目录
0 提问
-
访问像素值
-
用0初始化矩阵
-
saturate_cast 是做什么用的,以及它为什么有用
1.1 原理
图像处理
-
一般来说,图像处理算子是带有一幅或多幅输入图像、产生一幅输出图像的函数。
-
图像变换可分为以下两种:
-
点算子(像素变换)
-
邻域(基于区域的)算子
-
像素变换
-
在这一类图像处理变换中,仅仅根据输入像素值(有时可加上某些全局信息或参数)计算相应的输出像素值。
-
这类算子包括 亮度和对比度调整 ,以及颜色校正和变换。
亮度和对比度调整
-
两种常用的点过程(即点算子),是用常数对点进行 乘法 和 加法 运算:
-
两个参数 和 一般称作 增益 和 偏置 参数。我们往往用这两个参数来分别控制 对比度 和 亮度 。
-
你可以把 看成源图像像素,把 看成输出图像像素。这样一来,上面的式子就能写得更清楚些:
其中, 和 表示像素位于 第i行 和 第j列 。
为了执行运算 ,我们要访问图像的每一个像素。因为是对RGB图像进行运算,每个像素有三个值(R、G、B),所以我们要分别访问它们。下面是访问像素的代码片段:
for( int y = 0; y < image.rows; y++ ) { for( int x = 0; x < image.cols; x++ ) { for( int c = 0; c < 3; c++ ) { new_image.at<Vec3b>(y,x)[c] = saturate_cast<uchar>( alpha*( image.at<Vec3b>(y,x)[c] ) + beta ); } } }
注意以下两点:
-
为了访问图像的每一个像素,我们使用这一语法: image.at(y,x)[c] 其中, y 是像素所在的行, x 是像素所在的列, c 是R、G、B(0、1、2)之一。
-
因为 的运算结果可能超出像素取值范围,还可能是非整数(如果 是浮点数的话),所以我们要用 saturate_cast 对结果进行转换,以确保它为有效值。
trick:
我们可以不用 for 循环来访问每个像素,而是直接采用下面这个命令:
image.convertTo(new_image, -1, alpha, beta);
这里的 convertTo 将执行我们想做的 ***new_image = a\*image + beta***
。然而,我们想展现访问每一个像素的过程,所以选用了for循环的方式。实际上,这两种方式都能返回同样的结果。
1.2 代码
double alpha; /**< 控制对比度 */ int beta; /**< 控制亮度 */ int main(int argc, char** argv) { /// 读入用户提供的图像 Mat image = imread("C://Users//guoqi//Desktop//ch7//2.jpg"); resize(image, image, Size(800, 400)); Mat new_image = Mat::zeros(image.size(), image.type()); /// 初始化 cout << " Basic Linear Transforms " << endl; cout << "-------------------------" << endl; cout << "* Enter the alpha value [1.0-3.0]: "; cin >> alpha; cout << "* Enter the beta value [0-100]: "; cin >> beta; /// 执行运算 new_image(i,j) = alpha*image(i,j) + beta for (int y = 0; y < image.rows; y++) { for (int x = 0; x < image.cols; x++) { for (int c = 0; c < 3; c++) { new_image.at<Vec3b>(y, x)[c] = saturate_cast<uchar>(alpha*(image.at<Vec3b>(y, x)[c]) + beta); } } } /// 创建窗口 namedWindow("Original Image", 1); namedWindow("New Image", 1); /// 显示图像 imshow("Original Image", image); imshow("New Image", new_image); cv::imwrite("C://Users//guoqi//Desktop//ch7//4.jpg", image); /// 等待用户按键 waitKey(); return 0; }