【opencv/core module】(四)Operations with images

说在前面

• opencv版本：4.0.1
• 操作系统：win10
• vs版本：2017
• 官方文档：Operations with images
• 其他说明：自学，记录，demo

Input&Output

• imread
  读取图像，默认3通道（即BGR）

  Mat img = imread(filename);
  

  读取图像为灰度图

  Mat img = imread(filename, IMREAD_GRAYSCALE);
  

  查找资料貌似不能用这个读取gif
  
  

• imwrite

  imwrite(filename, img);
  

  jpg格式保存为png格式
  

Basic operations with images(图像基操)

• Accessing pixel intensity values(访问像素值)

  要获取像素平均强度值，我们需要知道图像的通道数以及图像的类型。

  首先我们考虑灰度图，其访问方式为：

  Scalar intensity = img.at<uchar>(y, x);
  
  //对于at<>中的取值
  //If matrix is of type CV_8U then use Mat.at<uchar>(y,x). 无符号char型
  //If matrix is of type CV_8S then use Mat.at<schar>(y,x). 有符号char型
  //If matrix is of type CV_16U then use Mat.at<ushort>(y,x). 无符号short型
  //If matrix is of type CV_16S then use Mat.at<short>(y,x).  有符号short型
  //If matrix is of type CV_32S then use Mat.at<int>(y,x).
  //If matrix is of type CV_32F then use Mat.at<float>(y,x).
  //If matrix is of type CV_64F then use Mat.at<double>(y,x).
  
  //若对(y,x)这种访问方式不习惯，opencv还提供了另一种方式
  //Scalar intensity = img.at<uchar>(Point(x, y));
  
  /*对于Scalar
  typedef struct Scalar
  {
  	double val[4];
  }Scalar;
  */
  

  对于为何使用(y，x)可以参考下图，坐标系如下左图，img.at (y, x)的函数原型为Mat::at(row, col)
  
  然后我们考虑多通道的图像

  		Vec3b intensity = img.at<Vec3b>(y, x);
          uchar blue = intensity.val[0];
          uchar green = intensity.val[1];
          uchar red = intensity.val[2];
          
          //对于Vec3b
          //     typedef Vec<uchar, 3> cv::Vec3b
          //其他还有Vec3f,规则类似
          //     typedef Vec<float, 3> cv::Vec3f
  

  同样，我们可以通过这种方式更改其对应的值

  //单通道，这里也可以访问三通道的图像，但是访问的不是（y，x）那个像素
  img.at<uchar>(y, x) = 128;
  
  //三通道，CV_8UC3
  img.at<Vec3b>(y,x)[0] = 128;
  img.at<Vec3b>(y,x)[1] = 128;
  img.at<Vec3b>(y,x)[2] = 128;
  

  最后，opencv提供points array到matric的转换

  std::vector<Point2f> points;
  
  points.push_back(Point2f(0, 1));
  points.push_back(Point2f(1, 1));
  points.push_back(Point2f(2, 1));
  points.push_back(Point2f(5, 1));
  
  Mat pointsMat = Mat(points);
  

  输出结果为：
  

• Memory management and reference counting(内存管理&引用计数)

  由于Mat类维护的是图像/矩阵的信息以及一个指向数据的指针，可能会出现多个Mat的指针指向同一块数据，这样我们就需要考虑这块数据的释放问题（何时释放、被谁释放等）
  

• Primitive operations

  opencv提供了一系列基本的图像处理操作，这里举个栗子。

  Mat img, grey;
  
  //原图
  img = imread("test1.jpg");
  imshow("operations_before", img);
  
  //定义一个矩形（x,y,宽，高）原图的右半部分
  Rect r(img.cols / 2, 0, img.cols / 2, img.rows);
  
  //设置感兴趣区域，用的下面这种方法
  //可以知道smallImg中的数据指针指向的是img对应的数据部分
  //没有发生内存拷贝
  Mat smallImg = img(r);
  
  //这里同理，原图的左半部分
  Rect rC(0, 0, img.cols / 2, img.rows);
  Mat smallImgC = img(rC);
  
  //我们在这里克隆一份左半部分
  Mat src = smallImgC.clone();
  
  //将灰度图保存一下，src、grey指向不同的数据
  cvtColor(src, grey, COLOR_BGR2GRAY);
  
  //然后将src复制到smallImg，也就是原图的右半部分
  src.copyTo(smallImg, grey);
  
  imshow("operations",img);
  

  

• Visualizing images(显示图像)

  • 使用namedWindow(“image”, WINDOW_AUTOSIZE)来创建窗口；
  • WINDOW_AUTOSIZE，窗口大小适合Mat大小，且不可更改
  • WINDOW_FREERATIO，在生成窗口后可以更改窗口大小(就像你调整浏览器窗口大小那样)
  • 注意，这里的Sobel等函数我们暂时先不管

  	Mat img = imread("image.jpg");
      Mat grey;
      cvtColor(img, grey, COLOR_BGR2GRAY);
      Mat sobelx;
      Sobel(grey, sobelx, CV_32F, 1, 0);
      double minVal, maxVal;
      minMaxLoc(sobelx, &minVal, &maxVal); //find minimum and maximum intensities
      Mat draw;
      sobelx.convertTo(draw, CV_8U, 255.0/(maxVal - minVal), 
      						-minVal * 255.0/(maxVal - minVal));
      namedWindow("image", WINDOW_AUTOSIZE);
      imshow("image", draw);
      waitKey();
  

  
  

• 补充(imread PNG格式图片)

  • 我们知道png格式的图片有的地方是透明的，即没有像素，那么读取到Mat中是什么亚子的呢？
  • 我们使用一张png图片进行实验

    Mat img = imread("pikachu.png");
    Vec3b intensity = img.at<Vec3b>(0, 0);
    cout << intensity << endl;
    imshow("png", img);
    

  • 结果如下图，可以看到无像素的位置的intensity为[0,0,0]
    
  • 然后测试其转换成灰度图后无像素的位置的值也是0；
  • 这样我们就知道copyTo()函数中mask的作用了，通过判断mask像素值是否为0来决定是否要将该位置的src像素复制到目标图像上，这样我们就可以只关注png图像中有像素的地方了。

  src.copyTo(smallImg, grey);
  /*
  void cv::Mat::copyTo 
  (
  OutputArray m, 
  InputArray mask 
  )const*/
  

  • 就像这样

  

  • 最后还有一个问题要考虑，像素值为0其实还可以是纯黑色，如果图像原本就有一块纯黑的部分，那么是会当成无像素处理还是黑色来处理呢？（自己先思考下）

---

END-2019.6.27~2019.6.28