opencv 1

对mat的认知

Mat是一个容器类，支持C++中一般容器对元素的操作，同时作为一种矩阵数据存储类，由两个数据部分构成：1、矩阵头：包含矩阵尺寸、存储方式、存储地址等信息；2、指向存储所有像素值的矩阵的指针。矩阵头的尺寸是常数，但尺寸本身的尺寸会因图像的不同而不同。
通常创建和传递矩阵时会造成很大开销，在进行较大矩阵复制时，OpenCV引入了计数机制，让每个Mat对象都有自己的信息头，但共享同一个矩阵，者通过让矩阵指针指向同一地址实现，所以拷贝构造函数只复制信息头和矩阵指针，而不复制矩阵，避免了大量的空间时间开销。
然而某些时候你还是会复制矩阵本身，（不只是信息头和矩阵指针），这时可以使用函数clone()和copyTo()函数。

构造Mat矩阵时：

• 使用赋值运算符和拷贝构造函数只复制信息头，改变任何一个矩阵都会影响到其他矩阵。
• 使用函数Clone()和copyTo()来复制一幅图像的矩阵，新创建的矩阵和原矩阵相互独立，改变其中一个矩阵不会影响到其他矩阵。

像素值的存储方法

存储像素值需要指定颜色空间和数据类型。

• 颜色空间是指针对一个给定的颜色，如何组合颜色元素以对其编码。最简单的颜色空间要属灰度级空间， 只处理黑色和白色， 对它们进行组合便可以产生不同程度的灰色。

显示创建mat对象的七种方法

• 使用mat（）构造函数。
• 在C/C++中通过构造函数进行初始化。
• 为已存在的Ipllmage指针创建信息头
• 利用Create（）函数
• 采用Matlab式的初始化方式
• 对小矩阵使用逗号分隔式初始化函数
• 为已存在的对象创建信息头

OpenCV中的格式化输出方法

• OpenCV默认风格
• Python风格
• 逗号分隔风格（Comma separated values，CSV）
• numpy风格
• C语言风格

输出其他常用数据结构

• 定义和输出二维点
• 定义和输出三维点
• 定义和输出基于Mat的std::vector
• 定义和输出std::vector点

基础图像容器Mat类的使用

代码：
#include “opencv2/core/core.hpp”
#include “opencv2/highgui/highgui.hpp”
#include
using namespace std;
using namespace cv;

//-----------------------------【ShowHelpText( )函数】--------------------------------------
// 描述：输出帮助信息
//-------------------------------------------------------------------------------------------------
static void ShowHelpText()
{
//输出欢迎信息和OpenCV版本
printf("\n\n\t\t\t非常感谢购买《OpenCV3编程入门》一书！\n");
printf("\n\n\t\t\t此为本书OpenCV3版的第19个配套示例程序\n");
printf("\n\n\t\t\t 当前使用的OpenCV版本为：" CV_VERSION);
printf("\n\n ----------------------------------------------------------------------------\n");

//输出一些帮助信息
printf("\n\n\n\t欢迎来到【基本图像容器-Mat类】示例程序~\n\n");
printf("\n\n\t程序说明：\n\n\t此示例程序用于演示Mat类的格式化输出功能，输出风格可为：");
printf("\n\n\n\t【1】OpenCV默认风格");
printf("\n\n\t【2】Python风格");
printf("\n\n\t【3】逗号分隔风格");
printf("\n\n\t【4】Numpy风格");
printf("\n\n\t【5】C语言风格\n\n");
printf("\n  --------------------------------------------------------------------------\n");

}

//--------------------------------------【main( )函数】-----------------------------------------
// 描述：控制台应用程序的入口函数，我们的程序从这里开始执行
//-----------------------------------------------------------------------------------------------
int main(int, char**)
{
//改变控制台的前景色和背景色
system(“color 8F”);

//显示帮助文字
ShowHelpText();

Mat I = Mat::eye(4, 4, CV_64F);
I.at<double>(1, 1) = CV_PI;
cout << "\nI = " << I << ";\n" << endl;

Mat r = Mat(10, 3, CV_8UC3);
randu(r, Scalar::all(0), Scalar::all(255));

