均值与方差
src = imread("C:\\Users\\Lenovo\\Desktop\\OpenCV4代码集\\eg.jpg");
Mat means, stddev;
meanStdDev(src, means, stddev);
printf("blue channel->> mean: %.2f, stddev: %.2f\n", means.at<double>(0, 0), stddev.at<double>(0, 0));
printf("green channel->> mean: %.2f, stddev: %.2f\n", means.at<double>(1, 0), stddev.at<double>(1, 0));
printf("red channel->> mean: %.2f, stddev: %.2f\n", means.at<double>(2, 0), stddev.at<double>(2, 0));

13.像素归一化

在以下两种情况中，往往需要用到归一化：

1、对数据的范围有所限制，如要求训练数据在0-1之间；
2、数据分布稳定，不存在偏离中心的极大值或极小值时，可以使用归一化。

OpenCV中提供了四种归一化的方法

NORM_MINMAX
NORM_INF
NORM_L1
NORM_L2
最常用的就是NORM_MINMAX归一化方法。

相关API函数：
normalize(
InputArray src, // 输入图像
InputOutputArray dst, // 输出图像
double alpha = 1, // NORM_MINMAX时候低值
double beta = 0, // NORM_MINMAX时候高值
int norm_type = NORM_L2, // 只有alpha
int dtype = -1, // 默认类型与src一致
InputArray mask = noArray() // mask默认值为空
)
在这里插入图片描述

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, const char* argv[])
{
	Mat src = imread("C:\\Users\\Lenovo\\Desktop\\OpenCV4代码集\\eg.jpg");
	if (src.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);

	Mat gray, gray_f;
	cvtColor(src, gray, COLOR_BGR2GRAY);

	// 转换为浮点数类型数组
	gray.convertTo(gray, CV_32F);

	// scale and shift by NORM_MINMAX
	Mat dst = Mat::zeros(gray.size(), CV_32FC1);
	normalize(gray, dst, 1.0, 0, NORM_MINMAX);
	Mat result = dst * 255;
	result.convertTo(dst, CV_8UC1);
	imshow("NORM_MINMAX", dst);

	// scale and shift by NORM_INF
	normalize(gray, dst, 1.0, 0, NORM_INF);
	result = dst * 255;
	result.convertTo(dst, CV_8UC1);
	imshow("NORM_INF", dst);

	// scale and shift by NORM_L1
	normalize(gray, dst, 1.0, 0, NORM_L1);
	result = dst * 10000000;
	result.convertTo(dst, CV_8UC1);
	imshow("NORM_L1", dst);

	// scale and shift by NORM_L2
	normalize(gray, dst, 1.0, 0, NORM_L2);
	result = dst * 10000;
	result.convertTo(dst, CV_8UC1);
	imshow("NORM_L2", dst);

	waitKey(0);
	return 0;
}

MinMax和INF归一化后最大值一定有1,所以255就会将所有的数re-scale到0-255，但L1和L2归一化的结果只是在0-1范围内，最大值不一定是1，所以如果255也不一定会把它re-scale到0-255区间，所以我们需要乘以很大的数，这样虽然值超过了255，但由于是字节型数据，最大值只能是255，这里的10000000和10000是根据具体图像的归一化后的scale范围取的，在做实验的时候不一定要这两个值，可以改，但一定要确保re-scale之后所有的值都在0-255区间。

14.视频的读取和写入（后续补充）

15.图像翻转

图像翻转(Image Flip)，图像翻转的本质像素映射，OpenCV支持三种图像翻转方式

X轴翻转，flipcode = 0
Y轴翻转, flipcode = 1
XY轴翻转, flipcode = -1

16.图像插值（暂时跳过）

图像插值(Image Interpolation)

最常见四种插值算法
INTER_NEAREST = 0
INTER_LINEAR = 1
INTER_CUBIC = 2
INTER_LANCZOS4 = 4

相关的应用场景：几何变换、透视变换、插值计算新像素resize
如果size有值，使用size做放缩插值，否则根据fx与fy卷积

参考

附：

Scalar是一个由长度为4的数组作为元素构成的结构体，Scalar最多可以存储四个值，没有提供的值默认是0，它将各个通道的值构成一个整体，赋给具有相同通道数的矩阵元素。

Magician0619

发布了15 篇原创文章 · 获赞 9 · 访问量 6920

私信关注

【OpenCV4硬核学习】一、图像与视频IO模块