4--OpenCV:图像像素的读写＆像素运算

最新推荐文章于 2022-11-10 14:41:22 发布
最新推荐文章于 2022-11-10 14:41:22 发布
阅读量804 收藏 3
点赞数 4
分类专栏： OpenCV 文章标签： opencv 计算机视觉 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zjjaibc/article/details/126463078
版权
本文介绍了OpenCV中图像像素的读写操作，包括uchar类型和Vec系列，以及如何通过数组方式和指针方式访问像素。详细讲解了如何进行负片处理，并展示了使用at和ptr成员函数的例子。此外，还讨论了OpenCV中的像素算术运算，如加法、减法、乘法、除法和混合运算，并提供了相关函数的使用示例。最后，探讨了位运算，包括位与、位或、非运算和异或运算，通过图像实例展示了这些操作的效果。
摘要由CSDN通过智能技术生成

opencv图像像素读写操作

常用类型介绍

  • uchar类型

typedef unsigned uint;
typedef signed char schar;
typedef unsigned char uchar;
typedef unsigned short ushort;

  • Vec系列

    Vec+数字+字母： C++STL vector容器类似

    • 数字： Vec 的长度

    • 字母: 类型

      • b: uchar

      • s:short

      • w: ushort

      • i: int

      • f:float

      • d:double

typedef Vec<uchar, 2> Vec2b;
typedef Vec<uchar, 3> Vec3b;
typedef Vec<uchar, 4> Vec4b;
​
typedef Vec<short, 2> Vec2s;
typedef Vec<short, 3> Vec3s;
typedef Vec<short, 4> Vec4s;
​
typedef Vec<ushort, 2> Vec2w;
typedef Vec<ushort, 3> Vec3w;
typedef Vec<ushort, 4> Vec4w;
​
typedef Vec<int, 2> Vec2i;
typedef Vec<int, 3> Vec3i;
typedef Vec<int, 4> Vec4i;
typedef Vec<int, 6> Vec6i;
typedef Vec<int, 8> Vec8i;
​
typedef Vec<float, 2> Vec2f;
typedef Vec<float, 3> Vec3f;
typedef Vec<float, 4> Vec4f;
typedef Vec<float, 6> Vec6f;
​
typedef Vec<double, 2> Vec2d;
typedef Vec<double, 3> Vec3d;
typedef Vec<double, 4> Vec4d;
typedef Vec<double, 6> Vec6d;

图像的像素读写

数组方式读写

注意：①at方法的使用，是Mat中的模板函数，需要实例化,<uchar>(unsigned char---->8个位都是用来存储相关的像素信息)，然后传入x，y坐标即可。

        其返回值是引用类型，所以才有了下面的负片处理

          ②Mat中channels()方法获取图片的通道数，是一维的(黑白)还是三维的(rgb)

          ③注意dims=3的情况，如何接收pixel值的？--->Vec3b类型的容器接收。

int dims = img.channels();      //得到图片通道数
for (int i = 0; i < img.rows; i++) 
{
    for (int j = 0; j < img.cols; j++) 
    {
        if (dims == 1) 
        {
            //单通道图像像素点获取
            int pixel = img.at<uchar>(i, j);
            img.at<uchar>(i, j) = 255 - pixel;      //负片处理
        }
        if (dims == 3) 
        {
            //三通道图像像素点获取
            Vec3b bgr = img.at<Vec3b>(i, j);
            //负片处理
            img.at<Vec3b>(i, j)[0] = 255 - bgr[0];
            img.at<Vec3b>(i, j)[1] = 255 - bgr[1];
            img.at<Vec3b>(i, j)[2] = 255 - bgr[2];
        }
    }
}

指针方式读写

注意：Mat中的成员函数ptr用uchar实例化之后，传入要获取的行数，即可。

//二维数组-->一级指针访问二维数组方式
int dims = img.channels();
for (int i = 0; i < img.rows; i++) 
{
    //Mat中有一个ptr成员函数，获取当前i行的指针
    uchar* current_row = img.ptr<uchar>(i);
    for (int j = 0; j < img.cols; j++) 
    {
        if (dims == 1) 
        {
            int pixel = *current_row;      //current_row[j];
            *current_row++ = 255 - pixel;  //做一个横向移动
        }
        if (dims == 3)
        {
            Vec3b bgr = img.at<Vec3b>(i, j);
            *current_row++ = 255 - *current_row;
            *current_row++ = 255 - *current_row;
            *current_row++ = 255 - *current_row;
        }
    }
}

