山大计算机视觉实验2

采用图像合成公式进行计算，不要把 alpha 通道当成二值图处理；

使用指针直接访问图像数据，遍历像素完成对整张图的处理，并和使用at

函数的版本对比运行时间（注意打开编译优化，visualstudio用release模式）

下图的代码为之前用at函数进行alpha的融合：

然后这里用指针进行访问像素：

首先定义三个指针，uchar*img_data=img.data等

然后根据对应通道进行alpha融合。

由于这里将其当成一维数据来处理，所以对应通道需要进行相应的跳跃式

将两种不同访问像素的方法封装成两个函数，然后在main函数里应用

clock分别进行计时如下：

两次融合结果如下：可以发现使用指针更快。

问题1：

刚开始用指针访问像素进行alpha融合时，产生了以下问题：

解决：由于代码实现是需要两张图片相同尺寸的，所以在alpha融合前需要

将两张图片尺寸进行统一化。

1.访问像素值有以下几种方法：

数组索引方法

指针方法

迭代器方法

数组方法介绍：

OpenCV 提供了 at()函数，它是一个模板函数，返回指定位置矩阵元素的引

用，常用的有：

数组方法访问 RGB 图像：Mat.at<Vec3b>(h, w)

数组方法访问灰度图：Mat.at<uchar>(h, w)

如上面的函数所示，数组方法访问图像指定坐标处的像素值主要是调用

Mat 对象的 at 方法，其中(h,w)好理解，就是要访问的像素值得二维坐标，尖括

号里的内容是访问方式，因为 RGB 图像中有 3 个通道各自的像素值，因此以 Vec3b

的方式来访问，即 3 个字节元素的 vector 向量，而灰度图只有一个元素，类型为

uchar 字节数据，因此以 uchar 方式访问。

指针方法介绍：

得到每一行的首地址：Mat.ptr<type>(h)

OpenCV 提供了指针方法来访问操作像素值，h 是行数，得到每一行的首地

址后可以按照这个地址往后对像素值进行遍历。

Mat.ptr<type>(h)返回 Mat 对象

的第 h 行的头指针，如下图所示：

对于三通道图像,bgr.pt<uchar>(i)同样指向第 i 行的首元素，但是与单通

道的图像不一样，三通道的图像中一个像素点有 BGR 三个像素值，可以看下面的

图来区别单通道和三通道 Mat 在内存中的实际分布情况（假设内存地址从左往右

：

因 此 像 gray.ptr<uchar>(0)[0] 那 样 类 型 设 为 uchar 来 操 作 时 ，

bgr.ptr<uchar>(0)[n]得到的是一个像素点内某个通道的值，因为三通道图像一

。

所以对于三通道图像，可以使用 bgr.ptr<Vec3b>(0)[n]>来获得一个像素

点的值，这个时候 vec3b 是一个包含三个值的向量。

用迭代器来遍历：

下面的方法可以让我们来为图像中的像素声明一个迭代器：

MatIterator_<Vec3b> it;

Mat_<Vec3b>::iterator it;

如果迭代器指向一个 const 图像，则可以用下面的声明：

MatConstIterator<Vec3b> it; 或者

Mat_<Vec3b>::const_iterator it;

图像的邻域操作

很多时候，我们对图像处理时，要考虑它的邻域，比如 3*3 是我们常用的，

这在图像滤波、去噪中最为常见，如果在一次图像遍历过程中进行邻域的运算。

下面我们进行一个简单的滤波操作，滤波算子为[0 –1 0;-1 5 –1;0 –1 0]。

它可以让图像变得尖锐，而边缘更加突出。

2.Alpha 融合：

Alpha 融合是一种将前景通过透明度叠加到背景上的过程。透明度通常是图

像的第四通道，当然也可以被分离出来成为一个单独的图像。这个透明的掩模通

常被称为 alpha 掩模。

在上述图片中，左上是前景图片；右上是灰度 alpha 掩模；左下是背景图片，

右下是融合结果。alpha 融合背后的数学原理是相当直接的。在每一个像素位置，

利用 alpha 模板（

a）来融合前景图值和背景图像值。

以上的 alpha 模板的像素值实际计算的时候会从[0,255] 被归一化到

[0,1]。从以上的等式我们知道：

1. 当 a=0, 输出的像素值属于背景。

2. 当 a=1, 输出的像素值属于前景。

3. 当 0<a<1,输出像素值是前背景的混合 ，为何融合效果更自然，通常在

alpha 模板的边界上的像素值是位于 0 到 1 之间。