C++中利用OpenCV进行图像批量处理

想要对大量图像进行简单处理,我们可以利用代码实现。

OpenCV作为开源的图像处理库,安装方便,容易上手,功能强大,受到了很多人的喜爱。

1.背景

  • 笔者正在参加全国大学生智能汽车竞赛。由于放假在家,家中没有铺设赛道的条件,我找到了一款上位机,可以将智能车的图像导入到上位机中,上位机提供了在线调车功能,可以进行各种图像操作,将智能车的图像处理代码进行简单的修改,就可以在上位机中运行。

  • 但是这款上位机对图片有尺寸和格式的要求:bmp格式图片,分辨率应该是在188*120以下。

  • 在校调车期间,我购买了图传,将车辆运行时的图像实时传到电脑中,便于分析,所以电脑存有大量车辆运行中的图像。

  • 但是传到电脑上的图为了便于观察,都自动进行了放大处理,放大了5倍。

我的智能车图像是188*100,图传发到电脑里的图为940*500

  • 所以我需要做三件事

  • 1.将图片分辨率缩小5倍

  • 2.将jpg格式图片转为bmp格式图片

  • 3.将上述操作重复进行几万次

2.软件环境

使用win10+vs2017+OpenCV 4.1.1

vs2017与OpenCV安装配置过程略,csdn上有很多

(之前使用的是vs2020+OpenCV 4.6.0,出现了很多奇奇怪怪的bug,询问了一位大佬,修改到了上述版本)

3.代码

法一:利用glob函数读取文件夹内的所有图片


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

using namespace cv;
using namespace std;

int main()
{
    Mat img_5min; //5倍缩放图
    string InputPath = "D:\\Backup\\桌面\\原图\\*.jpg";//指定路径,精确到最后一个文件夹,图片带格式,名称用*
    vector<String> InputFiles;  //定义一个字符串数组作为输入文件
    glob(InputPath, InputFiles);//用glob函数将输入路径与输入文件联系起来
    if (InputFiles.size() == 0) //检验是否有图片
    {
        cout << "No image files[jpg]" << endl;
        return 0;
    }

    for (int i = 0; i < InputFiles.size(); i++)//image_file.size()代表文件中总共的图片个数 
    {
        Mat img = imread(InputFiles[i]);//读取图片
        resize(img, img_5min, Size(img.cols / 5, img.rows / 5), 0, 0, INTER_NEAREST);//缩放
        string OutputPath = "D:\\Backup\\桌面\\修改图\\" + to_string(i) + ".bmp";//存储路径,文件名,文件格式
        imwrite(OutputPath, img_5min);//存储
        imshow("src", img_5min);//显示一下
        waitKey(5);//5ms后正常运行下一次
    }
    waitKey(0);
    return 0;
}

这也是我在网上找到的比较多的办法,利用glob函数读取文件夹内所有图片,记录数量遍历。

由于我需要将图片缩放,在其中加了一句,将读取到的图片长宽除以5,另存。


resize(img, img_5min, Size(img.cols / 5, img.rows / 5), 0, 0, INTER_NEAREST);//缩放5倍

效果很好,文件格式,图片大小都和预想的一样,完成了修改。

但是有个问题,看下面的图,这是我的原图集。

在修改过的图集中,顺序就改变了,相同的序号图片内容却不是一样的。貌似是有规律的变。

这组图对我来说就无法使用了,因为要想的是个动态过程,图片的顺序是有要求的。

于是我就观察了原始代码。

这套代码的核心就是读取目录中的图片,读取图片数量,然后遍历所有图,读一个,改一个,存一个,然后判断图像有没有访问完。

那么如果我知道图片数量,图片命名规律,我就知道每个图片的路径,是不是直接访问了呢?

答案是可以的

法二:修改访问路径批量操作图片


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

using namespace cv;
using namespace std;

int main()
{
    Mat image;       //原图
    Mat image_5_min; //5倍缩放图
    int i = 0;
    for (i = 0; i < 1100; i++)
    {
        string InputPath = "D:\\Backup\\桌面\\原图\\" + to_string(i) + ".jpg";
        image = imread(InputPath, 0);
        if (image.data == nullptr)//nullptr是c++11新出现的空指针常量
        {
            cout << "名称应该为" << i << "的图片文件不存在" << endl;
            break;
        }
        resize(image, image_5_min, Size(image.cols / 5, image.rows / 5), 0, 0, INTER_NEAREST);//五倍缩
        string OutputPath = "D:\\Backup\\桌面\\修改图\\" + to_string(i) + ".bmp";
        imwrite(OutputPath, image_5_min);
        waitKey(5);
    }
    waitKey(0);
    return 0;
}

