OpenCV 学习 (Split 和 Merge)
2015-10-20 14:44
525 查看
OpenCV 学习 (Split 和 Merge)
我们在图像处理时,经常要单独对某一个颜色通道进行处理。这时可以利用 Opencv 提供的 split 和 merge 函数。split 函数
用于将一幅多通道的图像的各个通道分离。这个函数的原型如下:
void split(const Mat& src, vector<Mat_<_Tp> >& mv)
用法很简单,src 是一幅多通道的图像。
mv 保存各个通道,每个通道存放到一个 mat 中。
merge 函数
merge 与split 函数相反。可以将多个单通道图像合成一幅多通道图像。函数原型如下:
void merge(const Mat* mv, size_t count, OutputArray dst); void merge(const vector<Mat>& mv, OutputArray dst );
这两个函数非常简单,所以就不举例子了。
有时,我用Qt写的小程序中也需要这个功能,又不想为了这么点小功能就使用 opencv。所以就自己山寨了两个函数。(其实是这篇博客实在是太短了,要找些内容来凑数)
两个函数的函数声明如下:
QList<QImage> split(const QImage &image); QImage merge(const QImage &channel_R, const QImage &channel_G, const QImage &channel_B);
这里 merge 函数只能合并 3 个颜色通道。如果需要 alpha 通道,可以在这个代码基础上修改。
下面是代码,不多解释。希望对大家有用。
#include <QImage> #include <QVector> inline static bool isContinuous(const QImage &image) { bool ret = false; switch(image.format()) { case QImage::Format_Indexed8: ret = image.bytesPerLine() == image.width(); break; case QImage::Format_ARGB32: case QImage::Format_RGB32: case QImage::Format_ARGB32_Premultiplied: case QImage::Format_RGBX8888: case QImage::Format_RGBA8888: case QImage::Format_RGBA8888_Premultiplied: case QImage::Format_BGR30: case QImage::Format_A2BGR30_Premultiplied: case QImage::Format_RGB30: case QImage::Format_A2RGB30_Premultiplied: ret = image.bytesPerLine() == 4 * image.width(); break; case QImage::Format_RGB16: case QImage::Format_RGB555: case QImage::Format_RGB444: case QImage::Format_ARGB4444_Premultiplied: ret = image.bytesPerLine() == 2 * image.width(); break; case QImage::Format_ARGB6666_Premultiplied: case QImage::Format_ARGB8565_Premultiplied: case QImage::Format_RGB666: case QImage::Format_ARGB8555_Premultiplied: case QImage::Format_RGB888: ret = image.bytesPerLine() == 3 * image.width(); case QImage::Format_Mono: case QImage::Format_MonoLSB: ret = image.byteCount()* 8 == image.width() * image.height(); default: ret = false; break; } return ret; } QImage merge(const QImage &channel_R, const QImage &channel_G, const QImage &channel_B) { if(channel_R.size() != channel_G.size() || channel_R.size() != channel_B.size()) { return QImage(); } if(channel_R.format() != QImage::Format_Indexed8 || channel_G.format() != QImage::Format_Indexed8 || channel_B.format() != QImage::Format_Indexed8) { return QImage(); } QImage image(channel_R.size(), QImage::Format_RGB32); int width = image.width(); int height = image.height(); if(isContinuous(image) && isContinuous(channel_B) && isContinuous(channel_G) && isContinuous(channel_R)) { // 如果图像占用的内存是连续的,则可以只用一个循环来处理 width = width * height; height = 1; } for(int j = 0; j < height; j++) { QRgb* line = (QRgb*) image.scanLine(j); const uchar * r = channel_R.constScanLine(j); const uchar * g = channel_G.constScanLine(j); const uchar * b = channel_B.constScanLine(j); for(int i = 0; i < width; i++) { line[i] = qRgb(r[i], g[i], b[i]); } } return image; } QList<QImage> split(const QImage &image) { QList<QImage> rgb; if(image.isNull()) { return rgb; } QImage::Format f = image.format(); if(f == QImage::Format_RGB32 || f == QImage::Format_ARGB32 || f == QImage::Format_ARGB32_Premultiplied) { rgb.append(QImage()); rgb.append(QImage()); rgb.append(QImage()); rgb[0] = QImage(image.size(), QImage::Format_Indexed8); rgb[1] = QImage(image.size(), QImage::Format_Indexed8); rgb[2] = QImage(image.size(), QImage::Format_Indexed8); for(int i = 0; i < 256; i++) { rgb[0].setColor(i, qRgb(i, 0, 0)); rgb[1].setColor(i, qRgb(0, i, 0)); rgb[2].setColor(i, qRgb(0, 0, i)); } int width = image.width(); int height = image.height(); for(int j = 0; j < height; j++) { const QRgb* line = (QRgb*) image.constScanLine(j); uchar * line_r = rgb[0].scanLine(j); uchar * line_g = rgb[1].scanLine(j); uchar * line_b = rgb[2].scanLine(j); for(int i = 0; i < width; i++) { line_r[i] = qRed(line[i]); line_g[i] = qGreen(line[i]); line_b[i] = qBlue(line[i]); } } } return rgb; }
相关文章推荐
- PHP GD 图像处理组件的常用函数总结
- PHP图像处理之imagecreate、imagedestroy函数介绍
- jsvascript图像处理―(计算机视觉应用)图像金字塔
- Javascript图像处理思路及实现代码
- python中使用OpenCV进行人脸检测的例子
- opencv 做人脸识别 opencv 人脸匹配分析
- 使用opencv拉伸图像扩大分辨率示例
- PHP图像处理之使用imagecolorallocate()函数设置颜色例子
- java数字图像处理基础使用imageio写图像文件示例
- 使用Java进行图像处理的一些基础操作
- javascript图像处理―边缘梯度计算函数
- Javascript图像处理―阈值函数实例应用
- Javascript图像处理―虚拟边缘介绍及使用方法
- OpenCV 2.4.3 C++ 平滑处理分析
- PHP图像处理类库及演示分享
- php图像处理函数大全(推荐收藏)
- Javascript图像处理―图像形态学(膨胀与腐蚀)
- Javascript图像处理―平滑处理实现原理
- 利用Python和OpenCV库将URL转换为OpenCV格式的方法
- python结合opencv实现人脸检测与跟踪