我和opencv 1

以前只知道用Scalar给所有的像素赋同样的初值，现在终于知道怎么完整的赋值了：

uchar m[3][3]={{1,2,3},{1,2,3},{1,2,3}};
Mat M(3,3,CV_8UC1,m);
cout<<M<<endl;
uchar a=M.at<uchar>(1);
printf("%d",a);
cout<<a<<endl;

其中CV_8U对应uchar类型，但是用cout输出会出现笑脸。（原因暂时不懂）

程序运行时间的代码：单位为s

double t=(double)getTickCount();
...
t=(getTickCount()-t)/getTickFrequency();

前天老师布置了这样一个任务：选一幅彩色图片将其灰度值介于120——140之间的像素显示红色即（0，0，255）
以下是自己写的代码：

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

using namespace cv;
using namespace std;

int main()
{
    Mat src,dst,gray;
    vector<Mat> Channels;
    Mat BlueChannel,GreenChannel,RedChannel;
    int a=120,b=140;//变化的上下限
    src=imread("lena.jpg",1);
    if (!src.data) {cout<<"src error!!!"<<endl;return -1;}
    //src=src(Rect(100,100,10,10));//RIO 测试
    split(src,Channels);//通道分离
    BlueChannel=Channels.at(0);
    GreenChannel=Channels.at(1);
    RedChannel=Channels.at(2);
    cvtColor(src,gray,COLOR_BGR2GRAY);
    Mat min(gray.size(),gray.type(),Scalar(a));
    Mat max(gray.size(),gray.type(),Scalar(b));
    Mat red=(gray>min)&(gray<max);
    BlueChannel=BlueChannel-red;//有溢出保护，可不用循环
    GreenChannel=GreenChannel-red;
    RedChannel=RedChannel+red;
    merge(Channels,dst);
    //cout<<src<<endl;
    //cout<<RedChannel<<endl;
    //cout<<red<<endl;
    //printf("%d",src.at<uchar>(0));//用cout会出现图标，而不是数字
    imshow("原始图像",src);
    imshow("变化的位置（a,b）",red);
    imshow("变化后图像",dst);
    waitKey(0);
    return 0;
}

随机数产生函数：rand(),用rand()%m可产生一个0-m-1的随机数

int b[9],i;
uchar m[3][3]={{1,2,3},{1,2,3},{1,2,3}};
Mat M(3,3,CV_8UC1,m);
for(i=0;i<9;i++)
    {
        b[i]=(uchar)rand()%10;
        M.at<uchar>(i)=b[i];
        printf("p:%d\t",b[i]);
        cout<<"c:"<<b[i]<<endl;
    }
cout<<b<<endl;
cout<<M<<endl;

此程序产生0-9的随机数，但是输出
cout<<b<<endl;
的时候和循环里的输出不一致，而且每次都不一样，这个问题只能暂时放到这里了。
随机数产生函数可以用来给图像加随机白噪声：（参考大神的博文）

void salt(Mat& image, int n)  
{  
    for(int k=0; k<n; k++)  
    {  
        int i = rand()%image.cols;  
        int j = rand()%image.rows;  

        if(image.channels() == 1)  
        {  
            image.at<uchar>(j,i) = 255;  
        }  
        else  
        {  
            image.at<Vec3b>(j,i)[0] = 255;  
            image.at<Vec3b>(j,i)[1] = 255;  
            image.at<Vec3b>(j,i)[2] = 255;  
        }  
    }  
}  

自写代码：

bool salt(Mat image,int n)
{
    int i,j,k;
    for(k=0;k<n;k++)
    {   
        i=rand()%10;
        j=rand()%10;
        image.at<uchar>(i,j)=255;
        printf("i=%d,j=%d\n",i,j);
    }
    return 1;
}
int main()
{
    Mat M(10,10,CV_8UC1,Scalar(0));
    if(salt(M,10))
    cout<<M<<endl;
    waitKey(0);
    return 0;
}

用小点的数组来模拟可以清楚的看出行列的对应关系。

int main()
{
    int b[100],i;
    for(i=0;i<100;i++)
        b[i]=rand()%255;
    Mat M(10,10,CV_8UC1,b);
    Mat N,L;
    blur(M, N,Size(3, 3)); //均值滤波
    medianBlur(M,L,3);//中值滤波
    if(salt(M,10))
    cout<<M<<endl;
    cout<<N<<endl;
    cout<<L<<endl;
    waitKey(0);
    return 0;
}

以上代码可以很清楚的看出两种滤波对白噪声的去噪效果。（不知为什么我随机产生的数组b出现0的概率很大，所以中值滤波后全为0）

OK,今天就到这里把，明天还要练车。