这里总结了一点关于OpenCV3版本的简单操作、供初学者快速入门。过程中会对代码分块逐个讲解,并给出测试结果图
文章目录
一、OpenCV简介
OpenCV,是一个基于开源发行的跨平台计算机视觉库,它实现了图像处理和计算机视觉方面的很多通用的算法,已经成为了计算机视觉领域最有力的研究工具之一。其全称是Open Source Computer Vision Library,直译就是开源计算机视觉库,OpenCV由一系列C函数和C++类构成,轻量且高效,强大的OpenCV除了用C/C++语言进行开发和使用之外,还支持使用C#、Ch、Ruby等编程语言,同时提供了对Python、Ruby、MATLAB等语言的接口,通用性强。本文所用的语言为C++,在eclipse-Mac环境下开发,代码基本兼容Windows系统
二、图像的读入与输出
作为最基本的图像操作,读入和输出这里需要介绍两个非常实用的基本函数imread还有imshow
2.1 imread
//imread的函数原型
Mat imread(const string& filename, int flags = 1);
(1)第一个参数,const string&类型的filepath,填我们需要载入的图片路径名
imread函数支持读取的常用文件类型有:
> Windows位图: *.bmp,*.dib
>JPEG文件: *.jpeg,*jpg,*jpe
>JPEG 2000文件:*.jp2
>PNG图片: *.png
>...
(2)第二个参数,int类型的flags,为载入标识,它指定一个加载图像的颜色类型,自带默认值为1
其备选参数和意义为:
>0 : 将原图准换为灰度图像读取
>1 : 返回一个3通道的彩色图像
>2 : 如果读入的图像深度为16位活着32位,则返回对应深度的图像,否则转换为8位图像再返回
>4 : 读取任意色彩模式的图像,根据原图
ps :flags可以不取以上枚举值,当
flags > 0时,等价于1
flags < 0时,返回包含Alpha通道的加载图像
2.2 imshow
//imshow的函数原型
void imshow(const string& winname,InputArray mat);
(1)第一个参数:const string&类型的winname,需要填写显示的窗口标识名称
(2)第二个参数:InputArray 类型的mat,填写需要显示的图像
2.3 应用举例
#include <opencv2/opencv.hpp>
using namespace cv;
int main(){
Mat g_srcImage1 = imread("/Users/zhuxiaoxiansheng/Desktop/lalaland_1.jpeg",0);
resize(g_srcImage1,g_srcImage1,Size(1000,640)); //设定图像大小
imshow("flags = 0",g_srcImage1); //显示图像
waitKey(); //等待任意键输入
Mat g_srcImage2 = imread("/Users/zhuxiaoxiansheng/Desktop/lalaland_1.jpeg",1);
resize(g_srcImage2,g_srcImage2,Size(1000,640));
imshow("flags = 1",g_srcImage2);
waitKey();
Mat g_srcImage3 = imread("/Users/zhuxiaoxiansheng/Desktop/lalaland_1.jpeg",2);
resize(g_srcImage3,g_srcImage3,Size(1000,640));
imshow("flags = 2",g_srcImage3);
waitKey();
Mat g_srcImage4 = imread("/Users/zhuxiaoxiansheng/Desktop/lalaland_1.jpeg",4);
resize(g_srcImage4,g_srcImage4,Size(1000,640));
imshow("flags = 4",g_srcImage4);
waitKey();
return 0;
}
测试结果
三、图像的基本管理:Mat类
自从OpenCV跨入了2.0时代,Mat类数据结构便成为了图像处理的主打类型,Mat类由两部分组成:矩阵头(包含矩阵尺寸、存储方法、存储地址等信息)和一个指向存储所有像素值的矩阵(根据所选存储方法的不同,矩阵可以是不同的维数)的指针。矩阵头的尺寸是一个常数值,但矩阵本事身的尺寸会依图像的不同而不同,通常比矩阵头的尺寸数大数个数量级。
在解决问题中,传递图像是常有的事,但图像的复制会造成很大的计算开销与空间损失,因此,OpenCV使用了引用计数机制,其思路是让每个Mat对像有自己的信息头,但共享一个矩阵,接下来简单介绍一下Mat类型的创建,和元素访问
3.1 Mat类的创建
这里介绍几种常用的Mat创建方法
(1)使用Mat的构造函数
Mat M(2,2,CV_8UC3,Scalar:all(0));