//此段代码的OpenCV2版为：
//cout << "r (OpenCV默认风格) = " << r << ";" << endl << endl;
//cout << "r (Python风格) = " << format(r,"python") << ";" << endl << endl;
//cout << "r (Numpy风格) = " << format(r,"numpy") << ";" << endl << endl;
//cout << "r (逗号分隔风格) = " << format(r,"csv") << ";" << endl<< endl;
//cout << "r (C语言风格) = " << format(r,"C") << ";" << endl << endl;
//此段代码的OpenCV3版为：
cout << "r (OpenCV默认风格) = " << r << ";" << endl << endl;
cout << "r (Python风格) = " << format(r, Formatter::FMT_PYTHON) << ";" << endl << endl;
cout << "r (Numpy风格) = " << format(r, Formatter::FMT_NUMPY) << ";" << endl << endl;
cout << "r (逗号分隔风格) = " << format(r, Formatter::FMT_CSV) << ";" << endl << endl;
cout << "r (C语言风格) = " << format(r, Formatter::FMT_C) << ";" << endl << endl;


Point2f p(6, 2);
cout << "【2维点】p = " << p << ";\n" << endl;

Point3f p3f(8, 2, 0);
cout << "【3维点】p3f = " << p3f << ";\n" << endl;

vector<float> v;
v.push_back(3);
v.push_back(5);
v.push_back(7);

cout << "【基于Mat的vector】shortvec = " << Mat(v) << ";\n" << endl;

vector<Point2f> points(20);
for (size_t i = 0; i < points.size(); ++i)
	points[i] = Point2f((float)(i * 5), (float)(i % 7));

cout << "【二维点向量】points = " << points << ";";

getchar();//按任意键退出

return 0;

}
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tfPNhaBm-1646189135217)(1.png)]

基本图形绘制

代码
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace cv;

#include <opencv2/imgproc/imgproc.hpp>

#define WINDOW_NAME1 “【绘制图1】” //为窗口标题定义的宏
#define WINDOW_NAME2 “【绘制图2】” //为窗口标题定义的宏
#define WINDOW_NAME3 “【绘制图3】” //为窗口标题定义的宏
#define WINDOW_WIDTH 600//定义窗口大小的宏

// 椭圆
void DrawEllipse(Mat img, double angle)
{
int thickness = 2;
int lineType = 8;

// 
ellipse(
    img,
    Point(WINDOW_WIDTH / 2, WINDOW_WIDTH / 2),
    Size(WINDOW_WIDTH / 4, WINDOW_WIDTH / 16),
    angle,
    0,
    360,
    Scalar(0, 255, 0),
    thickness,
    lineType);

}

// 圆
void DrawFilledCircle(Mat img, Point center)
{
int thickness = -1;
int lineType = 8;

circle(
    img,
    center,
    WINDOW_WIDTH / 32,
    Scalar(0, 0, 255),
    thickness,
    lineType);

}

// 多边形
void DrawPolygon(Mat img)
{
int lineType = 8;

//创建一些点
Point rookPoints[1][20];
rookPoints[0][0] = Point(WINDOW_WIDTH / 4, 7 * WINDOW_WIDTH / 8);
rookPoints[0][1] = Point(3 * WINDOW_WIDTH / 4, 7 * WINDOW_WIDTH / 8);
rookPoints[0][2] = Point(3 * WINDOW_WIDTH / 4, 13 * WINDOW_WIDTH / 16);
rookPoints[0][3] = Point(11 * WINDOW_WIDTH / 16, 13 * WINDOW_WIDTH / 16);
rookPoints[0][4] = Point(19 * WINDOW_WIDTH / 32, 3 * WINDOW_WIDTH / 8);
rookPoints[0][5] = Point(3 * WINDOW_WIDTH / 4, 3 * WINDOW_WIDTH / 8);
rookPoints[0][6] = Point(3 * WINDOW_WIDTH / 4, WINDOW_WIDTH / 8);
rookPoints[0][7] = Point(26 * WINDOW_WIDTH / 40, WINDOW_WIDTH / 8);
rookPoints[0][8] = Point(26 * WINDOW_WIDTH / 40, WINDOW_WIDTH / 4);
rookPoints[0][9] = Point(22 * WINDOW_WIDTH / 40, WINDOW_WIDTH / 4);
rookPoints[0][10] = Point(22 * WINDOW_WIDTH / 40, WINDOW_WIDTH / 8);
rookPoints[0][11] = Point(18 * WINDOW_WIDTH / 40, WINDOW_WIDTH / 8);
rookPoints[0][12] = Point(18 * WINDOW_WIDTH / 40, WINDOW_WIDTH / 4);
rookPoints[0][13] = Point(14 * WINDOW_WIDTH / 40, WINDOW_WIDTH / 4);
rookPoints[0][14] = Point(14 * WINDOW_WIDTH / 40, WINDOW_WIDTH / 8);
rookPoints[0][15] = Point(WINDOW_WIDTH / 4, WINDOW_WIDTH / 8);
rookPoints[0][16] = Point(WINDOW_WIDTH / 4, 3 * WINDOW_WIDTH / 8);
rookPoints[0][17] = Point(13 * WINDOW_WIDTH / 32, 3 * WINDOW_WIDTH / 8);
rookPoints[0][18] = Point(5 * WINDOW_WIDTH / 16, 13 * WINDOW_WIDTH / 16);
rookPoints[0][19] = Point(WINDOW_WIDTH / 4, 13 * WINDOW_WIDTH / 16);

