opencv图像操作——at方法使用

  1. 图像的读写
  2. 读写像素
  3. 修改像素值

图像的读写

imread 可以指定加载灰度图像或者是RGB图像
imwrite 保存图像文件,类型由扩展名决定

读写像素


 1. 读写一个灰度图像(GRAY)像素点的像素值 :Scalar intensity = Mat.at<uchar>(y,x)或者Scalar intensity = Mat.at<uchar>(Point(x,y))
 2. 都一个RGB像素点的像素值:
 	Vec3f intensity  = Mat.at<Vec3f>(y,x)
	float blue = intensity.val[0]   //获得蓝色通道的像素值
	float green = intensity.val[1]   //获得蓝色通道的像素值
	float red = intensity.val[2]      //获得蓝色通道的像素值
	整型:
	int b = srcImage.at<Vec3b>(row, col)[0];  //获取像素值b 
	int g = srcImage.at<Vec3b>(row, col)[1];  //获取像素值g
	int r = srcImage.at<Vec3b>(row, col)[2];  //获取像素值r

修改像素值

int gray = gray_src.at<uchar>(row,col);    //获取像素值
gray_src.at<uchar>(row,col) = 255-gray; //像素值取反赋值

例子

  • 灰度图像的像素取反操作:
#include<opencv2/opencv.hpp>
#include<iostream>

using namespace cv;

int main(int argc, char** argv) {
	Mat srcImage = imread("E:/image/6.jpg");
	Mat gray_src;
	if (!srcImage.data) {
		printf("没有找到图片");
		return -1;
	}
	namedWindow("input image",WINDOW_AUTOSIZE);
	imshow("input image", srcImage);

	cvtColor(srcImage, gray_src, COLOR_BGR2GRAY);
	namedWindow("input gray", WINDOW_AUTOSIZE);
	imshow("input gray", gray_src);

	int heigth = gray_src.rows;
	int width = gray_src.cols;

	for (int row = 0; row < heigth; row++) {
		for (int col = 0; col < width; col++) {
			int gray = gray_src.at<uchar>(row,col);    //获取像素值
			gray_src.at<uchar>(row,col) = 255-gray; //像素值取反赋值
		}
	}

	namedWindow("取反操作",WINDOW_AUTOSIZE);
	![imshow("取反操作", gray_src);
	waitKey(0);
	return 0;
}

效果图:效果图

  • 对彩色像素值进行操作:
#include<opencv2/opencv.hpp>
#include<iostream>

using namespace cv;

int main(int argc, char** argv) {
	Mat srcImage = imread("E:/image/6.jpg");
	
	if (!srcImage.data) {
		printf("没有找到图片");
		return -1;
	}
	namedWindow("input image",WINDOW_AUTOSIZE);
	imshow("input image", srcImage);
	Mat dst;
	dst.create(srcImage.size(), srcImage.type());
	int heigth = srcImage.rows;
	int width = srcImage.cols;
	int nc = srcImage.channels();

	for (int row = 0; row < heigth; row++) {
		for (int col = 0; col < width; col++) {
			if(nc==1){
				int gray = srcImage.at<uchar>(row, col);    //获取像素值
				dst.at<uchar>(row, col) = 255 - gray; //像素值取反赋值
			}
			else if (nc == 3) {
				int b = srcImage.at<Vec3b>(row, col)[0];  //获取像素值b 
				int g = srcImage.at<Vec3b>(row, col)[1];  //获取像素值g
				int r = srcImage.at<Vec3b>(row, col)[2];  //获取像素值r
				dst.at<Vec3b>(row, col)[0] = 255 - b;
				dst.at<Vec3b>(row, col)[1] = 255 - g;
				dst.at<Vec3b>(row, col)[2] = 255 - r;

			}
		}
	}

	namedWindow("取反操作",WINDOW_AUTOSIZE);
	imshow("取反操作", dst);
	waitKey(0);
	return 0;
}

效果图:三通道的像素值操作

  • opencv提供的api方法bitwise_not:
#include<opencv2/opencv.hpp>
#include<iostream>

using namespace cv;

int main(int argc, char** argv) {
	Mat srcImage = imread("E:/image/6.jpg");
	
	if (!srcImage.data) {
		printf("没有找到图片");
		return -1;
	}
	namedWindow("input image",WINDOW_AUTOSIZE);
	imshow("input image", srcImage);
	Mat dst;
	dst.create(srcImage.size(), srcImage.type());
	
	bitwise_not(srcImage, dst);
	namedWindow("取反操作",WINDOW_AUTOSIZE);
	imshow("取反操作", dst);
	waitKey(0);
	return 0;
}

效果图:bitwise_not的效果图

  • 20
    点赞
  • 113
    收藏
    觉得还不错? 一键收藏
  • 2
    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。

“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 2
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