        注意：*p++中*和++的运算优先级相同,自右向左的运算顺序，

                                所以先++(指针的指向先发生改变) 

完整案例

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
class ImgVisitPixel 
{
public:
    ImgVisitPixel(int type = IMREAD_UNCHANGED) :img(imread("mm.jpg",type)) {}
    void Show(string wName) 
    {
        imshow(wName, img);
        moveWindow(wName, 600, 300);
        waitKey(0);
    }
    void Visit_By_Array();
    void Visit_By_Point();
protected:
    Mat img;
};
​
void ImgVisitPixel::Visit_By_Array()
{
    int dims = img.channels();      //得到图片通道数
    for (int i = 0; i < img.rows; i++) 
    {
        for (int j = 0; j < img.cols; j++) 
        {
            if (dims == 1) 
            {
                //单通道图像像素点获取
                int pixel = img.at<uchar>(i, j);
                img.at<uchar>(i, j) = 255 - pixel;      //负片处理
            }
            if (dims == 3) 
            {
                //三通道图像像素点获取
                Vec3b bgr = img.at<Vec3b>(i, j);
                //负片处理
                img.at<Vec3b>(i, j)[0] = 255 - bgr[0];
                img.at<Vec3b>(i, j)[1] = 255 - bgr[1];
                img.at<Vec3b>(i, j)[2] = 255 - bgr[2];
            }
        }
    }
}
​
void ImgVisitPixel::Visit_By_Point()
{
    int dims = img.channels();
    for (int i = 0; i < img.rows; i++) 
    {
        //Mat中有一个ptr成员函数，获取当前i行的指针
        uchar* current_row = img.ptr<uchar>(i);
        for (int j = 0; j < img.cols; j++) 
        {
            if (dims == 1) 
            {
                int pixel = *current_row;      //current_row[j];
                *current_row++ = 255 - pixel;  //做一个横向移动
            }
            if (dims == 3)
            {
                Vec3b bgr = img.at<Vec3b>(i, j);
                *current_row++ = 255 - *current_row;
                *current_row++ = 255 - *current_row;
                *current_row++ = 255 - *current_row;
            }
        }
    }
​
}
​
int main() 
{
    ImgVisitPixel* pImg = new ImgVisitPixel;
    pImg->Show("原图");
    pImg->Visit_By_Array();
    pImg->Show("第一次负片操作");
    pImg->Visit_By_Point();
    pImg->Show("第二次负片操作");
    return 0;
}

像素读写注意点

在读取到像素点的时候，做一些算数运算，一定要注意颜色范围问题，小心溢出，针对溢出，opencv提供一个转换防止溢出

saturate_cast<要转换的类型>(要转换的数据)

  • 小于0 等于0

  • 大于255 直接等于255

img.at<Vec3b>(i, j)[0] =saturate_cast<uchar>(bgr[0]+100);
img.at<Vec3b>(i, j)[1] = saturate_cast<uchar>(bgr[1] + 100);
img.at<Vec3b>(i, j)[2] = saturate_cast<uchar>(bgr[2] + 100);

opencv图像像素运算

注意：参与算术运算图像的数据类型、通道数目、大小必须相同！！！

算术运算

加法：add

void add(InputArray src1, InputArray src2, OutputArray dst,InputArray mask = noArray(), int dtype = -1);
/*******************************************************************
*           src1：   输入图1
*           src2：   输入图2
*           dst：    输出图
*           mask：   遮罩像素  可有可无
*           dtype：  输出图深度 可有可无
*********************************************************************/

减法：subtract

void subtract(InputArray src1,InputArray src2,OutputArray dst,InputArray mask = noArray(),int dtype = -1);
/*******************************************************************
*           src1：   输入图1
*           src2：   输入图2
*           dst：    输出图
*           mask：   遮罩像素  可有可无
*           dtype：  输出图深度 可有可无
*********************************************************************/

乘法：multiply

void multiply(InputArray src1, InputArray src2,OutputArray dst, double scale = 1, int dtype = -1);
/*******************************************************************
*           src1：   输入图1
*           src2：   输入图2
*           dst：    输出图
*           scale：  缩放因子，即在src1*src2的基础上再乘scale
*           dtype：  输出图深度 可有可无
*********************************************************************/

除法：divide

void divide(InputArray src1, InputArray src2, OutputArray dst,double scale = 1, int dtype = -1);
/*******************************************************************
*           src1：   输入图1
*           src2：   输入图2
*           dst：    输出图
*           scale：  缩放因子，即在src1*src2的基础上再乘scale
*           dtype：  输出图深度 可有可无
*********************************************************************/