const Point* ppt[1] = { rookPoints[0] };
int npt[] = { 20 };

fillPoly(img,
    ppt,
    npt,
    1,
    Scalar(255, 255, 255),
    lineType);

}

// 线
void DrawLine(Mat img, Point start, Point end)
{
int lineType = 8;
int thickness = 2;
line(img,
start,
end,
Scalar(0, 0, 0),
thickness,
lineType);
}

int main(void)
{

// 创建空白的Mat图像
Mat atomImage = Mat::zeros(WINDOW_WIDTH, WINDOW_WIDTH, CV_8UC3);
Mat rookImage = Mat::zeros(WINDOW_WIDTH, WINDOW_WIDTH, CV_8UC3);

//【1.1】先绘制出椭圆
DrawEllipse(atomImage, 90);
DrawEllipse(atomImage, 0);
DrawEllipse(atomImage, 45);
DrawEllipse(atomImage, -45);

//【1.2】再绘制圆心
DrawFilledCircle(atomImage, Point(WINDOW_WIDTH / 2, WINDOW_WIDTH / 2));

imshow(WINDOW_NAME1, atomImage);
moveWindow( WINDOW_NAME1, 0, 200 );


// ----------------------------<2>绘制组合图-----------------------------
//【2.1】多边形
DrawPolygon(rookImage);

// 【2.2】绘制底部矩形
rectangle(rookImage,
    Point(0, 7 * WINDOW_WIDTH / 8),
    Point(WINDOW_WIDTH, WINDOW_WIDTH),
    Scalar(0, 255, 255),
    -1,
    8);

// 【2.3】绘制底部线段
DrawLine(rookImage, Point(0, 15 * WINDOW_WIDTH / 16), Point(WINDOW_WIDTH, 15 * WINDOW_WIDTH / 16));
DrawLine(rookImage, Point(WINDOW_WIDTH / 4, 7 * WINDOW_WIDTH / 8), Point(WINDOW_WIDTH / 4, WINDOW_WIDTH));
DrawLine(rookImage, Point(WINDOW_WIDTH / 2, 7 * WINDOW_WIDTH / 8), Point(WINDOW_WIDTH / 2, WINDOW_WIDTH));
DrawLine(rookImage, Point(3 * WINDOW_WIDTH / 4, 7 * WINDOW_WIDTH / 8), Point(3 * WINDOW_WIDTH / 4, WINDOW_WIDTH));

// ---------------------------<3>显示绘制出的图像------------------------
imshow(WINDOW_NAME2, rookImage);
moveWindow( WINDOW_NAME2, WINDOW_WIDTH, 200 );

// imshow(WINDOW_NAME3, rookImage + atomImage);

waitKey(0);
return(0);

}
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PUi4OCjZ-1646189135219)(2.png)]

图像在内存之间的存储方式

• 灰度图像

• 多通道：矩阵的类会包含多个子阵：比如RGB[注意opencv中子列的通道顺序是反过来的是BGR而不是RGB]