cout << M << endl;
上式中CV_8UC3是指使用8位的unsigned char型,每个像素由三个元素组成三通道
Scalar是一个short型向量,能用指定的定制化值来初始化矩阵,上式的输出为
[ 0, 0, 0, 0, 0, 0;
0, 0, 0, 0, 0, 0]
(2)采用Matlab的初始化方式
Mat E = Mat::eye(4,4,CV_64F);
cout << "E = " << endl << E << endl << endl;
Mat O = Mat::ones(2,2,CV_32F);
cout << "O = " << endl << O << endl << endl;
Mat Z = Mat::zeros(3,3,CV_8UC1);
cout << "Z = " << endl << Z << endl << endl;
上式的输出为:
E =
[1, 0, 0, 0;
0, 1, 0, 0;
0, 0, 1, 0;
0, 0, 0, 1]
O =
[1, 1;
1, 1]
Z =
[0, 0, 0;
0, 0, 0;
0, 0, 0]
3.2 Mat类的元素值访问
这一部分可以简单的用一个swich代表来表述,示例如下:
switch(img.channels()) //根据图像的通道数作出不同的选择
{
case 1:
{for(int i=0;i<img.rows;i++)
{
for(int j=0;j<img.cols;j++)
{
img.at<uchar>(i,j)=0; //访问单通道元素
}
}
break;
}
case 3:
{
for(int i=0;i<img.rows;i++)
{
for(int j=0;j<img.cols;j++)
{
img.at<Vec3b>(i,j)[0]=0; //访问三通道元素
img.at<Vec3b>(i,j)[1]=0;
img.at<Vec3b>(i,j)[2]=0;
}
}
break;
}
}
3.3 应用举例
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main(){
Mat A(2,2,CV_8UC3),B,C; //定义A矩阵,设定其结构为2X2,3通道颜色,并声明B,C
randu(A,0,255); //给A随机赋值
B = A; //引用
A.copyTo(C); //复制
cout << "A = " << endl << A << endl;
cout << "B = " << endl << B << endl;
cout << "C = " << endl << C << endl <<endl;
A.at<Vec3b>(1,1)[0] = 0; //改变A的(1,1)元素三个通道的值
A.at<Vec3b>(1,1)[1] = 0;
A.at<Vec3b>(1,1)[2] = 0;
cout << "A = " << endl << A << endl;
cout << "B = " << endl << B << endl;
cout << "C = " << endl << C << endl;
return 0;
}
显示结果
A =
[ 91, 2, 79, 179, 52, 205;
236, 8, 181, 239, 26, 248]
B =
[ 91, 2, 79, 179, 52, 205;
236, 8, 181, 239, 26, 248]
C =
[ 91, 2, 79, 179, 52, 205;
236, 8, 181, 239, 26, 248]
A =
[ 91, 2, 79, 179, 52, 205;
236, 8, 181, 0, 0, 0]
B =
[ 91, 2, 79, 179, 52, 205;
236, 8, 181, 0, 0, 0]
C =
[ 91, 2, 79, 179, 52, 205;
236, 8, 181, 239, 26, 248]
四、图像的色彩缩减
我们知道,若矩阵元素存储的是单通道像素,使用C或C++的无符号字符类型,那么像素可能有256个不同的值。但若是三通道图像,这种存储格式的颜色会达到一千六百多万种,用如此之多的颜色来进行处理,可能会对算法性能造成严重影响。
其实仅用这些颜色中最具有代表性的很小的部分,就足以达到相同的效果,颜色空间缩减的做法是:将现有的颜色空间值除以某个输入值,以获得较少的颜色数。比如,颜色0~9可以取值为0,10~19可以取值为10,依次类推,依据这种思想,我们可以实现如下代码
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
void colorReduce(Mat& inputImage,Mat& outputImage,int div);
int main(){
Mat srcImage = imread("/Users/zhuxiaoxiansheng/Desktop/lalaland_1.jpeg");
resize(srcImage,srcImage,Size(1000*1.5,640*1.5));
