1、opencv安装
参考以下文章：
https://blog.csdn.net/m0_71341589/article/details/131563319
2、数字图像的概念和种类
2.1数字图像是什么
数字图像是在计算机上显示和处理的图像，可分为位图（BMP、JPG、GIF）和矢量图（PNG）两种，位图是由图像中每个像素的幅值（灰度、亮度和强度）组成的，我们一般都是在位图上进行处理。
2.2数字图像的分类
根据不同数字图像所包含的信息不同，可分为二值图像、灰度图像、RGB图像和索引图像等。
二值图像：每个像素只有黑、白两种颜色，取0代表黑色，1代表白色。
灰度图像：每个像素取黑色到白色之间的颜色深度，从0到255，共256种取值。
RGB图像：每个像素由红绿蓝三原色组成，每种颜色也是取0到255的颜色深度。
索引图像：当图像颜色种类比较少时，可采用颜色表（16*3的二维数组），选取基准颜色，再查询对应颜色表中的索引（偏移量）。
源自以下文章：
https://blog.csdn.net/qq_37249793/article/details/114027318?
3、opencv读取并显示图像
#include<opencv2/opencv.hpp>
using namespace cv;
int main()
{
Mat img; //定义一个Mat变量存储图像
img = imread("E:\opencv\opencv1\picture\test01.jpg"); //读取图片，图片路径记得改一下
imshow("test", img); //显示图片
waitKey(0); //窗口等待
}
如出现以下报错：
则将路径改为：
E:\\opencv\\opencv1\\picture\\test01.jpg
原因是C++会把一个\默认为转义符号。
4、ROI感兴趣区域
通过Rect rect（）设置一个正方形区域
Rect rect(40, 70, 300, 200);
从图片左上角开始，向右40个像素点，再向下70个像素点
以这个点为矩形的左上角截取一个300×200的矩形
#include<iostream>
#include<opencv2\opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
Mat img = imread("E:\\opencv\\opencv1\\picture\\test01.jpg");
Mat dest;
resize(img, dest, Size(), 0.5, 0.5);
Rect rect(40, 70, 300, 200);
Mat roi = dest(rect);
namedWindow("dest");
namedWindow("roi");
moveWindow("dest", 0, 0);
moveWindow("roi", 250, 0);
imshow("dest", dest);
imshow("roi", roi);
waitKey(0);
return 0;
}
5、cvtcolor
函数cvtcolor()的原型如下：
void cv::cvtColor(InputArray src,OutputArray dst,int code,int dstCn = 0)
cv2.cvtcolor函数是OpenCV中的一个函数，用于将图像从一种颜色空间转换为另一种颜色空间。它可以将图像从BGR颜色空间转换为灰度图像、HSV颜色空间、YCrCb颜色空间等。该函数的语法为cv2.cvtColor(src, code)。其中，src是输入图像，code是转换的颜色空间代码。
以下是RGB图像转化为HSV图像：
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main(int argc, char** argv)
{
Mat imgrgb = imread("E:\\opencv\\opencv1\\picture\\test01.jpg");//读取图片，定义Mat类型，不设置imread的第二个参数默认读入彩色图片
Mat imghsv;//定义目标图像
cvtColor(imgrgb, imghsv, COLOR_BGR2HSV);//将imgrgb转换为HSV图像保存在imghsv中
imshow("HSV", imghsv); //显示图片
waitKey(0); //窗口等待
}
参考链接如下：
https://blog.csdn.net/m0_75161026/article/details/128166262?
https://blog.csdn.net/weixin_44378835/article/details/124841699?
灰度化参考链接如下：
https://blog.csdn.net/qq_36853469/article/details/106416128?
6、resiz图像
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{
Mat img = imread("E:\\opencv\\opencv1\\picture\\test01.jpg", 1);
//缩放
double scale = 0.5;
Size dsize = Size(img.cols * scale, img.rows * scale);
Mat img2 = Mat(dsize, CV_32S);
resize(img, img2, dsize);
imshow("img", img);
imshow("img2", img2);
waitKey(0);
return 0;
//或者来直接的
//Mat img = imread("1.jpg", 1);
//Mat img2;
//resize(img,img2,Size(img.cols*scale,img.rows*scale)); //缩小为1/2
//resize(img, img2, Size(20, 20)); //缩放到任意尺寸，20*20
}
参考链接如下：
https://blog.csdn.net/u012308586/article/details/100734249?