• 如果内存足够大，可以实现连续存储，因此，图像中的各行就能一行一行的连接起来，形成一个长行。连续存储有助于提升扫描速度，可以用isContinuous()判断是不是连续存储

颜色空间的缩减

• 压缩颜色空间的思路是：对于比较大的图像，我们首先做一个类似的table，里面存储计算好的新的压缩图像可能要取的值，等到需要取值的时候，只要对table进行查找操作就可以了，无需再计算。
• 访问像素的方法有：用指针访问像素元素，用迭代器访问元素与动态地址计算
  简单的颜色空间缩减算法由两步组成：
  （1）遍历图像矩阵的每一个像素。
  （2）对像素应用公式

访问图像中像素的三类方法

• 用指针访问像素

  • 用指针访问像素的方法利用的是C语言中的操作符[]。这种方法最快，但是略有点抽象
    代码：
    #include “opencv2/core/core.hpp”
    #include “opencv2/highgui/highgui.hpp”
    using namespace cv;
    void colorReduce(Mat& inputImage, Mat& outputImage, int div)
    {
    outputImage = inputImage.clone(); //复制实参到临时变量
    int row = outputImage.rows; //行数
    int col = outputImage.cols * outputImage.channels(); //列数×通道数=每一行元素的个数

    //双重循环，遍历所有的像素值
    for (int i = 0; i < row; i++) //行循环
    {
    uchar* data = outputImage.ptr(i); //获取第i+1行的首地址
    for (int j = 0; j < col; j++) //列循环
    {
    data[j] = data[j] / div * div + div / 2;
    }
    }
    }
    void main()
    {
    Mat srcImage = imread(“1.jpg”);
    imshow("【原始图像】", srcImage);

    Mat dstImage;
    dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());

    colorReduce(srcImage, dstImage, 32);

    imshow("【目标图】", dstImage);

    waitKey(0);
    }
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-y24hfAsS-1646189135220)(4.png)]

• 用迭代器操作像素

  • 这种方法与STL库的用法类似，相比用指针直接访问可能出现越界问题，迭代器绝对是非常安全的方法（以下代码以3通道彩色图像为例）
    主代码：
    void colorReduce(Mat& inputImage,Mat& outputImage,int div)
    {
    outputImage = inputImage.clone(); //复制实参到临时变量

    //获取迭代器
    Mat_::iterator it = outputImage.begin(); //初始位置的迭代器
    Mat_::iterator itend = outputImage.end(); //终止位置的迭代器

    //存取彩色图像像素
    for (;it!=itend;++it)
    {
    (*it)[0] = (it)[0]/divdiv +div/2;
    (*it)[1] = (it)[1]/divdiv +div/2;
    (*it)[2] = (it)[2]/divdiv +div/2;
    }
    }
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-q9rhDRFk-1646189135223)(5.png)]

• 动态地址计算

  • 这种方法简洁明了，但是这种方法访问的速度最慢
    主代码：
    void colorReduce(Mat& inputImage,Mat& outputImage,int div)
    {
    outputImage = inputImage.clone(); //复制实参到临时变量
    int row = outputImage.rows; //行数
    int col = outputImage.cols; //列数

  //存取彩色图像像素
  for (int i = 0;i < row; i++) //行循环
  {
  for (int j = 0;j < row;j++)
  {
  outputImage.at(i,j)[0] = outputImage.at(i,j)[0]/divdiv + div/2; //蓝色通道
  outputImage.at(i,j)[1] = outputImage.at(i,j)[1]/divdiv + div/2; //绿色通道
  outputImage.at(i,j)[2] = outputImage.at(i,j)[2]/div*div + div/2; //红色通道
  }
  }
  }
  [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1Y18qk7c-1646189135223)(6.png)]

遍历图像像素的14种方法

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2ATX0qLb-1646189135224)(7.png)]

初级图像混合

代码：
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include

using namespace cv;
using namespace std;

//-----------------------------------【全局函数声明部分】--------------------------------------
// 描述：全局函数声明
//-----------------------------------------------------------------------------------------------
bool ROI_AddImage();
bool LinearBlending();
bool ROI_LinearBlending();
void ShowHelpText();

