图像处理的现实应用
人脸检测和识别
基于内容的图像检索content-based image retrieval
RGB图像的画质改善
医疗影像X-ray
文书处理Optical Character Recognition
工厂自动化Factory Automation
安保，监视系统
自动影像处理
增强现实augmented reality
- 虚拟现实
- 头戴式显示器 Head Mounted Display（HMD）
目录
环境Win10,VS2022
1.BMP图像
新建一个头文件，再新建一个c++空文件
新建一个位图文件
BMP是英文Bitmap（位图）的简写，它是Windows操作系统中的标准图像文件格式，能够被多种Windows应用程序所支持。BMP图像文件是Windows采用的图形文件格式，在Windows环境下运行的所有图象处理软件都支持BMP图象文件格式。Windows系统内部各图像绘制操作都是以BMP为基础的。
BMP文件是小端格式的二进制文件,可以将 BMP 映像划分为四个区域：
- 文件头 - 所有 BMP 图像都以五行文件头开头。其中包含有关像素数据的文件类型、文件大小和位置的信息。
- 位图标头 - 也称为信息标头。这包含有关图像的宽度/高度，位深度等信息。
- 颜色标题 - 包含有关色彩空间和位蒙版的信息
- 像素数据。
PNG或JPEG图像是位的映射，但它们不被称为位图，因为它们是压缩的。有损压缩是一种压缩算法，可更改像素信息以减小文件大小，而不会对图像细节造成太大损害。由于BMP未压缩，因此它是无损的。因此，BMP图像的尺寸要大得多。
BMP 图像中最后一行的第一个像素由像素数据中的第一个字节表示。然后，扫描通过映射下一个像素与像素数据中的下一个字节，直到该行中的最后一个像素，从而向前移动。
扫描线类似于像素行。由于 BMP 遵循自下而上的扫描，因此第一行扫描行是 BMP 图像的最后一行。一旦扫描线为该行构造了像素，它就会向上移动一行，并开始从该行的像素数据中解析像素。
在上面的例子中，我们正在创建一个像素BMP图像，为了方便起见，我们可以说1px可以仅通过1字节成功打印。为了便于理解，我们已将 Pixel Data 分解为一个网格，但实际上，它只是一个连续的字节流4 x 4 4 x 4 .
示例
bmp.h
#include <vector>
struct BMPFileHeader {
uint16_t file_type{ 0x4D42 }; // File type always BM which is 0x4D42
uint32_t file_size{ 0 }; // Size of the file (in bytes)
uint16_t reserved1{ 0 }; // Reserved, always 0
uint16_t reserved2{ 0 }; // Reserved, always 0
uint32_t offset_data{ 0 }; // Start position of pixel data (bytes from the beginning of the file)
};
struct BMPInfoHeader {
uint32_t size{ 0 }; // Size of this header (in bytes)
int32_t width{ 0 }; // width of bitmap in pixels
int32_t height{ 0 }; // width of bitmap in pixels
// (if positive, bottom-up, with origin in lower left corner)
// (if negative, top-down, with origin in upper left corner)
uint16_t planes{ 1 }; // No. of planes for the target device, this is always 1
uint16_t bit_count{ 0 }; // No. of bits per pixel
uint32_t compression{ 0 }; // 0 or 3 - uncompressed. THIS PROGRAM CONSIDERS ONLY UNCOMPRESSED BMP images
uint32_t size_image{ 0 }; // 0 - for uncompressed images
int32_t x_pixels_per_meter{ 0 };
int32_t y_pixels_per_meter{ 0 };
uint32_t colors_used{ 0 }; // No. color indexes in the color table. Use 0 for the max number of colors allowed by bit_count
uint32_t colors_important{ 0 }; // No. of colors used for displaying the bitmap. If 0 all colors are required
};
struct BMPColorHeader {
uint32_t red_mask{ 0x00ff0000 }; // Bit mask for the red channel
uint32_t green_mask{ 0x0000ff00 }; // Bit mask for the green channel
uint32_t blue_mask{ 0x000000ff }; // Bit mask for the blue channel
uint32_t alpha_mask{ 0xff000000 }; // Bit mask for the alpha channel
uint32_t color_space_type{ 0x73524742 }; // Default "sRGB" (0x73524742)
uint32_t unused[16]{ 0 }; // Unused data for sRGB color space
};
struct BMP {
BMPFileHeader file_header;
BMPInfoHeader bmp_info_header;
BMPColorHeader bmp_color_header;
std::vector<uint8_t> data;
BMP(const char* fname) {
read(fname);
}
void read(const char* fname) {
// ...
