OpenCV学习05-图像操作

￡神魔★判官ぃ 2022-05-21 07:44 303阅读 0赞

![70][]

#include <opencv2\opencv.hpp>
    #include <iostream>
    
    using namespace std;
    using namespace cv;
    
    int main()
    {
    	Mat src;
    	src = imread("D:/demo01.jpg");
    	if (src.empty())
    	{
    		cout << "could not find the image resource..." << endl;
    		return -1;
    	}
    	namedWindow("My Image", CV_WINDOW_AUTOSIZE);
    	imshow("My Image", src);
    	Mat grayImage;
    	//函数可以做下面类型的转换，需要说明的是在opencv2.x时颜色空间转换code用的宏定义是CV_前缀开头，而在opencv3.x版本其颜色空间转换code宏定义更改为COLOR_开头
    	cvtColor(src,grayImage,COLOR_BGR2GRAY);
    	namedWindow("单通道灰度图像", CV_WINDOW_AUTOSIZE);
    	imshow("单通道灰度图像", grayImage);
    	//1).empty() 判断文件读取是否正确
    	//2).rows 获取图像行数(高度)
    	//3).cols 获取图像列数(长度)
    	//4).channels() 获取图像通道数
    	//5).depth() 获取图像位深度
    	//单通道 做反色处理
    	int height = grayImage.rows;
    	int width = grayImage.cols;
    	//Mat.ptr<uchar>(row)：获取第row行的图像像素指针。图像的行数从0开始计数
    	//获取点P（row, col）的像素值：P(row.col) = Mat.ptr<uchar>(row)[col]
    	for (int row = 0; row < height; row++)
    	{
    		for (int col = 0; col < width; col++)
    		{
    			int gray = grayImage.at<uchar>(row,col);
    			grayImage.at<uchar>(row, col) = 255 - gray;
    		}
    	}
    	namedWindow("单通道做反色处理", CV_WINDOW_AUTOSIZE);
    	imshow("单通道做反色处理", grayImage);
    
    	//多通道
    	Mat dst;
    	dst.create(src.size(),src.type());
    	//height = src.rows;
    	//width = src.cols;
    
    	//int nc = src.channels();
    
    	//for (int row = 0; row < height; row++)
    	//{
    	//	for (int col = 0; col < width; col++)
    	//	{
    	//		if (1 == nc)
    	//		{
    	//			int gray = grayImage.at<uchar>(row, col);
    	//			grayImage.at<uchar>(row, col) = 255 - gray;// 表示对当前图像取反
    	//		}
    	//		else if (3 == nc)
    	//		{
    	//			//src.at<Vec3b>(row, col)[0];
    	//			//意味着从彩色3通道图像中row行col列第0个通道的颜色点
    	//			//Vec3b 图像像素值类型
    	//			int b = src.at<Vec3b>(row, col)[0];
    	//			int g = src.at<Vec3b>(row, col)[1];
    	//			int r = src.at<Vec3b>(row, col)[2];
    	//			dst.at<Vec3b>(row, col)[0] = 255 - b;
    	//			dst.at<Vec3b>(row, col)[1] = 255 - g;
    	//			dst.at<Vec3b>(row, col)[2] = 255 - r;
    	//		}
    	//	}
    	//}
    	bitwise_not(src, dst); //这个是利用位取反函数对图像进行取反。
    	namedWindow("三通道做反色处理", CV_WINDOW_AUTOSIZE);
    	imshow("三通道做反色处理", dst);
    	waitKey(0);
    	return 0;
    }

# .图像基本运算 #

图像的基本运算有很多种，比如两幅图像可以相加、相减、相乘、相除、位运算、平方根、对数、绝对值等；图像也可以放大、缩小、旋转，还可以截取其中的一部分作为ROI（感兴趣区域）进行操作，各个颜色通道还可以分别提取及对各个颜色通道进行各种运算操作。总之，对于图像可以进行的基本运算非常的多，只是挑了些常用的操作详解。

