您的位置：首页 > 运维架构

重新学习2.0以上OPENCV（基于MAT类型）2

2017-01-03 15:53 288 查看
图像中像素点的遍历：

1.用模板函数
at<typename>(i,j)


Mat类提供了一个at的方法用于取得图像上的点，它是一个模板函数，可以取到任何类型的图像上的点。下面我们通过一个图像处理中的实际来说明它的用法。

在实际应用中，我们很多时候需要对图像降色彩，因为256*256*256实在太多了，在图像颜色聚类或彩色直方图时，我们需要用一些代表性的颜色代替丰富的色彩空间，我们的思路是将每个通道的256种颜色用64种代替，即将原来256种颜色划分64个颜色段，每个颜色段取中间的颜色值作为代表色。

void colorReduce(Mat& Image,int div)
{
for(int i=0;i<Image.rows;i++)
{
for(int j=0;j<Image.cols;j++)
{
Image.at<Vec3b>(i,j)[0]=Image.at<Vec3b>(i,j)[0]/div*div+div/2;
Image.at<Vec3b>(i,j)[1]=Image.at<Vec3b>(i,j)[1]/div*div+div/2;
Image.at<Vec3b>(i,j)[2]=Image.at<Vec3b>(i,j)[2]/div*div+div/2;
}
}
}


1.
Image.at<uchar>(i,j)
：取出灰度图像中i行j列的点。

2.
Image.at<Vec3b>(i,j)[k]
：取出彩色图像中i行j列第k通道的颜色点。其中uchar,Vec3b都是图像像素值的类型，不要对Vec3b这种类型感觉害怕，其实在core里它是通过
typedef Vec<T,N>
来定义的，N代表元素的个数，T代表类型。

更简单一些的方法：OpenCV定义了一个Mat的模板子类为Mat_，它重载了operator()让我们可以更方便的取图像上的点:

Mat_<uchar> im=Image;


im(i,j)=im(i,j)/div*div+div/2;


2.用指针来遍历像素点

上面的例程中可以看到，我们实际喜欢把原图传进函数内，但是在函数内我们对原图像进行了修改，而将原图作为一个结果输出，很多时候我们需要保留原图，这样我们需要一个原图的副本。

void colorReduce(const Mat& Image,Mat& outImage,int div)
{
// 创建与原图像等尺寸的图像
outImage.create(Image.size(),Image.type());
int nr=Image.rows;
// 将3通道转换为1通道
int nr=Image.cols*Image.channels();
for(int k=0;k<nr;k++)
{
// 每一行图像的指针
const uchar* inData=Image.ptr<uchar>(k);
uchar* outData=outImage.ptr<uchar>(k);
for(int i=0;i<nr;i++)
{
outData[i]=inData[i]/div*div+div/2;
//*outData++=*inData++/div*div+div/2;
}
}
}


值得说明的是：程序中将三通道的数据转换为1通道，在建立在每一行数据元素之间在内存里是连续存储的，每个像素三通道像素按顺序存储。也就是一幅图像数据最开始的三个值，是最左上角的那像素的三个通道的值。

但是这种用法不能用在行与行之间，因为图像在OpenCV里的存储机制问题，行与行之间可能有空白单元。这些空白单元对图像来说是没有意思的，只是为了在某些架构上能够更有效率，比如intel MMX可以更有效的处理那种个数是4或8倍数的行。一般来说图像行与行之间往往存储是不连续的，但是有些图像可以是连续的，Mat提供了一个检测图像是否连续的函数isContinuous()。当图像连通时，我们就可以把图像完全展开，看成是一行。

if(Image.isContinuous()&&outImage.isContinuous())
{
nr=1;
nc=nc*Image.rows*Image.channels();
}
for(int i=0;i<nr;i++)
{
const uchar* inData=Image.ptr<uchar>(i);
uchar* outData=outImage.ptr<uchar>(i);
for(int j=0;j<nc;j++)
{
*outData++=*inData++/div*div+div/2;
}
}


用指针除了用上面的方法外，还可以用指针来索引固定位置的像素：

Image.step返回图像一行像素元素的个数（包括空白元素），Image.elemSize()返回一个图像像素的大小。

&Image.at<uchar>(i,j)=Image.data+i*Image.step+j*Image.elemSize();


3.迭代器来遍历图像

下面的方法可以让我们来为图像中的像素声明一个迭代器：

MatIterator_<Vec3b> it;

Mat_<Vec3b>::iterator it;


如果迭代器指向一个const图像，则可以用下面的声明：

MatConstIterator<Vec3b> it; 或者

Mat_<Vec3b>::const_iterator it;


下面我们用迭代器来简化上面的colorReduce程序：

void colorReduce(const Mat& Image,Mat& outImage,int div)
{
outImage.create(Image.size(),Image.type());
MatConstIterator_<Vec3b> it_in=Image.begin<Vec3b>();
MatConstIterator_<Vec3b> itend_in=Image.end<Vec3b>();
MatIterator_<Vec3b> it_out=outImage.begin<Vec3b>();
MatIterator_<Vec3b> itend_out=outImage.end<Vec3b>();
while(it_in!=itend_in)
{
(*it_out)[0]=(*it_in)[0]/div*div+div/2;
(*it_out)[1]=(*it_in)[1]/div*div+div/2;
(*it_out)[2]=(*it_in)[2]/div*div+div/2;
it_in++;
it_out++;
}
}


4.图像的领域操作：

很多时候，我们对图像处理时，要考虑它的邻域，比如3*3是我们常用的，这在图像滤波、去噪中最为常见，下面我们介绍如果在一次图像遍历过程中进行邻域的运算。

下面我们进行一个简单的滤波操作，拉普拉斯算子：[-1 –1 -1;-1 8 –1;-1 –1 -1]。（能使图像变的尖锐）

void Laplacian(const Mat& Image,Mat& newImage)
{
newImage.create(Image.size(),Image.type());
int nr=Image.rows;
int nc=Image.cols;
for(int i=1;i<nr-1;i++)
{
const uchar* line1=Image.ptr<uchar>(i-1);
const uchar* line2=Image.ptr<uchar>(i);
const uchar* line3=Image.ptr<uchar>(i+1);
uchar* outData=newImage.ptr<uchar>(i);
for(int j=1;j<nc-1;j++)
{
outData[j]=saturate_cast<uchar>(8*line2[j]-(line1[j-1]+line1[j]+line1[j+1]+line2[j-1]+line2[j+1]+line3[j-1]+line3[j]+line3[j+1]));
//staturate_cast<typename>是一个类型转换函数，程序里是为了确保运算结果还在uchar范围内
}
}
newImage.row(0).setTo(Scalar(0));
newImage.row(newImage.rows-1).setTo(Scalar(0));
newImage.col(0).setTo(Scalar(0));
newImage.col(newImage.cols-1).setTo(Scalar(0));
}


原图像



先cvtColor函数转换成灰度图，在用拉普拉斯算子2进行边缘提取的结果



补充：当形参不是引用的时候发生错误。
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签：  opencv 图像处理 遍历
相关文章推荐
新的分享
章节导航