初学opencv c++学习笔记（四）图像的相关操作及属性

努力码代码的菜鸟

已于 2023-02-09 12:54:46 修改

阅读量883

点赞数 4

文章标签： opencv c++ 图像处理计算机视觉人工智能

于 2023-02-07 20:42:48 首次发布

本文链接：https://blog.csdn.net/m0_75161026/article/details/128414019

版权

内容涉及到图像读取的at()操作，图像的拆分和合并的参数解释和代码，以及一些常用的图像属性的内置函数。

目录

一、图像的读写操作at()函数

二、图像通道的拆分与合并

1.通道拆分

2.通道合并

三、图像的属性

1.列举解释

2.表格汇总

总结

提示：以下是本篇文章正文内容，下面案例可供参考

一、图像的读写操作at()函数

apI：at()

单通道图像：img.at<uchar>(i,j)

表示在第i行，第j列的像素值

多通道图像：img.at<Vec3b>(i,j)[c]

表示在某个通道中第i行，第j列的像素值

<>中为图像元素的类型。uchar为无符号字符型，Vec3b等于vector<uchar,3>,表示一个uchar类型的数组，长度为3。
(i,j)指像素点的位置。
[c]表示通道。RGB图像，由于opencv中按照BGR顺序，所以[0]，[1]，[2]分别表示B，G，R通道。

二、图像通道的拆分与合并

apl:split()

1.通道拆分

官方定义：

void split(InputArray m, OutputArrayOfArrays mv);

参数解释：

（1） m : 输入的多通道图像，对该图像进行通道的拆分。

（2） mv : 存放图像拆分后的三个通道的灰度图像的容器。mv为图像数组，使用vector容器。

代码演示：

#include <opencv2/imgcodecs.hpp>       //imread
#include <opencv2/highgui.hpp>         //imshow  waitKey
 
using namespace std;
using namespace cv;

int main()
{
    vector<Mat> channels;//声明vector,作为分离后三个通道的图像的保存容器
    Mat img = imread("C:/r/bear.jpg");//读取图片

    split(img,channels);//使用split()函数，分离img的B.G.R三个通道
    Mat B = channels.at(0);//下标读取 默认顺序B-G-R
    Mat G = channels.at(1);
    Mat R = channels.at(2);

    imshow("原图", img);//显示原图
    imshow("blue", B);  //显示三通道图像
    imshow("green", G);
    imshow("red", R);
    waitKey(0);
    return 0;
}

分离后的三个通道的图像为灰度图像，表示强度

2.通道合并

apl:merge()

官方定义：

void merge(InputArrayOfArrays mv, OutputArray dst);

参数解释：

（1）mv : 同通道的拆分。为拆分后的多通道的图像数组。

（2）dst : 存放合并后的图像。

代码演示：

#include <opencv2/imgcodecs.hpp>       //imread
#include <opencv2/highgui.hpp>         //imshow  waitKey
 
using namespace std;
using namespace cv;

int main()
{
    vector<Mat> channels;//声明vector,作为分离后三个通道的图像的保存容器
    Mat img = imread("C:/r/bear.jpg");//读取图片

    split(img,channels);//使用split()函数，分离img的B.G.R三个通道

    Mat dst;
    merge( channels,dst);//合并三通道
    imshow("outPutArray", dst);//展示合并后的熊大
    waitKey(0);
    return 0;
}

三、图像的属性

下面进行列举

1.列举解释

src.size() 返回图像尺寸

size中的参数先宽度(width)后高度(height)

src.size().width == src.cols (宽度==列)

src.size().heght == src.rows （高度==行）

src.depth() 返回深度

度量每一个像素每一个通道的精度，位数（bit）(0~6)

数值越大，精度越高

src.channels() 返回通道数
src.elemSize() 返回一个元素所占的字节数

一个元素单通道的字节数 * 通道数

src.elemSize1() 返回一个元素单通道的所占字节数

src.elemSize1()==src.elemSize() / src.channels()

src.total() 返回像素总数
src.step 返回每一行的步长（字节数）每一行所有元素的字节总量

src.step==宽度*通道数

src.step1()

src.step1() == e1()src.step / src.elemSize1()

src.step [0] 一行元素的字节数
src.step [1] 一个元素的字节数
src.step1 (0) 一行元素的通道数
src.step1 (1) 一个元素的通道数
src.isContinuous() 判断src是否在内存上连续

src.isContinuous()?"true":"false"

src.isSubmatrix() 判断src是否为子矩阵
src.type() 元素类型以及矩阵的通道个数

2.表格汇总

apl	返回值
src.size()	图像尺寸
src.depth()	图像深度id
src.channels()	预想通道数
src.elemSize()	一个元素所占字节数
src.elemSize1()	一个元素单通道的所占字节数
src.total()	像素总数
src.step	每一行的步长（字节数）
src.step1()
src.step [0]	一行元素的字节数
src.step [1]	一个元素的字节数
src.step1 (0)	一行元素的通道数
src.step1 (1)	一个元素的通道数
src.isContinuous()	判断src是否在内存上连续
src.isSubmatrix()	判断src是否为子矩阵
src.type()	元素类型以及矩阵的通道个数