}
BMP(int32_t width, int32_t height, bool has_alpha = true) {
// ...
}
void write(const char* fname) {
// ...
}
private:
// ...
};bmp.cpp
#include "bmp.h"
int main() {
// Read an image from disk, modify it and write it back:
BMP bmp("Shapes.bmp");
bmp.write("Shapes_copy.bmp");
// Create a BMP image in memory:
BMP bmp2(800, 600);
// Modify the pixel data:
// ....
// Save the image:
bmp2.write("Bitmap.bmp");
// Create a 24 bit per pixel image (BGR colors) and save it
BMP bmp3(209, 203, false);
// ...
bmp3.write("test_24bits.bmp");
}
2.Opencv在C++中的图像处理
首先配置opencv在VS2022的环境，详情可参考环境配置 | 图文VS2022配置OpenCV_夏天｜여름이다的博客-CSDN博客
2.1.opencv读取图片、摄像头
读取照片
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
string path = "D:\\VSProjectFile\\cv\\lina.jpg";
Mat img = imread(path);
imshow("Image", img);
waitKey(0); //显示图片不会一闪而过
return 0;
}
从文件读取视频
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
string path = "Resources/test_video.mp4";
VideoCapture cap(path); //视频捕捉对象
Mat img;
while (true) {
cap.read(img);
imshow("Image", img);
waitKey(1);
}
return 0;
}
读取电脑摄像头
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
VideoCapture cap(0);
Mat img;
while (true) {
cap.read(img);
imshow("Image", img);
waitKey(1);
}
return 0;
}
没有摄像头，找不到摄像头时也会程序中断模式。
2.2.opencv对图片进行灰度化，高斯模糊，边缘检测
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
string path = "D:\\VSProjectFile\\cv\\lina.jpg";
Mat img = imread(path);
Mat imgGray, imgBlur, imgCanny, imgDil, imgErode;
cvtColor(img, imgGray, COLOR_BGR2GRAY); //灰度化
GaussianBlur(img, imgBlur, Size(3, 3), 3, 0); //高斯模糊
Canny(imgBlur, imgCanny, 25, 75); //边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
dilate(imgCanny, imgDil, kernel);
erode(imgDil, imgErode, kernel);
imshow("Image", img);
imshow("ImageGray", imgGray);
imshow("ImageBlur", imgBlur);
imshow("ImageCanny", imgCanny);
imshow("ImageDilation", imgDil);
imshow("ImageErode", imgErode);
waitKey(0);
return 0;
}
2.3.opencv对图片的大小位置调整
2.4.opencv绘制形状和文字
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
//Blank Image
Mat img(512, 512, CV_8UC3, Scalar(255, 255, 255));
circle(img, Point(256, 256), 155, Scalar(0, 69, 255), FILLED);
rectangle(img, Point(130, 226), Point(382, 286), Scalar(255, 255, 255), -1);
line(img, Point(130, 296), Point(382, 296), Scalar(255, 255, 255), 2);
putText(img, "Fine, It's OK !", Point(137, 262), FONT_HERSHEY_DUPLEX, 0.95, Scalar(0, 69, 255), 2);
imshow("Image", img);
waitKey(0);
return 0;
}
2.5.opencv的透视变换
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
float w = 250, h = 350;
Mat matrix, imgWarp;
int main()
{
string path = "D:\\VSProjectFile\\cv\\ai.png";
Mat img = imread(path);
Point2f src[4] = { {350, 250}, {360, 260}, {250, 250}, {125, 160} };
Point2f dst[4] = { {0.0f, 0.0f}, {w, 0.0f}, {0.0f, h}, {w, h} };
matrix = getPerspectiveTransform(src, dst);
warpPerspective(img, imgWarp, matrix, Point(w, h));
for (int i = 0; i < 4; i++) {
circle(img, src[i], 10, Scalar(0, 0, 255), FILLED);
}
imshow("Image", img);
imshow("ImageWarp", imgWarp);
waitKey(0);
return 0;
}
2.6.opencv的颜色检测
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
Mat imgHSV, mask;
int hmin = 0, smin = 110, vmin = 153;
int hmax = 19, smax = 240, vmax = 255;