Mat dstImage;
dstImage.create(srcImage.rows,srcImage.cols,srcImage.type());
colorReduce(srcImage,dstImage,32);
imshow("效果图",dstImage);
waitKey(0);
return 0;
}
void colorReduce(Mat& inputImage,Mat&outputImage,int div){
outputImage = inputImage.clone();
Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>();
Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>();
for(;it != itend;++it){
(*it)[0] = (*it)[0]/div*div + div/2;
(*it)[1] = (*it)[1]/div*div + div/2;
(*it)[2] = (*it)[2]/div*div + div/2;
}
}
效果图
五、两张图片的线形融合
两张图片的线形融合,在OpenCV里有一个非常实用的函数,接下来,先简单介绍一下这个函数
//addWeighted的函数原型
void addWeighted(InputArray src1,double alpha,InputArray
Src2,double beta,double gamma,OutputArray dst,int dtype = -1);
>第一个参数,表示第一个需要加权的图像M
>第二个参数,表示第一个数组的权重
>第三个参数,表示第二个需要加权的图像,两个图像的大小与通道数必须相等
>第四个参数,表示第二个图像的权重
>第五个参数,一个加到总和上的标量值,影响合成图片的亮度
>第六个参数,输出图像
>第七个参数,输出图像的深度,默认-1,即和第一个输入图像相同
接下来在要做的演示中,我们用到的两张图如下
![这里写图片描述]
演示代码为
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>
using namespace cv;
#define WINDOW_NAME "【线性混合示例】"
const int g_nMaxAlphaValue = 100;
int g_nAlphaValueSlider;
double g_dAlphaValue;
double g_dBetaValue;
Mat g_srcImage1;
Mat g_srcImage2;
Mat g_dstImage;
void on_Trackbar(int ,void*){
g_dAlphaValue = (double) g_nAlphaValueSlider/g_nMaxAlphaValue;
g_dBetaValue = 1 - g_dAlphaValue;
addWeighted(g_srcImage1,g_dAlphaValue,g_srcImage2,g_dBetaValue,0.0,g_dstImage);
imshow(WINDOW_NAME, g_dstImage);
}
int main(int argc,char *argv[]){
g_srcImage1 = imread("/Users/zhuxiaoxiansheng/Desktop/lalaland_1.jpeg");
g_srcImage2 = imread("/Users/zhuxiaoxiansheng/Desktop/lalaland_2.jpg");
resize(g_srcImage1,g_srcImage1,Size(1000*1.5,640*1.5));
resize(g_srcImage2,g_srcImage2,Size(1000*1.5,640*1.5));
if(!g_srcImage1.data){
printf("读取第一幅图片错误,请确定目录下是否有imread函数指定图片存在!\n");
return -1;
}
if(!g_srcImage2.data){
printf("读取第二幅图片错误,请确定目录下是否有imread函数指定图片存在!\n");
return -1;
}
g_nAlphaValueSlider = 70;
namedWindow(WINDOW_NAME,1);
char TrackbarName[50];
sprintf(TrackbarName,"透明值 %d",g_nMaxAlphaValue);
createTrackbar(TrackbarName,WINDOW_NAME,&g_nAlphaValueSlider,g_nMaxAlphaValue,on_Trackbar);
on_Trackbar(g_nAlphaValueSlider,0);
waitKey(0);
return 0;
}
效果图:
六、更多资源下载
微信搜索“老和山算法指南”获取更多下载链接与技术交流群
有问题可以私信博主,点赞关注的一般都会回复,一起努力,谢谢支持。