//-----------------------------------【main( )函数】--------------------------------------------
// 描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main()
{
system(“color 6F”);

ShowHelpText();

if (ROI_AddImage() && LinearBlending() && ROI_LinearBlending())
{
	cout << endl << "\n运行成功，得出了需要的图像";
}

waitKey(0);
return 0;

}

//-----------------------------------【ShowHelpText( )函数】----------------------------------
// 描述：输出一些帮助信息
//----------------------------------------------------------------------------------------------
void ShowHelpText()
{
//输出欢迎信息和OpenCV版本
printf("\n\n\t\t\t非常感谢购买《OpenCV3编程入门》一书！\n");
printf("\n\n\t\t\t此为本书OpenCV3版的第25个配套示例程序\n");
printf("\n\n\t\t\t 当前使用的OpenCV版本为：" CV_VERSION);
printf("\n\n ----------------------------------------------------------------------------\n");
}

//----------------------------------【ROI_AddImage( )函数】----------------------------------
// 函数名：ROI_AddImage（）
// 描述：利用感兴趣区域ROI实现图像叠加
//----------------------------------------------------------------------------------------------
bool ROI_AddImage()
{

// 【1】读入图像
Mat srcImage1 = imread("dota_pa.jpg");
Mat logoImage = imread("dota_logo.jpg");
if (!srcImage1.data) { printf("读取srcImage1错误~！ \n"); return false; }
if (!logoImage.data) { printf("读取logoImage错误~！ \n"); return false; }

// 【2】定义一个Mat类型并给其设定ROI区域
Mat imageROI = srcImage1(Rect(200, 250, logoImage.cols, logoImage.rows));

// 【3】加载掩模（必须是灰度图）
Mat mask = imread("dota_logo.jpg", 0);

//【4】将掩膜拷贝到ROI
logoImage.copyTo(imageROI, mask);

// 【5】显示结果
namedWindow("<1>利用ROI实现图像叠加示例窗口");
imshow("<1>利用ROI实现图像叠加示例窗口", srcImage1);

return true;

}

//---------------------------------【LinearBlending（）函数】-------------------------------------
// 函数名：LinearBlending（）
// 描述：利用cv::addWeighted（）函数实现图像线性混合
//--------------------------------------------------------------------------------------------
bool LinearBlending()
{
//【0】定义一些局部变量
double alphaValue = 0.5;
double betaValue;
Mat srcImage2, srcImage3, dstImage;

// 【1】读取图像 ( 两幅图片需为同样的类型和尺寸 )
srcImage2 = imread("mogu.jpg");
srcImage3 = imread("rain.jpg");

if (!srcImage2.data) { printf("读取srcImage2错误！ \n"); return false; }
if (!srcImage3.data) { printf("读取srcImage3错误！ \n"); return false; }

// 【2】进行图像混合加权操作
betaValue = (1.0 - alphaValue);
addWeighted(srcImage2, alphaValue, srcImage3, betaValue, 0.0, dstImage);

// 【3】显示原图窗口
imshow("<2>线性混合示例窗口【原图】", srcImage2);
imshow("<3>线性混合示例窗口【效果图】", dstImage);

return true;

}

//---------------------------------【ROI_LinearBlending（）】-------------------------------------
// 函数名：ROI_LinearBlending（）
// 描述：线性混合实现函数,指定区域线性图像混合.利用cv::addWeighted（）函数结合定义
// 感兴趣区域ROI，实现自定义区域的线性混合
//--------------------------------------------------------------------------------------------
bool ROI_LinearBlending()
{

//【1】读取图像
Mat srcImage4 = imread("dota_pa.jpg", 1);
Mat logoImage = imread("dota_logo.jpg");

if (!srcImage4.data) { printf("读取srcImage4错误~！ \n"); return false; }
if (!logoImage.data) { printf("读取logoImage错误~！ \n"); return false; }

//【2】定义一个Mat类型并给其设定ROI区域
Mat imageROI;
//方法一
imageROI = srcImage4(Rect(200, 250, logoImage.cols, logoImage.rows));
//方法二
//imageROI= srcImage4(Range(250,250+logoImage.rows),Range(200,200+logoImage.cols));

