Opencv图像识别从零到精通（5）-----Mat_ROI、颜色转换、多图显示、保存输出

        

        其实在看到Mat类的时候，感觉总是怎么那么多功能，没办法就是那么头疼，不过功能多，那么用法也就多，相对的会在图像处理中有很大的重要，所以后面不知不觉中就会回去看看他，这里用ROI来进步说一下Mat,看看实例的应用，这样更舒服一些。

         然后再说一下颜色转化，因为在图像中，我们会看到彩色图像和灰度图像，他们有处理的共同的方法，也有自己的方法，每种类型都有自己的特征，所以在他们之间的转化是很重要的，这里用彩色和灰度转化，其他的看函数定义也是一样的，注意opencv的彩色是BGR不是RGB，这里在下一节的图像遍历中会用实例来说明。

        最后是显示图像的升级，可以在一个窗口显示多张图片并保存输出，和工程代码、结果图像

一、Mat_ROI

Mat(int _rows, int _cols, int _type, constScalar& _s);

这个构造函数。

IplImage*是C语言操作OpenCV的数据结构，在当时C操纵OpenCV的时候，地位等同于Mat，OpenCV为其提供了一个接口，很方便的直接将IplImage转化为Mat，即使用构造函数

Mat(const IplImage* img, boolcopyData=false);

上面程序中的第二种方法就是使用的这个构造函数。

关于Mat数据复制：前面说过Mat包括头和数据指针，当使用Mat的构造函数初始化的时候，会将头和数据指针复制（注意：只是指针复制，指针指向的地址不会复制），若要将数据也复制，则必须使用copyTo或clone函数

再来一张图更好的理解

                                       

二、cvtcolor

         

      CV_EXPORTS_W void cvtColor( InputArray src, OutputArray dst, int code, int dstCn=0 ); 

          第一个参数是输入图像，第二个是输出图像，第三个是颜色空间转换的标识符，第四个是参数为目标图像的通道

         下面是颜色空间种类，很多

 COLOR_BGR2BGRA    =0,
    COLOR_RGB2RGBA    =COLOR_BGR2BGRA,
    COLOR_BGRA2BGR    =1,
    COLOR_RGBA2RGB    =COLOR_BGRA2BGR,
    COLOR_BGR2RGBA    =2,
    COLOR_RGB2BGRA    =COLOR_BGR2RGBA,
    COLOR_RGBA2BGR    =3,
    COLOR_BGRA2RGB    =COLOR_RGBA2BGR,
    COLOR_BGR2RGB     =4,
    COLOR_RGB2BGR     =COLOR_BGR2RGB,
    COLOR_BGRA2RGBA   =5,
    COLOR_RGBA2BGRA   =COLOR_BGRA2RGBA,
    COLOR_BGR2GRAY    =6,
    COLOR_RGB2GRAY    =7,
    COLOR_GRAY2BGR    =8,
    COLOR_GRAY2RGB    =COLOR_GRAY2BGR,
    COLOR_GRAY2BGRA   =9,
    COLOR_GRAY2RGBA   =COLOR_GRAY2BGRA,
    COLOR_BGRA2GRAY   =10,
    COLOR_RGBA2GRAY   =11,
    COLOR_BGR2BGR565  =12,
    COLOR_RGB2BGR565  =13,
    COLOR_BGR5652BGR  =14,
    COLOR_BGR5652RGB  =15,
    COLOR_BGRA2BGR565 =16,
    COLOR_RGBA2BGR565 =17,
    COLOR_BGR5652BGRA =18,
    COLOR_BGR5652RGBA =19,

三、多图显示和保存

         CV_EXPORTS_W bool imwrite( const string& filename, InputArray img,
              const vector<int>& params=vector<int>());

           第一个参数是文件名，第二个参数mat类型的图像数据，第三个暗示表示特定格式保存的参数编码

                          