1.  void add(InputArray src1, InputArray src2, OutputArray dst,InputArray mask=noArray(), int dtype= \-1); *//dst = src1 + src2*
2.  void subtract(InputArray src1, InputArray src2, OutputArray dst,InputArray mask=noArray(), int dtype= \-1); *//dst = src1 - src2*
3.  void multiply(InputArray src1, InputArray src2,OutputArray dst, double scale=1, int dtype=\-1); *//dst = scale\*src1\*src2*
4.  void divide(InputArray src1, InputArray src2, OutputArray dst,double scale=1, int dtype=\-1); *//dst = scale\*src1/src2*
5.  void divide(double scale, InputArray src2,OutputArray dst, int dtype=\-1); *//dst = scale/src2*
6.  void scaleAdd(InputArray src1, double alpha, InputArray src2, OutputArray dst); *//dst = alpha\*src1 + src2*
7.  void addWeighted(InputArray src1, double alpha, InputArray src2,double beta, double gamma, OutputArray dst, int dtype=\-1); *//dst = alpha\*src1 + beta\*src2 + gamma*
8.  void sqrt(InputArray src, OutputArray dst); *//计算每个矩阵元素的平方根*
9.  void pow(InputArray src, double power, OutputArray dst); *//src的power次幂*
10. void exp(InputArray src, OutputArray dst); *//dst = e\*\*src（\*\*表示指数的意思）*
11. void log(InputArray src, OutputArray dst); *//dst = log(abs(src))*

上述的基本操作中都属于将基础数学运算应用于图像像素的处理中，下面将着重介绍

1.  bitwise\_and、bitwise\_or、bitwise\_xor、bitwise\_not这四个按位操作函数。
2.  void bitwise\_and(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); *//dst = src1 & src2*
3.  void bitwise\_or(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); *//dst = src1 | src2*
4.  void bitwise\_xor(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); *//dst = src1 ^ src2*
5.  void bitwise\_not(InputArray src, OutputArray dst,InputArray mask=noArray()); *//dst = ~src*

bitwise\_and是对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作，1&1=1，1&0=0，0&1=0，0&0=0  
bitwise\_or是对二进制数据进行“或”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“或”操作，1|1=1，1|0=0，0|1=0，0|0=0  
bitwise\_xor是对二进制数据进行“异或”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“异或”操作，1^1=0,1^0=1,0^1=1,0^0=0

**bitwise\_not是对二进制数据进行“非”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“非”操作，~1=0，~0=1**

l Vec3b 对应三通道的顺序是 blue 、 green 、 red 的 uchar 类型数据。

l Vec3f 对应三通道的 float 类型数据

l 把 CV\_8UC1 转换到 CV32F1 实现如下：

src.convertTo(dst,CV\_32F);

# 6-两幅图像融合简单实现1；addWeighted()函数；两幅图像尺寸相同时； #

在图像处理的操作中经常会遇到将两幅图像融合成一张图像的问题，在opnecv里利用addWeighted()函数可以很容易实现这个功能。

*  在addWeighted()函数中，输入两个图像image1 和 image2。
 *  两个图像可以是任何象素类型，只要它们的类型相同。它们可以是单通道或是三通道，只要它们相符。
 *  且图像尺寸大小必须相同，否则编译会出错！！！

## 1.addWeighted()函数 ##

此函数的作用是将两幅图像进行融合。计算两个数组的加权和(dst = alpha\*src1 + beta\*src2 + gamma)。

首先看一下addWeighted()函数定义：

1.  void addWeighted(InputArray src1, double alpha, InputArray src2,
2.  double beta, double gamma, OutputArray dst, int dtype= \-1);

参数说明：

*  第一个参数：src1，表示进行加权操作的第一个图像对象，即输入图片1。
 *  第二个参数：double型的alpha，表示第一个图像的加权系数，即图片1的融合比例。
 *  第三个参数：src2，表示进行加权操作的第二个图像对象，即输入图片2。
 *  第四个参数：double型的beta，表示第二个图像的加权系数，即图片2的融合比例。很多情况下，有关系 alpha+beta=1.0。
 *  第五个参数：double型的gamma，表示一个作用到加权和后的图像上的标量，可以理解为加权和后的图像的偏移量。
 *  第六个参数：dst，表示两个图像加权和后的图像，尺寸和图像类型与src1和src2相同，即输出图像。
 *  第七个参数：输出阵列的可选深度，有默认值-1。当两个输入数组具有相同的深度时，这个参数设置为-1（默认值），即等同于src1.depth()。

