《得知opencv》注意事项——矩阵和图像处理——cvAdd、cvAddS and cvAddWeighted

矩阵和图像操作


(1)cvAdd函数

其结构


void cvAdd(//图像加和
	const CvArr* src1,//第一个原矩阵
	const CvArr* src2,//第二个原矩阵
	CvArr* dst,       //存放矩阵
	const CvArr* mask = NULL:  //控制点
);

就是单纯的将两个图像加和。mask变量控制加和的元素点。相当于“开关的作用”;

程序实例


#include <cv.h>
#include <highgui.h>
#include <stdio.h>

int main(int argc, char** argv)
{
	IplImage *src1, *src2,*src3;
	src1=cvLoadImage("1.jpg");
	src2=cvLoadImage("3.jpg");
	src3=cvLoadImage("4.jpg");
	cvAdd(src1,src2,src2);
	cvShowImage( "測试1", src1);
	cvShowImage( "測试2", src2);
	cvShowImage( "測试3", src3);
	cvWaitKey();
	return 0;
}

输出结果:




(2)cvAddS函数

其结构


void cvAddS(//图像加常量
	const CvArr* src1,//第一个原矩阵
	CvScalar value,    //加和常量
	CvArr* dst,       //存放矩阵
	const CvArr* mask = NULL:  //控制点
);

这个函数是在图像上加上一个value其它和cvAdd一样,当中value是一个cvScalar量所以他的四个变量分别相应RGB空间。

程序实例


#include <cv.h>
#include <highgui.h>
#include <stdio.h>

int main(int argc, char** argv)
{
	IplImage *src1, *src2,*src3;
	src1=cvLoadImage("1.jpg");
	src2=cvLoadImage("1.jpg");
	src3=cvLoadImage("1.jpg");
	CvScalar cs;  
	cs.val[2] = 16.0; 	
	cvAddS(src1,cs,src2);
	cs.val[1] = 16.0;
	cvAddS(src1,cs,src3);
	cvShowImage( "測试1", src1);
	cvShowImage( "測试2", src2);
	cvShowImage( "測试3", src3);
	cvWaitKey();
	return 0;
}

输出结果:




(3)cvAddWeighted函数

其结构


void cvAddWeighted(  //图像融合
	const CvArr* src1,//第一个原矩阵. 
	double alpha,//第一个矩阵元素的权值
	const CvArr* src2,//第二个原矩阵. 
	double beta,//第二个矩阵元素的权值
	double gamma,//加入的常数项。 
	CvArr* dst //输出矩阵
);

这个函数是一个公式加和,公式为:dst = src1*alpha + src2*beta + gamma。所以两个权值的和尽量大于零小于一。

实例程序


#include <cv.h>
#include <highgui.h>
#include <stdio.h>

int main(int argc, char** argv)
{
	IplImage *src1, *src2;
	src1=cvLoadImage("1.jpg");
	src2=cvLoadImage("2.jpg");
	int x = 100;
	int y = 170;
	int width = 230;
	int height = 200;
	double alpha = 0.2;
	double beta  = 0.9;
	cvSetImageROI(src1, cvRect(x,y,width,height));
	cvSetImageROI(src2, cvRect(x,y-20,width,height));
	cvAddWeighted(src1, alpha, src2, beta,0.0,src1);
	cvResetImageROI(src1);
	cvNamedWindow( "Alpha_blend", 1 );
	cvShowImage( "測试", src1 );
	cvWaitKey();
	return 0;
}


输出结果



 to be continued




版权声明:本文博主原创文章,博客,未经同意不得转载。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Opencv中的分水岭算法(watershed algorithm)是一种自动图像分割算法,常用于分离图像中的前景和背景。下面是使用Opencv中的分水岭算法进行图像分割的步骤: 1. 读入图像并进行预处理,如去噪、灰度化等。 2. 对图像进行二值化处理,得到前景和背景的二值图像。 3. 对二值图像进行距离变换(distance transform),得到每个像素离最近的背景像素的距离。 4. 对距离变换后的图像进行阈值处理,得到图像的分水岭标记(watershed markers)。 5. 对分水岭标记进行修正,确保标记不会重叠或出现空洞。 6. 对分水岭标记应用分水岭算法,得到分割后的图像。 下面是使用Opencv实现分水岭算法的示例代码: ```python import cv2 import numpy as np # 读取图像并进行预处理 img = cv2.imread('input.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU) # 进行距离变换 dist_transform = cv2.distanceTransform(thresh,cv2.DIST_L2,5) ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0) # 获取分水岭标记 sure_fg = np.uint8(sure_fg) unknown = cv2.subtract(thresh,sure_fg) ret, markers = cv2.connectedComponents(sure_fg) markers = markers+1 markers[unknown==255] = 0 # 修正分水岭标记 markers = cv2.watershed(img,markers) img[markers == -1] = [255,0,0] # 显示分割结果 cv2.imshow('result', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码中,我们首先读入一张图像并进行预处理,然后进行距离变换,得到每个像素到最近的背景像素的距离。接着使用阈值处理得到分水岭标记,修正分水岭标记并应用分水岭算法,最后显示分割结果。
评论
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