//【3】将logo加到原图上
addWeighted(imageROI, 0.5, logoImage, 0.3, 0., imageROI);

//【4】显示结果
imshow("<4>区域线性图像混合示例窗口", srcImage4);

return true;

}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pyp60D8q-1646189135224)(8.png)]

多通道图像混合

代码：
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include

using namespace cv;
using namespace std;

bool MultiChannelBlending()
{
//【0】定义相关变量
Mat srcImage;
Mat logoImage;
vector channels;
Mat imageBlueChannel;

// 【1】读入图片
logoImage= imread("dota_logo.jpg",0);
srcImage= imread("dota_jugg.jpg");

if( !logoImage.data ) { printf("Oh，no，读取logoImage错误~！ \n"); return false; }
if( !srcImage.data ) { printf("Oh，no，读取srcImage错误~！ \n"); return false; }

//【2】把一个3通道图像转换成3个单通道图像
split(srcImage, channels);//分离色彩通道

//【3】将原图的蓝色通道引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
imageBlueChannel = channels.at(0);
//【4】将原图的蓝色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageBlueChannel中
addWeighted(
            imageBlueChannel(Rect(500, 250, logoImage.cols, logoImage.rows)),
            1.0,
            logoImage,
            0.5,
            0,
            imageBlueChannel(Rect(500, 250, logoImage.cols, logoImage.rows)));

//【5】将三个单通道重新合并成一个三通道
merge(channels, srcImage);

//【6】显示效果图
namedWindow(" <1>游戏原画+logo蓝色通道");
imshow(" <1>游戏原画+logo蓝色通道",srcImage);



//【0】定义相关变量
Mat  imageGreenChannel;

//【1】重新读入图片
logoImage= imread("dota_logo.jpg",0);
srcImage= imread("dota_jugg.jpg");

if( !logoImage.data ) { printf("读取logoImage错误~！ \n"); return false; }
if( !srcImage.data ) { printf("读取srcImage错误~！ \n"); return false; }

//【2】将一个三通道图像转换成三个单通道图像
split(srcImage,channels);//分离色彩通道

//【3】将原图的绿色通道的引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
imageGreenChannel= channels.at(1);
//【4】将原图的绿色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageGreenChannel中
addWeighted(imageGreenChannel(Rect(500,250,logoImage.cols,logoImage.rows)),1.0,
    logoImage,0.5,0.,imageGreenChannel(Rect(500,250,logoImage.cols,logoImage.rows)));

//【5】将三个独立的单通道重新合并成一个三通道
merge(channels,srcImage);

//【6】显示效果图
namedWindow("<2>游戏原画+logo绿色通道");
imshow("<2>游戏原画+logo绿色通道",srcImage);



//【0】定义相关变量
Mat  imageRedChannel;

//【1】重新读入图片
logoImage= imread("dota_logo.jpg",0);
srcImage= imread("dota_jugg.jpg");

if( !logoImage.data ) { printf("Oh，no，读取logoImage错误~！ \n"); return false; }
if( !srcImage.data ) { printf("Oh，no，读取srcImage错误~！ \n"); return false; }

//【2】将一个三通道图像转换成三个单通道图像
split(srcImage,channels);//分离色彩通道

//【3】将原图的红色通道引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
imageRedChannel= channels.at(2);
//【4】将原图的红色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageRedChannel中
addWeighted(imageRedChannel(Rect(500,250,logoImage.cols,logoImage.rows)),1.0,
    logoImage,0.5,0.,imageRedChannel(Rect(500,250,logoImage.cols,logoImage.rows)));

//【5】将三个独立的单通道重新合并成一个三通道
merge(channels,srcImage);

//【6】显示效果图
namedWindow("<3>游戏原画+logo红色通道 ");
imshow("<3>游戏原画+logo红色通道 ",srcImage);

return true;

}

int main( )
{

if(MultiChannelBlending( ))
{
    cout<<endl<<"\n运行成功，得出了需要的图像~! ";
}

waitKey(0);
return 0;

}
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0ESVGrUG-1646189135224)(9.png)]