在运行之后效果很好。

相同的序号图片内容是一样的。

我的原图集的命名是连续的,0.jpg~999.jpg,修改访问路径可以很好遍历,只要命名是连续的,想要访问更多图片也只需要更改程序中for循环的条件而已,十分的方便。

对于图片命名是不是连续的情况,比如我让我的队友找了一下他电脑里的一些跑车时候存下来的图片,他发来的文件是这样的。、

图像命名不连续

我第一次运行时候看着原图有800多张图片,用上面的程序跑完一遍只生成了300多张图片,提示我没有找到11676.jpg。感觉有点问题,不应该呀。我就看了一下文件,的确没有11676.jpg。

文件名从11675.jpg跳跃到了12846.jpg,显然我的队友只将一些片段截取了出来,他发给我的文件夹内有3段,文件名跳跃了2次,我又懒得找到每个跳跃的地方,记录跳跃起始点,结束点。

于是我灵机一动,选中第一张图片,再ctrl+a全选图片,将第一张图片重命名为01,按下enter。

结果如下,833个项目按照Windows的系统命名规则进行了重命名了。

理论上无论多少图片,系统都会从01顺下去命名,这样我只需要将代码略加修改,就可以一次性修改所有的图片。

我只需要将代码中的路径按照上面的命名规则:01(i).jpg 进行改变路径即可,代码如下


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

using namespace cv;
using namespace std;

int main()
{
    Mat image;       //原图
    Mat image_5_min; //5倍缩放图
    int i = 1;
    for (i = 1; i < 1100; i++)
    {
        string InputPath = "D:\\Backup\\桌面\\左环岛图片\\左环岛图片\\01 (" + to_string(i) + ").jpg";
        image = imread(InputPath, 0);
        if (image.data == nullptr)//nullptr是c++11新出现的空指针常量
        {
            cout << "名称应该为" << i << "的图片文件不存在" << endl;
            break;
        }
        resize(image, image_5_min, Size(image.cols / 5, image.rows / 3.5), 0, 0, INTER_NEAREST);//队友和我的图像不一样,缩放比例可以调整
        string OutputPath = "D:\\Backup\\桌面\\修改图\\" + to_string(i) + ".bmp";
        imwrite(OutputPath, image_5_min);
        waitKey(5);
    }
    waitKey(0);
    return 0;
}

对比上面,改变其实只有一点,根据我文件夹的位置、命名规则,我改变了输入文件路径,让他变成了一个动态的输入路径。


 string InputPath = "D:\\Backup\\桌面\\左环岛图片\\左环岛图片\\01 (" + to_string(i) + ").jpg";

