OpenCV3学习笔记core组件进阶

目录

由于最近学OpenCV，需要做个笔记，方便下次复习使用。本文分为以下几个部分：

• 颜色空间衰减
• ROI区域叠加&图像混合
• 分离颜色通道、多通道图像混合

---

对于多通道图像来说，矩阵中的列会包含多个子列，其子列个数与通道数相等。如下图所示：

可以看到，OpenCV中子列的通道顺序是反过来的——BGR而不是RGB。很多情况下，因为内存足够大，可以实现连续存储，因此，图像中的各行就能一行一行地连接起来，形成一个长行。连续存储有助于提升图像扫描速度，我们可以使用isContinuous()来判断矩阵是否是连续存储的。

---

颜色空间衰减

若矩阵元素存储的是单通道像素，使用uchar类型，那么就可以存储256个不同值。但若是三通道，那么存储格式的颜色就有一千六百多万总，这可能会对算法性能造成严重影响。

使用颜色空间缩减，可以大大降低复杂度，具体做法是：将现有颜色空间值除以某个输入值，已获得较少的颜色数。比如颜色值0到9可以取值为0，10到19可以取值为10这样。

访问图像中像素三种方法

• 指针访问
• 迭代器iterator
• 动态地址计算

使用指针访问像素

#include <opencv2/core.hpp>
using namespace std;
using namespace cv;
void colorReduce(Mat& inputImage, Mat& outputImage, int div);
int main()
{
	Mat img = imread("F:\\11\\xiaohuangren.jpeg");
	imshow("原始图像", img);
	Mat dstImage;
	dstImage.create(img.rows, img.cols, img.type());
	//[1]记录起始时间
	double time0 = static_cast<double>(getTickCount());
	//[2]调用颜色缩减函数
	colorReduce(img, dstImage, 32);
	time0 = ((double)getTickCount() - time0) / getTickFrequency();
	cout << "运行时间" << time0 << "秒" << endl;
	imshow("改变后的图像", dstImage);
	waitKey(0);
}
void colorReduce(Mat& inputImage, Mat& outputImage, int div) {
	outputImage = inputImage.clone();	//复制实参到临时变量
	int rowNumber = outputImage.rows;
	int colNumber = outputImage.cols * outputImage.channels();
	//列数x通道数 = 每一行元素的个数。
	for (int i = 0; i < rowNumber; i++) {
		uchar* data = outputImage.ptr<uchar>(i);
		for (int j = 0; j < colNumber; j++) {
			data[j] = data[j] / div * div + div / 2;
			//*data++ = *data/div*div + div/2;
		}
	}
}

这里div=32，也就是说颜色数256/32=8种颜色。也可以使用8，等等；

运行结果

---

使用迭代器操作像素

这种方法与STL库的用法类似，使用迭代器的操作访问。

void colorReduce(Mat& inputImage, Mat& outputImage, int div) {
	outputImage = inputImage.clone();	//复制实参到临时变量
	Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>();	//vertor，3维像素
	Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>();
	for (; it != itend; it++) {
		(*it)[0] = (*it)[0] / div * div + div / 2;	//访问像素中的通道一，也就是第一种颜色B
		(*it)[1] = (*it)[1] / div * div + div / 2;	
		(*it)[2] = (*it)[2] / div * div + div / 2;
	}
}

---

动态地址计算

void colorReduce(Mat& inputImage, Mat& outputImage, int div) {
	outputImage = inputImage.clone();	//复制实参到临时变量
	int rowNumber = outputImage.rows;
	int colNumber = outputImage.cols;
	for (int i = 0; i < rowNumber; i++) {
		for (int j = 0; j < colNumber; j++) {
			outputImage.at<Vec3b>(i, j)[0] = outputImage.at<Vec3b>(i, j)[0] / div * div + div / 2;
			outputImage.at<Vec3b>(i, j)[1] = outputImage.at<Vec3b>(i, j)[1] / div * div + div / 2;
			outputImage.at<Vec3b>(i, j)[2] = outputImage.at<Vec3b>(i, j)[2] / div * div + div / 2;
		}
	}
}