公式表达即为;

*        dst = src1\[I\] \* alpha + src\[2\] \* beta + gamma;

其中：alpha + beta =1

## 程序说明 ##

注意：要融合的两个图像的尺寸与类型必须一致！！！

我们说到在两幅图像融合时，我们要求这两幅图像必须类型尺寸一致。但是，若遇到两幅图像尺寸不相同时，我们怎么处理呢？

这节，我们通过两种方式解决这个问题。

1.  **重置其中一副图像的尺寸大小，使其两幅图像尺寸一致；**
2.  **在较大的图像中设置感兴趣区域ROI，获得与较小的那个图像尺寸一致的区域；**

注意：第一种方式会造成其中一副图像发生形变；而第二种方式不会改变两幅图像的尺寸；

==============分割线===========

addWeighted()函数

作用：计算两个数组的加权和(dst = alpha\*src1 + beta\*src2 + gamma)。即将两幅图像进行融合。

1.  void addWeighted(InputArray src1, double alpha, InputArray src2,
2.  double beta, double gamma, OutputArray dst, int dtype= \-1);

参数说明：

*  第一个参数：src1，表示进行加权操作的第一个图像对象，即输入图片1；
 *  第二个参数：double型的alpha，表示第一个图像的加权系数，即图片1的融合比例；
 *  第三个参数：src2，表示进行加权操作的第二个图像对象，即输入图片2；
 *  第四个参数：double型的beta，表示第二个图像的加权系数，即图片2的融合比例。很多情况下，有关系 alpha+beta=1.0；
 *  第五个参数：double型的gamma，表示一个作用到加权和后的图像上的标量，可以理解为加权和后的图像的偏移量；
 *  第六个参数：dst，表示两个图像加权和后的图像，尺寸和图像类型与src1和src2相同，即输出图像；
 *  第七个参数：输出阵列的可选深度，有默认值-1。当两个输入数组具有相同的深度时，这个参数设置为-1（默认值），即等同于src1.depth（）。

## 1-1-第一种方法代码演示 ##

#include <opencv2\opencv.hpp>
    
    #include <iostream>
    
    using namespace cv;
    using namespace std;
    //我们说到在两幅图像融合时，我们要求这两幅图像必须类型尺寸一致。但是，若遇到两幅图像尺寸不相同时，我们怎么处理呢？
    //这节，我们通过两种方式解决这个问题。
    //1.重置其中一副图像的尺寸大小，使其两幅图像尺寸一致；
    //2.在较大的图像中设置感兴趣区域ROI，获得与较小的那个图像尺寸一致的区域；
    //注意：第一种方式会造成其中一副图像发生形变；而第二种方式不会改变两幅图像的尺寸；
    int main()
    {
    	//1 定义相关变量
    	Mat src1, src2, dst;
    	//2 读取原始图像并检查图像是否读取成功
    	src1 = imread("D:/demo01.jpg");
    	//"D:/demo01.jpg" 或者"D:\\demo01.jpg"
    	if (!src1.data)
    	{
    		cout << "读取图像有误，请重新输入正确路径！\n";
    		return -1;
    	}
    	src2 = imread("D:/demo02.jpg");
    	if (src2.empty())//如果数组没有元素 返回true
    	{
    		cout << "读取图像有误，请重新输入正确路径！\n";
    		return -1;
    	}
    
    	//3 显示原始图像
    	namedWindow("原始图像1",CV_WINDOW_AUTOSIZE);
    	imshow("原始图像1",src1);
    
    
    