这样就可以非常优雅的批量修改图片。

4.总结

对于图像批量修改我们可以使用glob函数读取文件夹内所有图片,记录数量遍历。但是可能会造成文件乱序,对于顺序要求不高的可以使用。

也可以根据命名顺序,修改访问路径,进行批量修改。优点是不会乱序,但是需要文件名有规律。

最终也是实现了上位机读取图片,代码对图片进行分析,进行相关操作,从而仿真调车

5.一些猜想和注意事项

5.1猜想

glob函数有可能根据文件大小,根据地址访问。原图中大小不一样,有可能造成访问某张个图片时发生了错误,序号标错了。

图片文件大小不全是一样的

5.2注意事项

1.在vs2017运行,很容易出现正在加载符号,程序就会等着符号加载完在运行,很烦人,我也找了很多解决办法,效果不好,意外的发现有个很简单的好办法。

不要点击vs中间的本地Windows调试器,要使用ctrl+f5,就可以避免乱七八糟的符号加载。

原理貌似是按下本地Windows调试器是进行程序的调试,需要一些组件之类的东西支持,而ctrl+f5是运行而不调试,可以省略很多东西的加载。

2.文件夹路径都是双杠\\,因为单杠会被认为转义符,双杠才是\

希望对你有所帮助。

本人菜鸡一只,各位大佬发现问题欢迎留言指出。

qq:2296449414

  • 6
    点赞
  • 54
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
### 回答1: 利用OpenCV进行图像识别是一种常见的计算机视觉应用。OpenCV是一个开源计算机视觉库,支持多种编程语言,包括C++、Python等。它提供了丰富的图像处理和计算机视觉算法,可以用来进行图像识别、目标检测、人脸识别、手势识别等任务。 在进行图像识别时,首先需要加载和处理图像OpenCV提供了读取、保存和处理图像的函数,可以对图像进行灰度化、二值化、滤波等预处理操作,以提高后续识别的准确性。 接下来,可以使用OpenCV提供的特征提取算法,如SIFT、SURF、HOG等,来提取图像的特征。这些算法可以提取出图像的关键特征点或特征向量,用于识别或匹配。 然后,可以使用OpenCV提供的机器学习算法,如支持向量机(SVM)、K最近邻(KNN)等,来训练一个分类器或回归器。通过给分类器提供一系列已知的图像样本和其对应的标签,可以训练模型,使其可以自动识别未知图像。 最后,可以使用训练好的模型对新的图像进行识别。将新的图像输入到分类器,分类器将输出一个标签,表示图像所属的类别。根据这个标签,可以判断图像的物体或场景是什么。 总之,利用OpenCV进行图像识别可以实现多种应用,如车牌识别、人脸识别、文字识别等。通过选择合适的图像处理和机器学习算法,可以有效提高图像识别的准确性和效率。 ### 回答2: OpenCV是一个开源的计算机视觉库,常用于图像处理和计算机视觉任务。使用OpenCV进行图像识别可以通过以下步骤实现。 1. 导入OpenCV库:首先需要安装并导入OpenCV库,确保可以在代码使用相关函数和类。 2. 加载图像:使用OpenCV的函数或方法加载待识别的图像文件。可以通过指定文件路径或者从摄像头实时获取图像。 3. 图像预处理:在进行图像识别之前,通常需要进行一些预处理操作。比如调整图像大小、灰度化处理、去除噪声等。这些预处理操作有助于提高识别准确率和效果。 4. 特征提取:通过OpenCV提供的函数或方法,从图像提取出有用的特征信息。这些特征可以是图像的边缘、角点、颜色直方图等等,可以根据具体任务选择合适的特征。 5. 训练模型:使用提取出的特征数据,训练一个机器学习模型或者深度学习模型。可以选择使用OpenCV的机器学习模块,也可以使用其他深度学习框架如TensorFlow、PyTorch等。 6. 图像识别:使用训练好的模型对新的图像进行识别。将预处理和特征提取应用到待识别图像上,然后输入到模型进行识别。根据不同的任务,可以得到不同的识别结果,比如物体识别、手势识别、人脸识别等。 7. 分析结果:根据识别结果进行分析,可以对图像内容进行标记、分类、计数等处理。根据具体需求,可以输出结果图像、生成报告或者执行其他进一步的操作。 总之,通过使用OpenCV进行图像识别,可以实现从加载图像到预处理、特征提取、模型训练和图像识别的完整过程,提供了强大的工具和函数库来支持各种图像识别任务。通过合理的处理和使用相关技术,可以实现高效准确的图像识别应用。 ### 回答3: OpenCV是一个开源的计算机视觉库,可以帮助我们进行图像和视频处理。通过使用OpenCV,我们可以实现图像识别的功能。 在使用OpenCV进行图像识别时,我们可以首先加载并读取待识别的图像。然后,可以应用不同的技术和算法对图像进行处理和分析。例如,我们可以使用特征提取算法,如SIFT(尺度不变特征变换)或SURF(加速稳健特征),来提取图像的关键点和特征描述符。然后,可以使用这些特征描述符进行匹配,以识别图像的物体或场景。 另外,我们还可以使用机器学习算法来训练图像分类器,以识别不同类别的图像。对于训练图像分类器,我们需要准备一组已标记的图像数据集,然后使用OpenCV提供的机器学习算法,如支持向量机(SVM)或卷积神经网络(CNN),进行训练和优化。训练完成后,我们就可以使用这个分类器对新的未知图像进行分类和识别。 此外,OpenCV还提供了其他功能,如人脸识别、目标跟踪、图像分割等。通过使用这些功能,我们可以进一步提高图像识别的准确性和性能。 综上所述,利用OpenCV进行图像识别可以通过特征提取和匹配、机器学习分类器等技术来实现。OpenCV作为一个强大的计算机视觉库,为我们提供了丰富的工具和算法,方便我们进行图像识别和处理。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 12
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值