图像对比度、亮值调整

代码：
#include <opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include"opencv2/imgproc/imgproc.hpp"
#include

using namespace cv;

static void ContrastAndBright(int, void*);

int g_nContrastValue; //对比度值
int g_nBrightValue; //亮度值
Mat g_srcImage, g_dstImage;
//-----------------------------------【main( )函数】--------------------------------------------
// 描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main()
{
//改变控制台前景色和背景色
system(“color5F”);

//读入用户提供的图像
g_srcImage = imread("1.jpg");
if (!g_srcImage.data) { printf("读取图片失败！\n"); return false; }
g_dstImage = Mat::zeros(g_srcImage.size(), g_srcImage.type());

//设定对比度和亮度的初值
g_nContrastValue = 80;
g_nBrightValue = 80;

//创建窗口
namedWindow("结果", 1);

//创建轨迹条
createTrackbar("对比度：", "结果", &g_nContrastValue, 300, ContrastAndBright);
createTrackbar("亮   度：", "结果", &g_nBrightValue, 200, ContrastAndBright);

//调用回调函数
ContrastAndBright(g_nContrastValue, 0);
ContrastAndBright(g_nBrightValue, 0);

//按下“q”键时，程序退出
while (char(waitKey(1)) != 'q') {}
return 0;

}

//-----------------------------【ContrastAndBright( )函数】------------------------------------
// 描述：改变图像对比度和亮度值的回调函数
//-----------------------------------------------------------------------------------------------
static void ContrastAndBright(int, void*)
{

//创建窗口
namedWindow("原图", 1);

//三个for循环，执行运算 g_dstImage(i,j) =a*g_srcImage(i,j) + b
for (int y = 0; y < g_srcImage.rows; y++)
{
    for (int x = 0; x < g_srcImage.cols; x++)
    {
        for (int c = 0; c < 3; c++)
        {
            g_dstImage.at<Vec3b>(y, x)[c] = saturate_cast<uchar>((g_nContrastValue * 0.01) * (g_srcImage.at<Vec3b>(y, x)[c]) + g_nBrightValue);
        }
    }
}

//显示图像
imshow("原图", g_srcImage);
imshow("结果", g_dstImage);

}
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-foz906i7-1646189135225)(10.png)]

离散傅里叶变换

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include
using namespace std;
using namespace cv;

int main()
{
//读入原始图像
Mat srcImage = imread(“1.jpg”, 0);
imshow(“srcImage”, srcImage);

/****将图像扩大到合适尺寸********/
int m = getOptimalDFTSize(srcImage.rows);
int n = getOptimalDFTSize(srcImage.cols);
Mat padded;
copyMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n - srcImage.cols, BORDER_CONSTANT,
    Scalar::all(0));

/******为傅里叶变换的结果（实部和虚部)分配存储空间******/
Mat planes[] = { Mat_<float>(padded),Mat::zeros(padded.size(),CV_32F) };
Mat complexI;
merge(planes, 2, complexI);

/********进行傅里叶变换*********/
dft(complexI, complexI);

/*********将复数转化为幅值***********/
split(complexI, planes);
magnitude(planes[0], planes[1], planes[0]);
Mat magnitudeImage = planes[0];

/**********进行对数尺度**********/
magnitudeImage += Scalar::all(1);
log(magnitudeImage, magnitudeImage);

/*******剪切和重分布幅度图象限 ******/
magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols & -2, magnitudeImage.rows & -2));
int cx = magnitudeImage.cols / 2;
int cy = magnitudeImage.rows / 2;
Mat q0(magnitudeImage, Rect(0, 0, cx, cy));
Mat q1(magnitudeImage, Rect(cx, 0, cx, cy));
Mat q2(magnitudeImage, Rect(0, cy, cx, cy));
Mat q3(magnitudeImage, Rect(cx, cy, cx, cy));
Mat tmp;
q0.copyTo(tmp);//交换象限（左上与右下交换）
q3.copyTo(q0);
tmp.copyTo(q3);

q1.copyTo(tmp);//交换象限（右上与左下交换）
q2.copyTo(q1);
tmp.copyTo(q2);

/********归一化********/
normalize(magnitudeImage, magnitudeImage, 0, 1, NORM_MINMAX);

/******显示效果图******/
imshow("magnitudeImage", magnitudeImage);

waitKey(0);
return 0;

}
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-r1AzZhG1-1646189135225)(11.png)]