    	//1.重置其中一副图像的尺寸大小，使其两幅图像尺寸一致；
    	//调整src2的大小与src1的大小一致 融合函数addWeighted()要求输入的两个图像尺寸类型必须相同
    	// OpenCV提供了resize函数来改变图像的大小，函数原型如下：
    	//void resize(InputArray src, OutputArray dst, Size dsize, double fx=0, double fy=0, int interpolation=INTER_LINEAR );
    	//src：输入，原图像，即待改变大小的图像；
    	//dst：输出，改变大小之后的图像，这个图像和原图像具有相同的内容，只是大小和原图像不一样而已；
    	//dsize：输出图像的大小。如果这个参数不为0，那么就代表将原图像缩放到这个Size(width，height)指定的大小；如果这个参数为0，那么原图像缩放之后的大小就要通过下面的公式来计算：
    	//dsize = Size(round(fx*src.cols), round(fy*src.rows))
    	//	其中，fx和fy就是下面要说的两个参数，是图像width方向和height方向的缩放比例。
    	//	fx：width方向的缩放比例，如果它是0，那么它就会按照(double)dsize.width / src.cols来计算；
    	//	fy：height方向的缩放比例，如果它是0，那么它就会按照(double)dsize.height / src.rows来计算；
    	resize(src2,src2,Size(src1.cols,src1.rows));
    	namedWindow("原始图像2", CV_WINDOW_AUTOSIZE);
    	imshow("原始图像2", src2);	
    	//bool imwrite(const String& filename, InputArray img, const std::vector<int>& params = std::vector<int>());
    	//imwrite("D:/demo02.jpg",src2);
    
    	//利用addWeighted()函数对两幅图像进行融合
    	addWeighted(src1,0.6,src2,0.4,0,dst);
    
    	namedWindow("图像1与图像2融合效果图");
    	imshow("图像1与图像2融合效果图", dst);
    
    
    	//保持等待状态
    	waitKey(0);
    	return 0;
    }

![70 1][]

## 第一种方法程序说明 ##

通过上面的结果，我们可以看出。

输入的是一大一小的两幅图像，通过将小图像（指的是：手的那副）利用resize()函数，重置其尺寸大小，让它与塔尖的那副大图像尺寸一致。

这样我们就可以利用addWeighted()函数进行融合了。

可以发现，这种方式，对小图像的尺寸进行改变。

OpenCV提供了resize函数来改变图像的大小，函数原型如下：

void resize(InputArray src, OutputArray dst, Size dsize, double fx=0, double fy=0, int interpolation=INTER_LINEAR );

先解释一下各个参数的意思：

src：输入，原图像，即待改变大小的图像；

dst：输出，改变大小之后的图像，这个图像和原图像具有相同的内容，只是大小和原图像不一样而已；

dsize：输出图像的大小。如果这个参数不为0，那么就代表将原图像缩放到这个Size(width，height)指定的大小；如果这个参数为0，那么原图像缩放之后的大小就要通过下面的公式来计算：

dsize = Size(round(fx\*src.cols), round(fy\*src.rows))

其中，fx和fy就是下面要说的两个参数，是图像width方向和height方向的缩放比例。

fx：width方向的缩放比例，如果它是0，那么它就会按照(double)dsize.width/src.cols来计算；

fy：height方向的缩放比例，如果它是0，那么它就会按照(double)dsize.height/src.rows来计算；

interpolation：这个是指定插值的方式，图像缩放之后，肯定像素要进行重新计算的，就靠这个参数来指定重新计算像素的方式，有以下几种：

*  INTER\_NEAREST - 最邻近插值
 *  INTER\_LINEAR - 双线性插值，如果最后一个参数你不指定，默认使用这种方法
 *  INTER\_AREA - resampling using pixel area relation. It may be a preferred method for image decimation, as it gives moire’-free results. But when the image is zoomed, it is similar to the INTER\_NEAREST method.
 *  INTER\_CUBIC - 4x4像素邻域内的双立方插值
 *  INTER\_LANCZOS4 - 8x8像素邻域内的Lanczos插值

使用注意事项：

1. dsize和fx/fy不能同时为0，要么你就指定好dsize的值，让fx和fy空置直接使用默认值，就像

resize(img, imgDst, Size(30,30));

要么你就让dsize为0，指定好fx和fy的值，比如fx=fy=0.5，那么就相当于把原图两个方向缩小一倍！

2. 至于最后的插值方法，正常情况下使用默认的双线性插值就够用了。

几种常用方法的效率是：最邻近插值>双线性插值>双立方插值>Lanczos插值；

但是效率和效果成反比，所以根据自己的情况酌情使用。

3. 正常情况下，在使用之前dst图像的大小和类型都是不知道的，类型从src图像继承而来，大小也是从原图像根据参数计算出来。但是如果你事先已经指定好dst图像的大小，那么你可以通过下面这种方式来调用函数：

resize(src, dst, dst.size(), 0, 0, interpolation);

