OpenCV_用类处理彩色图像

*在算法设计中使用策略模式

策略设计模式的目的就是把算法封装进类。

检测颜色算法思想：abs( 每个像素各个通道的颜色值-相应通道目标值 ) < 设定阈值  即表示该像素被检测到，将测到的颜色设置为黑色

在效果图中，检测图像中偏黑色的部分，并将其设置为黑色

效果：

代码：

#include <iostream>
#include "opencv.hpp"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"


//识别颜色
class ColorDetector
{
private:
	int maxDist;
	cv::Vec3b target;
	cv::Mat result;
public:
	ColorDetector() :maxDist(100), target(0, 0, 0) {}
	~ColorDetector() {}
	void setColorDistanceThreshold(int distance);
	int getColorDistanceThreshod() const;
	void setTargetColor(uchar blue, uchar green, uchar red);
	void setTargetColor(cv::Vec3b color);
	cv::Vec3b getTargetColor() const;
	cv::Mat preocess(const cv::Mat& image);
	int getDistanceToTargetColor(const cv::Vec3b& color) const;
	int getColorDistance(const cv::Vec3b& color1,const cv::Vec3b& color2) const;
};

void ColorDetector::setColorDistanceThreshold(int distance)
{
	if (distance < 0) distance = 0;
	maxDist = distance;
}
int ColorDetector::getColorDistanceThreshod() const
{
	return maxDist;
}
void ColorDetector::setTargetColor(uchar blue, uchar green, uchar red)
{
	target = cv::Vec3b(blue, green, red);
}
void ColorDetector::setTargetColor(cv::Vec3b color)
{
	target = color;
}
cv::Vec3b ColorDetector::getTargetColor() const
{
	return target;
}
cv::Mat ColorDetector::preocess(const cv::Mat& image)
{
	cv::Mat result;
	result.create(image.size(), CV_8U);
	cv::Mat_<cv::Vec3b>::const_iterator it = image.begin<cv::Vec3b>();
	cv::Mat_<cv::Vec3b>::const_iterator itend = image.end<cv::Vec3b>();
	cv::Mat_<uchar>::iterator itout = result.begin<uchar>();
	for (; it != itend; it++, itout++)
	{
		if (getDistanceToTargetColor(*it) <= maxDist)
		{
			*itout = 255;
		}
		else
		{
			*itout = 0;
		}
	}
	return result;
}
int ColorDetector::getColorDistance(const cv::Vec3b& color1, const cv::Vec3b& color2) const
{
	return abs(color1[0] - color2[0]) + abs(color1[1] - color2[1]) + abs(color1[2] - color2[2]);
}
int ColorDetector::getDistanceToTargetColor(const cv::Vec3b& color)const
{
	return getColorDistance(color, target);
}

int main()
{
	ColorDetector cdetect;
	cv::Mat image = cv::imread("puppy.jpg");
	if (image.empty()) return 0;
	cv::imshow("before", image);
	cdetect.setTargetColor(20, 20, 20);//检测图像中比较黑的部分
	cv::imshow("after", cdetect.preocess(image));
	cv::waitKey();
	return 0;
}

OpenCV中也有计算向量的欧几里得范数的函数，因此也可以这样计算距离：

return static_cast<int>(cv::norm<int,3>(cv::Vec3i(color[0]-target[0],color[1]-target[1],color[2]-target[2])));

*用控制器设计模式显现功能模块之间的通信

思想：在一个类中集中对程序进行控制

在开发应用程序时一定要花时间规划一下架构，以方便以后维护和升级，有很多现成的架构模式，对优化架构很有帮助

如：模型-视图-控制器（MVC）架构

MVC架构主要包含三个组件：

模型存放与应用程序相关的信息；

视图相当于用户接口；

控制器是连接视图和模型的模块。

*转换颜色表示法

RGB色彩空间的基础是对叠加型三原色的应用。人类的视觉系统也是基于对三原色的感知，因为视锥细胞的灵敏度位于红绿蓝光谱的周围。

CIE*L*a*b是一种具有感知均匀特性的颜色标识法。（解决两种具有一定差距的颜色可能看起来很接近，另两种具有相同差距的颜色看起来差别很大的问题）

使用OpenCV函数cv::cvtColor可以转换图像的色彩空间

用法：

cv::cvtColor(image,converted,CV_RGB2Lab);

又比如，把彩色图像转换成灰色图像，也可以使用此函数

cv::cvtColor(color,gray,CV_RGB2Gray);

*用色调、饱和度、亮度表示颜色

我们谈论颜色时，使用的是直觉色彩空间(HSV)，包含色调、饱和度、亮度三个概念

使用cv::cvtColor(image,hsv,CV_RGB2HSV)将RGB转换为HSV图像

然后使用cv::split(hsv,channels)分割

channels的三个通道分别为色调、饱和度、亮度

 效果：

代码：

#include <iostream>
#include "opencv.hpp"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"

//HSV分割
int main()
{
	cv::Mat image = cv::imread("puppy.jpg");
	cv::imshow("原图", image);
	cv::Mat hsv;
	cv::cvtColor(image, hsv, CV_RGB2HSV);
	std::vector<cv::Mat> channels;
	cv::split(hsv, channels);
	cv::imshow("亮度", channels[0]);
	cv::imshow("饱和度",channels[1]);
	cv::imshow("色调", channels[2]);
	cv::waitKey();
}