混合运算：addWeighted

dst = α · img1 + β · img2 + γ

void addWeighted(InputArray s1,double a,InputArray s2,double b,double gamma,OutputArray d,int dtype = -1);
/*******************************************************************
*           s1：     输入图1
*           a:       输入图占比  α
*           s2：     输入图2
*           b:      输入图2占比  β
*           gamma：  附加值，结果基础上再加+gamma   γ  
*           dst：    输出图
*           dtype：  输出图深度 可有可无
*********************************************************************/

综合代码

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
class ImgOpreations 
{
public:
    ImgOpreations() :img1(imread("mm.jpg")), img2(imread("text.jpg")) 
    {
        result = Mat::zeros(img1.size(), img2.type());      //存储的图像一定要初始化
    }
    void testAdd(string wName="Add")
    {
        add(img1, img2, result);
        imshow(wName, result);
        waitKey(0);
    }
    void testSub(string wName="Sub")
    {
        subtract(img1, img2, result);
        imshow(wName, result);
        waitKey(0);
    }
    void testMul(string wName="Mul")
    {
        multiply(img1, img2, result);
        imshow(wName, result);
        waitKey(0);
    }
    void testDivide(string wName = "Div") 
    {
        divide(img1, img2, result);
        imshow(wName, result);
        waitKey(0);
    }
    //dst = α · img1 + β · img2 + γ  
    void testAddWeighted(string wName = "AddWeighted") 
    {
        addWeighted(img1, 0.6, img2, 0.4, 0, result);
        imshow(wName, result);
        waitKey(0);
    }
​
protected:
    Mat img1;
    Mat img2;
    Mat result;
};
​
​
int main() 
{
    ImgOpreations* pImg = new ImgOpreations;
    pImg->testAdd();
    pImg->testSub();
    pImg->testMul();
    pImg->testDivide();
    pImg->testAddWeighted();
    return 0;
}

位运算 

位与

void bitwise_and(InputArray src1, InputArray src2,,OutputArray dst, InputArray mask = noArray());
/*******************************************************************
*           src1：   输入图1
*           src2：   输入图2
*           dst：    输出图
*           mask：   遮罩像素  可有可无
*********************************************************************/

位或

void bitwise_or(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray());
/*******************************************************************
*           src1：   输入图1
*           src2：   输入图2
*           dst：    输出图
*           mask：   遮罩像素  可有可无
*********************************************************************/

非运算

void bitwise_not(InputArray src, OutputArray dst,InputArray mask = noArray());
/*******************************************************************
*           src1：   输入图1
*           dst：    输出图
*           mask：   遮罩像素  可有可无
*********************************************************************/

异或运算

void bitwise_xor(InputArray src1, InputArray src2,OutputArray dst, InputArray mask = noArray());
/*******************************************************************
*           src1：   输入图1
*           src2：   输入图2
*           dst：    输出图
*           mask：   遮罩像素  可有可无
*********************************************************************/

综合代码：图像位运算用图片

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
class BitWise 
{
public:
    BitWise() :img1(imread("mm.jpg")), img2(imread("text.jpg")) {}
    void Show() 
    {
        imshow("mm", img1);
        imshow("text", img2);
    }
    void BitOpreations() 
    {
        Mat myand, myor, myxor, mynot;
        bitwise_and(img1, img2, myand);
        bitwise_or(img1, img2, myor);
        bitwise_not(img1, mynot);
        bitwise_xor(img1, img2, myxor);
            
        imshow("and", myand);
        imshow("or", myor);
        imshow("xor", myxor);
        imshow("not", mynot);
        waitKey(0);
    }
protected:
    Mat img1;
    Mat img2;
};
int main() 
{
    BitWise* pImg = new BitWise;
    pImg->Show();
    pImg->BitOpreations();
    return 0;
}

