OpenCV(五)—————图像算术操作(C++)

内容:

1.加减乘除

2.利用加减法调整图像的亮度

3.调整图像亮度与对比度

 

1.加减乘除

  • 输入图像的大小与类型必须一致
  • 处理越界

进行加减乘除的运算,以opencv中自带的windows和linux的logo图像进行实例:



#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;


int main(int argc,char** argv)
{
    //  读入图像
    Mat src1 = imread("/home/bei/Downloads/opencv/samples/data/WindowsLogo.jpg");
    Mat src2 = imread("/home/bei/Downloads/opencv/samples/data/LinuxLogo.jpg");
    if(src1.empty()||src2.empty())
    {
        printf("不能找到文件。\n");
        return -1;
    }
    imshow("input1(原图1)",src1);
    imshow("input2(原图2)",src2);

    //  加
    Mat dst;
    add(src1,src2,dst);
    imshow("add-demo(加)",dst);

    //  减
    Mat dst1;
    subtract(src1,src2,dst1);
    imshow("subtract-demo(减)",dst1);

    //  乘
    Mat dst2;
    multiply(src1,src2,dst2);
    imshow("multiply-demo(乘)",dst2);

    //  除
    Mat dst3;
    divide(src1,src2,dst3);
    imshow("divide-demo(除)",dst3);

    waitKey(0);
    destroyAllWindows();
    return 0;
}

输出结果:

                           

2.利用加减法调整图像的亮度

利用一个全黑色空白图像与原图进行叠加。

直接上代码:

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;


int main(int argc,char** argv)
{
    //  读入图像
    Mat src = imread("../cat.jpg");
    imshow("input",src);
    Mat black = Mat::zeros(src.size(),src.type());
    black = Scalar(40,40,40);
    Mat dst1;
    add(src,black,dst1);
    Mat dst2;
    subtract(src,black,dst2);
    imshow("加法增加亮度",dst1);
    imshow("减法降低亮度",dst2);
    waitKey(0);
    destroyAllWindows();
    return 0;
}

运行结果:

                                                      

可以明显看出来加减之后与原图的亮度不同。

3.调整图像亮度与对比度

利用addWeighted这个API来调整。

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;


int main(int argc,char** argv)
{
    //  读入图像
    Mat src = imread("../cat.jpg");
    imshow("input",src);
    Mat black = Mat::zeros(src.size(),src.type());
    black = Scalar(127,127,127);
    Mat dst;
    //  修改对比度:将src的像素值乘以1.5
    //  修改亮度:black的像素值乘以0.2(可为负数)
    //  加上一个值:0.0,得到dst
    addWeighted(src,1.5,black,0.2,0.0,dst);
    imshow("调整对比度度",dst);
    waitKey(0);
    destroyAllWindows();
    return 0;
}

运行结果:

                                                                     

补充一个小内容:

  • 黑色(0,0,0)
  • 白色(255,255,255)
  • 对RGB图像来说,亮度越大值越高

 

  • 对比度反映的是图像细节信息
  • addWeighted函数对权重进行相加
  • 伪装一下透明度

就是将src和black的权重值换成0.5,会得到类似透明的图像:

                                                                         

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Opencv中的分水岭算法(watershed algorithm)是一种自动图像分割算法,常用于分离图像中的前景和背景。下面是使用Opencv中的分水岭算法进行图像分割的步骤: 1. 读入图像并进行预处理,如去噪、灰度化等。 2. 对图像进行二值化处理,得到前景和背景的二值图像。 3. 对二值图像进行距离变换(distance transform),得到每个像素离最近的背景像素的距离。 4. 对距离变换后的图像进行阈值处理,得到图像的分水岭标记(watershed markers)。 5. 对分水岭标记进行修正,确保标记不会重叠或出现空洞。 6. 对分水岭标记应用分水岭算法,得到分割后的图像。 下面是使用Opencv实现分水岭算法的示例代码: ```python import cv2 import numpy as np # 读取图像并进行预处理 img = cv2.imread('input.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU) # 进行距离变换 dist_transform = cv2.distanceTransform(thresh,cv2.DIST_L2,5) ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0) # 获取分水岭标记 sure_fg = np.uint8(sure_fg) unknown = cv2.subtract(thresh,sure_fg) ret, markers = cv2.connectedComponents(sure_fg) markers = markers+1 markers[unknown==255] = 0 # 修正分水岭标记 markers = cv2.watershed(img,markers) img[markers == -1] = [255,0,0] # 显示分割结果 cv2.imshow('result', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码中,我们首先读入一张图像并进行预处理,然后进行距离变换,得到每个像素到最近的背景像素的距离。接着使用阈值处理得到分水岭标记,修正分水岭标记并应用分水岭算法,最后显示分割结果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值