四、工程代码和结果展示

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

using namespace cv;
using namespace std;

void showManyImages( const std::vector<cv::Mat> &srcImages)  
{  
    int nNumImages = srcImages.size();  
    cv::Size nSizeWindows;  

        nSizeWindows = cv::Size(2,2);

    int nShowImageSize  = 200;  
    int nSplitLineSize  = 15;  
    int nAroundLineSize = 50;  
    const int imagesHeight = nShowImageSize * nSizeWindows.width+   
        nAroundLineSize + (nSizeWindows.width - 1) *  
        nSplitLineSize;  
    const int imagesWidth = nShowImageSize*nSizeWindows.height +   
        nAroundLineSize + (nSizeWindows.height - 1) *   
        nSplitLineSize;  
    std::cout << imagesWidth << " " << imagesHeight << std::endl;  
    cv::Mat showWindowImages(imagesWidth, imagesHeight,   
         CV_8UC3,cv::Scalar(0,0,0));  
    int posX = (showWindowImages.cols-(nShowImageSize*  
        nSizeWindows.width+(nSizeWindows.width-1)*  
        nSplitLineSize))/2;  
    int posY = (showWindowImages.rows-(nShowImageSize*  
        nSizeWindows.height+(nSizeWindows.height-1)*  
        nSplitLineSize))/2;  
    std::cout << posX << " " << posY  << std::endl;  
    int tempPosX = posX;  
    int tempPosY = posY;  
    for(int i=0; i < nNumImages; i++)  
    {  
         
        if(( i % nSizeWindows.width == 0) && ( tempPosX != posX ))  
        {  
            tempPosX = posX;  
            tempPosY  += (nSplitLineSize + nShowImageSize);  
        }  
        cv::Mat tempImage = showWindowImages(cv::Rect(tempPosX,   
               tempPosY , nShowImageSize, nShowImageSize));  
        resize(srcImages[i], tempImage,  
               cv::Size( nShowImageSize ,   nShowImageSize));  
        tempPosX += (nSplitLineSize + nShowImageSize);  
    }  
    cv::imshow("showWindowImages", showWindowImages);  
}  

int main( )
{

	Mat image_lena;
	image_lena=imread("lena.jpg",CV_LOAD_IMAGE_COLOR); 
	namedWindow("原图",CV_WINDOW_AUTOSIZE);  
	imshow("原图",image_lena);
	//这段可以选择不看
	  if (image_lena.empty()) {  // error handling
     
		std::cout << "Error reading image..." << std::endl;
		return 0;
	}
	  //显示出来看一下图像的大小，这样后面就好设置ROI的大小
	  //如果看了上一篇的image watch 它可以自动告诉你就不用写下面的话了
	  std::cout << "This image is " << image_lena.rows << " x " 
			  << image_lena.cols << std::endl;
	//显示图像左上角1/4
	Mat imagelenaROI = image_lena(Rect(0,0,image_lena.cols/2,image_lena.rows/2));  
	namedWindow("ROI图");
	imshow("ROI图",imagelenaROI);

	 Mat graylena_image;  
    cvtColor( imagelenaROI, graylena_image, CV_BGR2GRAY );  
	//保存
	imwrite("ROI灰度图片.jpg",graylena_image);
	imwrite("ROI图.jpg",imagelenaROI);
  std::vector<cv::Mat> srcImages(3);  
    srcImages[0] = cv::imread("lena.jpg");  
    srcImages[1] = cv::imread("ROI图.jpg");  
    srcImages[2] = cv::imread("ROI灰度图片.jpg");  
     showManyImages(srcImages);  

	waitKey();

	return 0;
}

结果图像：

                          

                                                                                                                                  

                                         
五、辅助Matlab

 

matlab中的图像格式转化也是类似的，提供了很多的函数

%数据类型
im2uint8()%将图像转化成uint8类型
im2uint16()%将图像转化成uint16类型
Im2double()%将图像转化成double类型

gray2ind()%灰度图转索引图
im2bw()%图像阈值转二值图
rgb2gray()%彩色转灰度
[I,MAP]=rgb2gray()%其中X是图像的数据，MAP是颜色表

写入函数的定义：

imwrite(A,FILENAME,FMT);

• FILENAME参数指定文件名
• FMT参数指定保存所采用的格式

对于matlab中查看数据，比较方便，一个是数据会显示，另外可以用whos I(I=imread('lena.jpg')),还可以用imfinfo()函数读取图像文件中的某些属性信息，比如修改日期、大小、格式、高度、宽度、色深、颜色空间、存储方式等

                          

                                                       

图像识别算法交流 QQ群：145076161，欢迎图像识别与图像算法，共同学习与交流