# 保存图像：imwrite()函数 #

bool imwrite( const String& filename, InputArray img, const std::vector<int>& params = std::vector<int>());

第一个参数：将要另保存图像的名称，可以自己定义名称。

第二个参数：你要要保存的图像名称，是目前已经存在的图像。

第三个参数：来设置对于图像格式的参数，一般省略，不写。

## 2-1-第二种方法代码演示 ##

#include <opencv2\opencv.hpp>
    
    #include <iostream>
    
    using namespace cv;
    using namespace std;
    //我们说到在两幅图像融合时，我们要求这两幅图像必须类型尺寸一致。但是，若遇到两幅图像尺寸不相同时，我们怎么处理呢？
    //这节，我们通过两种方式解决这个问题。
    //1.重置其中一副图像的尺寸大小，使其两幅图像尺寸一致；
    //2.在较大的图像中设置感兴趣区域ROI，获得与较小的那个图像尺寸一致的区域；
    //注意：第一种方式会造成其中一副图像发生形变；而第二种方式不会改变两幅图像的尺寸；
    int main()
    {
    	//1 定义相关变量
    	Mat src1, src2, dst;
    	//2 读取原始图像并检查图像是否读取成功
    	src1 = imread("D:/demo01.jpg");
    	//"D:/demo01.jpg" 或者"D:\\demo01.jpg"
    	if (!src1.data)
    	{
    		cout << "读取图像有误，请重新输入正确路径！\n";
    		return -1;
    	}
    	src2 = imread("D:/demo02.jpg");
    	if (src2.empty())//如果数组没有元素 返回true
    	{
    		cout << "读取图像有误，请重新输入正确路径！\n";
    		return -1;
    	}
    
    	//3 显示原始图像
    	namedWindow("原始图像1",CV_WINDOW_AUTOSIZE);
    	imshow("原始图像1",src1);
    	namedWindow("原始图像2", CV_WINDOW_AUTOSIZE);
    	imshow("原始图像2", src2);
    	//第二种方法代码演示
    	//2.在较大的图像中设置感兴趣区域ROI，获得与较小的那个图像尺寸一致的区域；
    	//利用ROI,获取将要较小的那个图像尺寸一致的区域
    	Mat imageROI;
    	imageROI = src2(Rect(20, 40, src1.cols, src1.rows));//在src2图像左上角(20,40)处(即起点位置)，获取同src1图像尺寸一致的区域
    
    	//利用addWeighted()函数对两幅图像进行融合
    	//void addWeighted(InputArray src1, double alpha, InputArray src2,
    	//double beta, double gamma, OutputArray dst, int dtype = -1);
    	addWeighted(src1, 0.6, imageROI, 0.4, 0., imageROI);
    
    	namedWindow("图像1与图像2融合效果图");
    	imshow("图像1与图像2融合效果图", src2);
    
    
    	//保持等待状态
    	waitKey(0);
    	return 0;
    }

![70 2][]

## 第二种方法程序说明 ##

通过上面的结果，我们可以看出。

同样输入一大一小的两幅图像，我们在大图像上设置感兴趣区域ROI，此部分区域尺寸和小图像（指的的：手图像）尺寸一致。

这样我们就可以利用addWeighted()函数进行融合了。

可以发现，这种方式，对小图像的尺寸没有发生改变，同时我们还可以设置小图像在大图像的什么位置融合。

最近发现[OpenCV][]中的Rect类非常神奇，其中很多函数使用起来极其方便。一下列举一些比较实用的函数：

1.  size()函数返回矩形的尺寸大小。返回类型为cv::Size。
2.  area()函数返回矩形的面积，也就是矩形包含的像素点个数。也就是矩形的（宽\*高）的值。  
    