使用成员函数at，必须知道图像的数据类型；对于彩色图像，每个像素由三个部分组成：BGR，因此，对于一个包含彩色图像的Mat，会返回一个由三个8位数组成的向量。opencv将此类型的向量定义成Vec3b，即由三个unsigned char组成的向量。

---

ROI区域叠加&图像混合

在图像处理中，我们常常需要设置感兴趣的区域（ROI），来专注或者简化工作过程。也就是从图像中选取一个图像区域，这个区域是图像分析所关注的重点。我们圈定这个区域，以便进一步处理。

感兴趣区域

Mat srcImage = imread("F:\\11\\xiaohuangren.jpeg");
Mat rect, range;	
rect = srcImage(Rect(0, 0, 300, 300));
range = srcImage(Range(0, 300), Range(0, 300));
imshow("修改图像", srcImage);
imshow("Rect", rect);
imshow("Range", range);

运行结果如下：

左上是使用了Rect的构造方法，左下是使用了Range的构造方法。

---

线性混合操作

线性混合操作是一个典型的二元（两个输入）的像素操作，它们的理论公式如下

g(x) = (1-a)f(x) + ag(x) a是参数,f(x)，g(x)表示函数

我们通过在范围0到1改变alpha值，来对两幅图像或视频产生画面重叠效果。

实现方面，主要使用opencv中的addWeighted函数。

实现如下：

int main()
{
	Mat srcImage1 = imread("F:\\11\\xiaohuangren.jpeg");
	//imshow("原始图像", img);
	Mat srcImage2 = imread("F:\\11\\xiaohuangren2.jpg");
	Mat dstImage;
	addWeighted(srcImage1, 0.5, srcImage2, 0.5, 0.0, dstImage, 0);
	imshow("修改图像", dstImage);
	waitKey(0);
}

运行结果

我们可以将两种方法结合起来使用。这里就不给出对应的代码了。

---

分离颜色通道、多通道图像混合

通道分离

spilt函数可以将一个多通道组分离成几个单通道数组。

• void split(const Mat&src,Mat&mvbegin);
• void split(InputArray m,OutputArrayOfArrays mv)
• 第一个参数,InputArray类型的m或Mat类型的引用对象。
• 第二个参数是填函数输出数组或者输出的vertor容器

对应代码

int main()
{
	Mat srcImage = imread("F:\\11\\xiaohuangren.jpeg");
	Mat channel1, channel2, channel3;
	vector<Mat> channel;
	split(srcImage, channel);
	//这里，将srcImage中的每一通道值输出到vertor容器，而vertor容器是一个Mat类型的，也就是
	//该容器类型的第0个元素就是B，第1个元素是G，第2个元素是R
	channel1 = channel.at(0);	//表示取出srcImage中的蓝色分量
	channel2 = channel.at(1);
	channel3 = channel.at(2);
	imshow("B", channel1);
	imshow("G", channel2);
	imshow("R", channel3);
	waitKey(0);
}

运行结果如下

---

通道合并

merge()函数是spilt()函数的逆向操作——将多个数组合并成一个多通道的数组。通过组合一些给定的单通道数组，将这些孤立的单通道数组合成一个多通道的数组，从而创建出一个由多个单通道阵列组成的多通道阵列。

• void merge(const Mat& mv，size_tcount，OutputArray dst)
• void merge(InputArrayOfArrays mv，OutputArray dst)
• 第一个参数，填入需要合并的输入矩阵或vertor阵列。
• 第二个参数，count，当mv为一个空白的C数组时，代码输入矩阵的个数，参数需要大于1
• 第三个参数，输出矩阵，并且通道的数量是矩阵阵列中的通道的总数

在spilt的基础上，使用merge，可以恢复原图

Mat dstImage;
merge(channel, dstImage);
imshow("原图", dstImage);

运行结果

---

总结

由于刚学OpenCV，因此可能会存在一些知识性的错误，希望大家不要见怪。另外，下一篇将是有关

• 对比度、亮度
• 离散傅里叶变换