图像位运算用自绘图图形

注意：       

        ①函数Scalar的使用，传入一个参数就是单通道，三个参数就是RGB

        ②注意构造函数的写法，在Mat类型的img中利用Rect函数进行绘制。

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
class BitWise 
{
public:
    BitWise() :img1(Mat(200,200,CV_8UC1)), img2(Mat(200,200,CV_8UC1)) 
    {
        //Rect绘制矩形(左上角坐标 和绘制矩形宽度和高度)
        img1(Rect(50, 50, 100, 100)) = Scalar(255);
        img2(Rect(100, 100, 100, 100)) = Scalar(255);
    }
    void Show() 
    {
        imshow("mm", img1);
        imshow("text", img2);
        waitKey(0);
    }
    void BitOpreations() 
    {
        Mat myand, myor, myxor, mynot;
        bitwise_and(img1, img2, myand);
        bitwise_or(img1, img2, myor);
        bitwise_not(img1, mynot);
        bitwise_xor(img1, img2, myxor);
            
        imshow("and", myand);
        imshow("or", myor);
        imshow("xor", myxor);
        imshow("not", mynot);
        waitKey(0);
    }
protected:
    Mat img1;
    Mat img2;
};
int main() 
{
    BitWise* pImg = new BitWise;
    pImg->Show();
    pImg->BitOpreations();
    return 0;
}