int main()
{
string path = "D:\\VSProjectFile\\cv\\hg1.jpg";
Mat img = imread(path);
cvtColor(img, imgHSV, COLOR_BGR2HSV);
namedWindow("Trackbars", (640, 200));
createTrackbar("Hue Min", "Trackbars", &hmin, 179);
createTrackbar("Hue Max", "Trackbars", &hmax, 179);
createTrackbar("Sat Min", "Trackbars", &smin, 255);
createTrackbar("Sat Max", "Trackbars", &smax, 255);
createTrackbar("Val Min", "Trackbars", &vmin, 255);
createTrackbar("Val Max", "Trackbars", &vmax, 2555);
while (true) {
Scalar lower(hmin, smin, vmin);
Scalar upper(hmax, smax, vmax);
inRange(imgHSV, lower, upper, mask);
imshow("Image", img);
imshow("Image HSV", imgHSV);
imshow("Image Mask", mask);
waitKey(1);
}
return 0;
}
2.7.opencv的形状轮廓检测
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
void getContours(Mat imgDil, Mat img) {
vector<vector<Point>> contours; //轮廓数据
vector<Vec4i> hierarchy;
findContours(imgDil, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); //通过预处理的二值图像找到所有轮廓contours
//drawContours(img, contours, -1, Scalar(255, 0, 255), 2); //绘制所有轮廓
for (int i = 0; i < contours.size(); i++)
{
double area = contourArea(contours[i]); //计算每个轮廓区域
cout << area << endl;
vector<vector<Point>> conPoly(contours.size());
vector<Rect> boundRect(contours.size());
string objectType;
if (area > 1000) //过滤噪声
{
//找轮廓的近似多边形或曲线
double peri = arcLength(contours[i], true);
approxPolyDP(contours[i], conPoly[i], 0.02 * peri, true);
cout << conPoly[i].size() << endl;
boundRect[i] = boundingRect(conPoly[i]); //找每个近似曲线的最小上边界矩形
int objCor = (int)conPoly[i].size();
if (objCor == 3) { objectType = "Tri"; }
if (objCor == 4) {
float aspRatio = (float)boundRect[i].width / boundRect[i].height; //宽高比
cout << aspRatio << endl;
if (aspRatio > 0.95 && aspRatio < 1.05) {
objectType = "Square";
}
else {
objectType = "Rect";
}
}
if (objCor > 4) { objectType = "CirCle"; }
drawContours(img, conPoly, i, Scalar(255, 0, 255), 2); //绘制滤除噪声后的所有轮廓
rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); //绘制边界框
putText(img, objectType, { boundRect[i].x, boundRect[i].y - 5 }, FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);
}
}
}
int main()
{
string path = "D:\\VSProjectFile\\cv\\tx.png";
Mat img = imread(path);
Mat imgGray, imgBlur, imgCanny, imgDil;
// Preprocessing
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur, Size(3, 3), 3, 0);
Canny(imgBlur, imgCanny, 25, 75);
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
dilate(imgCanny, imgDil, kernel);
getContours(imgDil, img);
imshow("Image", img);
/*imshow("Image Gray", imgGray);
imshow("Image Blur", imgBlur);
imshow("Image Canny", imgCanny);
imshow("Image Dil", imgDil);*/
waitKey(0);
return 0;
}
疑问与解答？
1.照片的像素是怎么存储在计算机中的？
日常生活中我们的照片都是彩色的，也就是RGB三原色，
也可以表示为
这些指标中的每一个都将具有介于 0 到 255 之间的值，其中每个数字都表示像素的强度，或者您可以说红色、绿色和蓝色的阴影。最后，所有这些通道或所有这些矩阵都叠加在一起，因此当加载到计算机中时，图像的形状将是 ：N*M*3
2.计算机怎么实现2次元处理？
创建一个图像对象，根据RGB的像素值，可以从存储数字图像的文件创建 Image 对象。图像对象具有与图像中的宽度、高度和像素集合相对应的属性。要求图像对象使用 and 方法返回其大小。我们还可以使用 从图像中的特定位置获取像素，并使用 更改特定位置的像素。为了处理所有像素，系统地访问图像中的所有行和列。执行此操作的最佳方法是使用嵌套迭代。
总结
1.照片上的一个像素是p,那么p[x]指的就是p的动态数组（dynamic array），p[a][b]指的就是动作位置空间。
参考文献
【1】OpenCV入门【C++版】_Star_ID的博客-CSDN博客_c++ opencv教程
211
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