3.  contains(Point)能检测点是否在矩形内。  
    
4.  inside（Rect）检测矩形是否在矩形内。  
    
5.  tl()返回矩形左上角的点坐标。即top-left。
6.  br()返回矩形右下角点坐标。即bottom-right。

还有更神奇的招数！如果要求两个矩形的交集与并集，opencv的Rect类提供了非常方便的方式。

\[cpp\]  [view plain][]   [copy][view plain]

1.  Rect rect = rect1 & rect2;    
2.  Rect rect = rect1 | rect2;

如果想将Rect平移，可以这样写：

\[cpp\]  [view plain][]   [copy][view plain]

1.  Rect r1(0, 0, 5, 5);  
2.  Point p(2, 3);  
3.  Rect r2 = r1 + p;<span style="white-space:pre">   </span>//平移

如果想改变矩形的尺寸大小，可以这样写：

\[cpp\]  [view plain][]   [copy][view plain]

1.  Rect r1(0, 0, 5, 5);      
2.  Size s(-1, -1);  
3.  Rect r2 = r1 + s;<span style="white-space:pre">       </span>//改变尺寸大小

但是据我观察，rect裁出来的数据只是加上了坐标限制，但是data里存的数据还是全部的数据，所以如果需要访问data的话还是要单点拷贝了，就是写一个循环一个一个赋值。

//Rect类对象的创建示例
    //Rect rect(40, 40, 60, 30);
    //参数解释：
    //参数1：创建矩形的最左角的 x - 坐标 ；
    //参数2：创建矩形的最左角的 y - 坐标；
    //参数3：创建矩形的宽；
    //参数4：创建矩形的高；
    
    #include <opencv2\opencv.hpp>
    
    #include <iostream>
    
    using namespace cv;
    using namespace std;
    
    int main()
    {
    	//【0】定义相关变量
    	Rect rect(40, 40, 60, 30);
    	Point point(10, 10);	//定义坐标在（10，10）的点
    	Point point2(70, 50);
    	Rect rect1(20, 20, 30, 40);
    	Rect rect2(90, 30, 20, 10);
    	Size size(20, 20);
    
    	//【1】Rect类的相关操作
    	cout << "矩形rect左上角的横坐标：" << rect.x << endl;
    	cout << "矩形rect左上角的纵坐标：" << rect.y << endl;
    	cout << "矩形rect的宽度：" << rect.width << endl;
    	cout << "矩形rect的高度：" << rect.height << endl;
    	cout << "矩形rect的尺寸：" << rect.size() << endl;
    	cout << "矩形rect的面积：" << rect.area() << endl;
    
    	//tl()返回矩形左上角的点坐标。即top-left。
    	cout << "\n矩形rect左上角的点坐标：" << rect.tl() << endl;
    	//br()返回矩形右下角点坐标。即bottom-right
    	cout << "矩形rect右下角的点坐标：" << rect.br() << endl;
    
    	//该点在里面则为1，否则为0
    	//contains(Point)能检测点是否在矩形内
    	cout << "\n判断(10, 10)这个点在不在矩形rect内：" << rect.contains(point) << endl;
    
    	cout << "判断(70, 50)这个点在不在矩形rect内：" << rect.contains(point2) << endl;
    
    	cout << "\n矩阵rect与矩阵rect1的交集：" << (rect1 & rect) << endl;
    	cout << "矩阵rect与矩阵rect1的并集：" << (rect | rect2) << endl;
    
    	cout << "\n矩阵rect2进行平移操作：" << (rect2 + point) << endl;
    	cout << "矩阵rect2进行平移操作：" << (rect2 - point) << endl;
    	cout << "矩阵rect2改变尺寸大小操作：" << (rect2 + size) << endl;
    	system("pause");	//作用：暂停黑窗口，否则窗口一闪而过，看不见信息
    	return 0;
    }

[70]: /images/20220521/b70a4dbc8939494da54bff9e129294dc.png
[70 1]: /images/20220521/da7d729d35c14976b767f0c6b80b617d.png
[70 2]: /images/20220521/6cbde03afe8b41fcb7278caee7c65fce.png
[OpenCV]: http://lib.csdn.net/base/opencv
[view plain]: http://blog.csdn.net/q6324266/article/details/52403744#