_Ocean__
关注
  • 4
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
OpenCV-Python实战（1）——OpenCV简介与图像处理基础
盼小辉丶的博客
08-10 21万+
OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。
【OpenCV-Python】——图像处理基础&读写及显示图像&读写及播放视频&灰度图/彩色图/图像通道操作、运算
最新发布
weixin_51658186的博客
04-24 1662
在Python中，OpenCV使用NumPy数组存储图像，Numpy是使用Python进行数组计算的软件包，提供强大的N维数组对象，支持复杂的广播功能（数组运算），集成了C/C++和Fortran代码工具，支持线性代数、傅里叶变换和随机数等特性，还可作为通用数据的高效多维容器，如在OpenCV中显示图像。Numpy的知识点见数据处理专栏，主要包括数据类型、创建数组、数组形状、索引切片和迭代、数组运算等。作为初学者，里面可能有总结不全，后续深入学习后会改善文章！下次学习图形用户界面！
Opencv开发笔记五：像素的读写（一）
qq_40793742的博客
10-03 426
一、讲讲什么是像素 像素是指由图像的小方格即所谓的像素(pixel)组成的，这些小方块都有一个明确的位置和被分配的色彩数值，这些小方块内放的数和所放的位置据决定了图像在某个位置所显示的颜色，比如某一块区域放的都是数字0（255），则该片区域会显示出黑色（白色），可以将像素视为整个图像中不可分割的单位或者是元素，不可分割的意思是它不能够再切割成更小单位抑或是元素，它是以一个单一颜色的小方格形式存在...
opencv学习笔记四（读写像素）
qq_44870829的博客
07-01 524
操作图像像素图像操作读写图像读写像素修改像素值Vec3b与Vec3F 图像操作 读写图像 imread 可以指定加载为灰度或者RGB图像 Imwrite 保存图像文件，类型由扩展名决定 读写像素 读一个GRAY像素点的像素值（CV_8UC1） Scalar intensity = img.at(y, x); 或者 Scalar intensity = img.at(Point(x, y)); 读一个RGB像素点的像素值 Vec3f intensity = img.at(y, x); float
OpenCV：像素读写
qq_42344132的博客
06-22 187
灰度图像获取像素值 int pixelval = image.at<uchar>(row, col); 彩色图像获取像素值 Vec3b bgr = image.at<Vec3b>(row, col);//获取像素值 获取每行的指针 uchar* current_row = image.ptr<uchar>(row); 遍历像素并修改 #include<opencv2/opencv.hpp> #include<iost...
图像识别与处理之Opencv——像素值的读写
耶律大石的博客
10-31 1万+
像素值的读写 很多时候，我们需要读取某个像素值，或者设置某个像素值；在更多的时候，我们需要对整个图像里的所有像素进行遍历。 OpenCV 提供了多种方法来实现图像的遍历。 1 at()函数 函数 at()来实现读去矩阵中的某个像素，或者对某个像素进行赋值操作。 下面两行代码演示了 at()函数的使用方法。uchar value = grayim.at<uchar>(i,j);//读出第 i
【OpenCV基础】图像像素的读写操作
欢迎时常光顾我的干货超市，热衷于AIoT！！
06-11 884
首先Vec3b和uchar都是数据类型。Vec3b实质上是一个uchar的数组，等同于三个uchar数据。那什么是uchar呢？uchar是无符号的整型数据类型，数值范围为0-255之间，刚好适用于图像的像素值。
OpenCV基础类型4--cv::Mat详解
czsnooker的博客
06-30 4万+
cv::Mat是OpenCV定义的用于表示任意维度的稠密数组，OpenCV使用它来存储和传递图像，理解它对我们操作图像是有帮助的，本文将介绍cv::Mat的初始化方式、内置方法等。 元素类型定义 由于cv::Mat要用于存储图像，它里面的元素可以是“像素”，对于像素，OpenCV定义了专门的数据格式来描述它们。 “像素”的数据格式----命名规则： 基本数据类型 + 通道数 CV_{8U, 16S, 16U, 32S, 32F, 64F}C{1, 2, 3} 例如：CV_8UC3: 三通道、每个通道是un
OpenCV实战（1）——OpenCV与图像处理基础
热门推荐
盼小辉丶的博客
10-24 6万+
OpenCV 是一个跨平台计算机视觉和机器学习库，实现了图像处理和计算机视觉方面的很多通用算法。本节将介绍 OpenCV 的基础知识，以及如何编译运行 OpenCV 程序，并介绍如何完成最基本的图像处理任务——读取、显示和保存图像。除此之外，鼠标事件和图形绘制也是 OpenCV 计算机视觉项目中常用的基本功能，本节介绍了如何使用这两个重要的 OpenCV 功能。
2017-SYSU-DIP:个人作业的备份，用于“数字图像处理”课程@ sysu2017
04-29
4. Pillow：Python的一个图像处理库，支持多种图像格式的读写操作。 通过分析和实践这些知识点，学生可以深入理解数字图像处理的基本原理，掌握处理图像的Python技巧，为未来在图像识别、机器学习等领域的工作打下...
【学习OpenCV4】如何操作图像中的像素?
Huffie博客
07-18 633
图像的像素操作包括读写操作、算数操作、逻辑运算操作等。像素的操作方式不仅多样，对于灰度图的操作和对彩色图的操作也有各自的特点。对像素点的操作可以使我们访问图像的每一个像素点，实现许多意想不到的功能。
＜LearnOpenCV(4) C++＞图像的像素操作
m0_56838271的博客
10-02 597
本文了解单通道图像与三通道图像的像素操作，包括指针访问和非指针访问。
4.opencv由浅入深--图像像素相关操作
Venus的博客
11-10 748
图像像素相关操作
opencv：图像像素的读写操作（四）
weixin_44549563的博客
09-20 144
图像像素的读写操作
OpenCV--图像融合、截取、更改大小、像素点计算
一只攻城狮的博客
05-08 1597
OpenCV–图像融合、截取、更改大小、像素点计算 一、截取图像中的一部分 #截取部分图像数据 cat = img[0:50, 0:200] cv_imgshow('cat', cat) 二、像素点计算 dst = cv.add( src1, src2[, dst[, mask[, dtype]]] ) 该函数如果加起来大于255，则就取最大值255，否则取加起来的值 代码示例： #像素值计...
Opencv 基本操作一 c++的常用数组运算方法
a486259的博客
11-27 3266
包含各类对于opencv矩阵的运算操作，包含通道的分离与合并，mat值域的按范围截取，各种类型mat的取值赋值
Opencv常见数据类型(一）
sunshineking9的博客
08-08 1702
一.cv::Vec类 1.基本概念 cv::Vec类可以用来表示固定长度的向量，是一个模板类，常使用[]来访问Vec向量成员，其主要用来储存数值向量。除此之外，还有cv::Matx，它是cv::Vec类的基类。cv::Matx类可以用来处理固定大小的小维度矩阵运算。 ...
OpenCV学习笔记-day4 图像像素的读写操作(数组遍历和指针遍历实现，uchar Vec3b 数据类型以及mat类函数 Mat::at()、Mat::ptr())
qq_44799835的博客
01-06 2404
OpenCV 学习笔记day4-图像像素的读写操作(数组和指针)数据类型ucharVec3b函数at()函数 Mat类ptr()函数 Mat类代码 day4-图像像素的读写操作(数组和指针) 数据类型 uchar uchar是无符号的字符类型，数值范围为0～255,在图像处理中表示像素值范围时用的多 Vec3b 表示每一个Vec3b对象中,存储3个char(字符型)数据,可以去存储RGB图像中的一个像素点 例1 描述一种RGB颜色： Vec3b color; color[0]=0;//B分量 color[1
图像操作
程序客栈
03-14 339
图像操作读写像素修改像素值  ： 计算程序执行时间  : 处理像素范围读写像素修改像素值 （用函数at&lt;&gt;（）)opencv中使用vec可表示向量，用于矩阵元素的表达。矩阵元素的表达：对于单通道图像，其元素类型一般为 8U （即 8位无符号整数），当然也可以 是 16S 、32F32F 等；这些类型可以直接用 uchar 、short 、float等 C/C++语言中的基本数据类型表达...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

_Ocean__

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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