在C++中,读入一幅图像使用语句如下,读入的图像像素为0-255之间的某一整数:
Mat disp_image = imread(path,1);
其中图像每个像素的RGB值是用3元素向量来存储(B,G,R)的,某一像素点的RGB值读取方式如下:
Vec3b& mp = disp_image.at<Vec3b>(j, i); //C++用向量存储像素值
double B = mp.val[0];
double G = mp.val[1];
double R = mp.val[2];
在matlab中,读入一幅图像并转换为double型使用语句如下,读入的图像像素在0-1之间:
input_im=im2double(imread(path));
matlab中用三维矩阵存储像素值,即R,G,B三个平面。注意此处与C++的BGR顺序不同。
明白了图像的存储原理,就可以进行矩阵转换了。
在C++与matlab混合编程时,要使用数据接口类mwArray,可以简单理解为一个矩阵,即便是一个数值也转化为这种矩阵进行传递。
将C++形式的图像矩阵转为mwArray矩阵,传入matlab函数的方式如下:
Mat image_Imax = imread("D:\\pic\\Imax.jpg",1);
//调用matlab程序进行图像增强
mwSize mdim_max[3] ={image_Imax.rows,image_Imax.cols,3};
mwArray mimage_Imax(3,mdim_max,mxDOUBLE_CLASS,mxREAL);
//C++输入转matlab 接口矩阵转化及像素归一化
for(int j = 0; j < image_Imax.rows; ++j){
for(int i = 0; i <image_Imax.cols; ++i){
Vec3b& mp = image_Imax.at<Vec3b>(j, i); //C++用向量存储像素值
//double B = mp.val[0]*1.0/255; //像素归一化到0-1之间
double B = mp.val[0];
double G = mp.val[1];
double R = mp.val[2];
mimage_Imax(j+1,i+1,1)=R; //matlab中用三个面R,G,B存储像素值
mimage_Imax(j+1,i+1,2)=G; //C++图像矩阵像素值赋给matlab矩阵
mimage_Imax(j+1,i+1,3)=B;
}
}
Mat image_Imin = imread("D:\\pic\\Imin.jpg",1);
//调用matlab程序进行图像增强
mwSize mdim_min[3] ={image_Imax.rows,image_Imax.cols,3};
mwArray mimage_Imin(3,mdim_min,mxDOUBLE_CLASS,mxREAL);
//C++输入转matlab 接口矩阵转化及像素归一化
for(int j = 0; j < image_Imin.rows; ++j){
for(int i = 0; i <image_Imin.cols; ++i){
Vec3b& mp = image_Imin.at<Vec3b>(j, i); //C++用向量存储像素值
double B = mp.val[0]; //像素归一化到0-1之间
double G = mp.val[1];
double R = mp.val[2];
mimage_Imin(j+1,i+1,1)=R; //matlab中用三个面R,G,B存储像素值
mimage_Imin(j+1,i+1,2)=G; //C++图像矩阵像素值赋给matlab矩阵
mimage_Imin(j+1,i+1,3)=B;
}
}
Mat output_image=image_Imax.clone();
mwArray moutput_im2(output_image.dims,mdim_max,mxDOUBLE_CLASS,mxREAL);
//调用DLL
solvemaxmin(1,moutput_im2,mimage_Imax,mimage_Imin);
//matlab结果转C++
//mwArray moutput_im2(output_image.dims,mdim_min,mxDOUBLE_CLASS,mxREAL);
for(int j = 0; j < image_Imax.rows; ++j){
for(int i = 0; i < image_Imax.cols; ++i){
double Bd = moutput_im2.Get(3,j+1,i+1,3);
double Gd = moutput_im2.Get(3,j+1,i+1,2);
double Rd = moutput_im2.Get(3,j+1,i+1,1);
int B=int(Bd*255); //像素范围扩展到0-255
int G=int(Gd*255);
int R=int(Rd*255);
output_image.at<Vec3b>(j, i)[0] = B; //matlab图像矩阵像素值赋给C++
output_image.at<Vec3b>(j, i)[1] = G;
output_image.at<Vec3b>(j, i)[2] = R;
}
}
Mat imagedst;
//以下操作获取图形控件尺寸并以此改变图片尺寸
CRect rect;
GetDlgItem(IDC_STATIC_two)->GetClientRect(&rect);
Rect dst(rect.left,rect.top,rect.right,rect.bottom);
resize(image_Imin,imagedst,cv::Size(rect.Width(),rect.Height()));
imshow("view222",imagedst);
在今天的调试中,一个维度mwSize mdim_min[3] ={image_Imax.rows,image_Imax.cols,3};
mwArray mimage_Imin(3,mdim_min,mxDOUBLE_CLASS,mxREAL);其中的那个3我直接用image_Imin.dims就会报错,这里浪费了好多时间,还有就是OpenCV的加载图片路径必须为"\\",才有效,这里浪费了好多时间。
补充,由于目前自己还没有研究透mwArray,所以直接对于,一幅图片通过SetData处理,利用指针复制数据,这样做的结果,由于三维,所以会混乱,解决办法就是分通道利用那个函数,指针平移,虽然麻烦但是比,遍历速度要快。