图像像素转化
使用场景:将像素类型(数据类型)转化为同一类型,将图像的灰度值(0-255)转化为0-x之间进行一个归一化
void QuickDemo::norm_demo(Mat& img)
{
cout << endl;
Mat dst;
img.convertTo(img, CV_32F);//将原图像转化为一个浮点数类型的图像
//std::cout << (img.type())<<'\n' << (dst.type());
//输出的结果是:16 21
//16代表的是CV_8UC3(表示的是3个通道的,每个通道8位字节的彩色图像)
//21代表的是CV_32FC3(表示的是3个通道的,每个通道32位浮点数的彩色图像)
//CV_32S表示的是32位整形的彩色图像
normalize(img, dst, 1.0, 0.0, NORM_MINMAX);
//想要正确显示,必须要使得图像的浮点数的数据归一化到0-1
imshow("dst", dst);
}
图像放大与缩小操作
void QuickDemo::resize_demo(Mat& img)
{
Mat zoomin, zoomout;
int h = img.rows;
int w = img.cols;
resize(img, zoomin, Size(w / 2, h / 2), 0, 0, INTER_LINEAR);
resize(img, zoomout, Size(w * 1.5, h * 1.5), 0, 0, INTER_LINEAR);
imshow("zoomin", zoomin);
imshow("zoomout", zoomout);
}
图像的翻转操作
void QuickDemo::revolve_demo(Mat& img)
{
Mat dst;
flip(img, dst, 0);
imshow("向下翻转(倒影翻转)", dst);
flip(img, dst, 1);
imshow("左右翻转",dst);
flip(img, dst, -1);
imshow("对角线翻转", dst);
}
图像的旋转
void QuickDemo::rotate_demo(Mat& img)
{
Mat dst, M;
int w = img.cols;
int h = img.rows;//根据这两个数据来得到图像的中心点
//然后要得到旋转辅助矩阵
M = getRotationMatrix2D(Point(w/2,h/2),45,1.0);//给出中心点和角度
double cos = abs(M.at<double>(0, 0));
double sin = abs(M.at<double>(0, 1));
int nw = cos * w + sin * h;
int nh = sin * w + cos * h;
M.at<double>(0, 2) += (nw / 2 - w / 2);
M.at<double>(1, 2) += (nh / 2 - h / 2);
warpAffine(img, dst, M, Size(nw,nh),INTER_LINEAR,0,Scalar(255,0,0));
//需要解决的问题是如何把图像旋转之后的图像大小真正显示出来
imshow("dst", dst);
}
这里对于M的方法是要自己去推算的,在后续的数字图像处理课程中进行学习,在这里当成公式进行操作