7、访问像素
7.1什么是访问像素
访问像素是在图像处理和计算机视觉应用中非常重要的操作之一。通过访问像素，可以获取图像中每个像素的值，并根据需要进行操作、分析或修改。
下面是一些访问像素的常见用途：
-
图像处理：可以通过访问像素来实施各种图像处理操作，例如滤波、增强对比度、调整亮度、锐化图像等。通过修改像素值，可以改变图像的外观或提取感兴趣的特征。
-
特征提取：通过访问像素，可以计算图像的各种特征，如颜色直方图、纹理特征、边缘检测等。这些特征对于图像分类、对象识别和图像检索等任务非常有用。
-
目标检测与跟踪：在目标检测和跟踪任务中，可以访问图像像素来分析图像中的目标区域。通过检测特定像素值或使用图像分割算法，可以定位感兴趣的目标并跟踪它们的运动。
-
图像分割：通过访问像素并使用聚类或分割算法，可以将图像分割为不同的区域或对象。这对于图像分析、图像编辑和计算机辅助诊断等应用非常有用。
-
图像编码与压缩：在图像编码和压缩算法中，访问像素是必不可少的。通过对像素值进行编码或应用压缩算法，可以减小图像文件的大小并实现高效的存储和传输。
代码如下：
#include <opencv2/opencv.hpp>
int main()
{
// 读取图像
cv::Mat image = cv::imread("image.jpg");
// 检查图像是否成功读取
if (image.empty())
{
std::cout << "无法读取图像文件" << std::endl;
return 1;
}
// 获取图像的宽度和高度
int width = image.cols;
int height = image.rows;
// 访问像素
for (int y = 0; y < height; y++)
{
for (int x = 0; x < width; x++)
{
// 访问像素点 (x, y)
cv::Vec3b pixel = image.at<cv::Vec3b>(y, x);
// 读取或修改像素值
unsigned char blue = pixel[0];
unsigned char green = pixel[1];
unsigned char red = pixel[2];
// 修改像素值示例：将像素点设置为纯蓝色
pixel[0] = 255; // 蓝色通道
pixel[1] = 0; // 绿色通道
pixel[2] = 0; // 红色通道
// 将修改后的像素值写回图像
image.at<cv::Vec3b>(y, x) = pixel;
}
}
// 显示修改后的图像
cv::imshow("Modified Image", image);
cv::waitKey(0);
return 0;
}
在此示例中，我们首先使用cv::imread函数读取图像，然后通过检查image是否为空来确认图像是否成功读取。然后，我们获取图像的宽度和高度，并使用嵌套的for循环遍历所有像素。
通过使用image.atcv::Vec3b(y, x)，我们可以获取像素(x, y)处的像素值。在这个示例中，我们假设图像是三通道的（BGR顺序），因此我们使用cv::Vec3b表示每个像素，其中每个通道的值可以通过pixel[0]、pixel[1]和pixel[2]来访问。
您可以根据需要读取或修改像素值。在这个示例中，我们展示了如何将像素点设置为纯蓝色。
最后，我们使用cv::imshow和cv::waitKey显示修改后的图像，并在按下任意键时退出程序。
7.2通过访问像素处理一张图片实现图像锐化
以下代码并未直接访问像素，因为锐化操作涉及卷积运算，该运算需要对图像的每个像素进行访问和处理。锐化卷积核的每个系数都会影响周围像素的值，从而改变像素的亮度和对比度，以增强图像的边缘和细节。
因此，尽管示例代码中没有直接的像素访问，但卷积运算涉及访问和处理每个像素的值。
#include <opencv2/opencv.hpp>
int main()
{
// 读取图像
cv::Mat image = cv::imread("image.jpg");
// 检查图像是否成功读取
if (image.empty())
{
std::cout << "无法读取图像文件" << std::endl;
return 1;
}
// 创建锐化卷积核
cv::Mat kernel = (cv::Mat_<float>(3, 3) <<
0, -1, 0,
-1, 5, -1,
0, -1, 0);
// 进行卷积操作
cv::Mat sharpened;
cv::filter2D(image, sharpened, -1, kernel);
// 显示原始图像和锐化后的图像
cv::imshow("Original Image", image);
cv::imshow("Sharpened Image", sharpened);
cv::waitKey(0);
return 0;
}
以下是通过访问所有像素以及拉普拉斯滤波器实现的图像锐化：
#include <opencv2/opencv.hpp>
int main()
{
// 读取图像
cv::Mat image = cv::imread("image.jpg");
// 检查图像是否成功读取
if (image.empty())
{
std::cout << "无法读取图像文件" << std::endl;
return 1;
}
// 创建锐化滤波器（拉普拉斯滤波器）
cv::Mat sharpeningFilter = (cv::Mat_<float>(3, 3) <<
0, -1, 0,
-1, 5, -1,
0, -1, 0);
// 创建结果图像
cv::Mat sharpened = cv::Mat::zeros(image.size(), image.type());
// 遍历图像的每个像素
for (int y = 1; y < image.rows - 1; ++y)
{
for (int x = 1; x < image.cols - 1; ++x)
{
cv::Vec3f sum = cv::Vec3f(0, 0, 0);
// 对滤波器区域内的像素进行操作
for (int j = -1; j <= 1; ++j)
{
for (int i = -1; i <= 1; ++i)
{
cv::Vec3b pixel = image.at<cv::Vec3b>(y + j, x + i);
cv::Vec3f value = cv::Vec3f(pixel[0], pixel[1], pixel[2]);
sum += value * sharpeningFilter.at<float>(j + 1, i + 1);
}
}
// 将结果存入结果图像
sharpened.at<cv::Vec3b>(y, x) = cv::Vec3b(
cv::saturate_cast<uchar>(sum[0]),
cv::saturate_cast<uchar>(sum[1]),
cv::saturate_cast<uchar>(sum[2])
);
}
}
// 显示原始图像和锐化后的图像
cv::imshow("Original Image", image);
cv::imshow("Sharpened Image", sharpened);
cv::waitKey(0);
return 0;
}
效果图如下所示：
54
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
