OpenCV学习之Mat数据按位操作与通道分离合并

**

以前一直用MATLAB做图像仿真，这次学习OPENCV后，第一步就是读取图像，并对图像进行位操作，在OPENCV中比较重要和基础的一个数据结构是MAT，针对MAT型结构的位处理，进行了以下试验。

**

#include<opencv2/core/core.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>
#include"hessianHead.h"
using namespace cv;
using namespace std;
#define Name1 "图一_3通道_Ptr_8位有符号"
#define Name2 "图二_3通道_At_8位有符号"
#define Name3 "图三_1通道_At_8位无符号"
#define Name4 "图四_对分离后的channel进行操作"
#define Name5 "图五_直接生成channel再进行合并"
int main()
{
//namedWindow(windowsName3, WINDOW_NORMAL);
Mat emptyImg1(500,500,CV_8SC3);
//这里100*100是像元数，不是矩阵实际数，实际矩阵应该是100*100*C（通道数）
Mat emptyImg2(500, 500, CV_8SC3);
for (int i = 0; i < emptyImg1.rows; i++)
{
for (int b = 0, g = 1, r = 2; r < emptyImg1.rows*3; b += 3, g += 3, r += 3)
//因为是三通道，所以列数应该乘以3
{
emptyImg1.ptr<char>(i)[b] = 120;
emptyImg1.ptr<char>(i)[g] = -127;
emptyImg1.ptr<char>(i)[r] = -127;

emptyImg2.at<char>(i,b) = 120;
emptyImg2.at<char>(i,g) = 0;
emptyImg2.at<char>(i,r) = 0;
}
}
namedWindow(Name1, WINDOW_NORMAL);
imshow(Name1, emptyImg1);
namedWindow(Name2, WINDOW_NORMAL);
imshow(Name2, emptyImg2);

//这里是8通道无符号的赋值
Mat emptyImg3(20, 20, CV_8UC1);
for (int i = 0; i < 20; i++)
{
for (int j = 0; j< 20; j++)
{
emptyImg3.at<uchar>(i, j) = 60;
}
}
namedWindow(Name3, WINDOW_NORMAL);
imshow(Name3, emptyImg3);

//通道分离与合并
Mat emptyImg4(20, 20, CV_8SC3);
Mat megeImg1, megeImg2;
vector<Mat> channels;
vector<Mat> channelsForMege;
Mat imgBlueChannel;
Mat imgGrayChannel;
Mat imgRedChannel;

//分离处颜色通道
split(emptyImg4, channels);
/*
方法一：可以复制地址到新的Mat空间
imgBlueChannel=channels.at(0);
imgGrayChannel=channels.at(1);
imgRedChannel=channels.at(2);
*/
//方法二：也可以拷贝数据到新的Mat空间，修改后原图不变
channels.at(0).copyTo(imgBlueChannel);
channels.at(1).copyTo(imgGrayChannel);
channels.at(2).copyTo(imgRedChannel);

for (int i = 0; i < 20; i++)
{
for (int j = 0; j< 20; j++)
{
//方法一：这里利用通道空间来赋值
channels.at(0).at<uchar>(i, j) = 0;
channels.at(1).at<uchar>(i, j) = 100;
channels.at(2).at<uchar>(i, j) = 100;
/*
除了之间使用通道空间来赋值外，也可以用复制地址后的通道来赋值；
imgBlueChannel.at<uchar>(i, j) =120;
imgGrayChannel.at<uchar>(i, j) = -127;
imgRedChannel.at<uchar>(i, j) = -127;
*/

//方法二：这里利用了复制数据后的通道来复制
imgBlueChannel.at<uchar>(i, j) = 1;
imgGrayChannel.at<uchar>(i, j) = 1;
imgRedChannel.at<uchar>(i, j) = 1;

}
}
//使用方法二：需要重新做一个通道向量以便利用merge函数
//这里应该按先后顺序，按照B-G-R的顺序存入；
channelsForMege.push_back(imgBlueChannel);
channelsForMege.push_back(imgGrayChannel);
channelsForMege.push_back(imgRedChannel);

//*合并通道
merge(channelsForMege, megeImg2);
merge(channels, megeImg1);

namedWindow(Name4, WINDOW_NORMAL);
namedWindow(Name5, WINDOW_NORMAL);
imshow(Name4, megeImg1);
imshow(Name5, megeImg2);

Mat emptyImg6(20, 20, CV_32FC3);//（输入数据类型为32位Float型）
double gr = 228 / 255;
for (int i = 0; i < emptyImg6.rows; i++)
{
for (int b = 0, g = 1, r = 2; r < emptyImg6.rows * 3; b += 3, g += 3, r += 3)
//因为是三通道，所以列数应该乘以3
{
//(float 型的输入，输入范围应该在0~1，与图四相同，则输入应127/255=0.5,228/255=0.89,228/255)
emptyImg6.ptr<float>(i)[b] = 0.5;
emptyImg6.ptr<float>(i)[g] = 0.89;
emptyImg6.ptr<float>(i)[r] = 0.89;
}
}
cout << gr;
namedWindow("six", WINDOW_NORMAL);
imshow("six", emptyImg6);

waitKey(0);
return 0;
}

试验结果图

总结：

1.按位操作，可以用MAT的at和ptr函数来实现，两者的写法不同，对位置位（i，j）处的像素，两者的表示的是at（i，j）,ptr(i)[j];

2.彩色图像在OPENCV中的存储通道顺序是B-G-R，对彩色图像进行通道分离，可以利用split(srcImg, channels)，这里channels是一个MAT类型的通道向量，可以通过at提取出来；

3.对多个通道合并可以用merge(channels,dstImg)函数，这里这里channels是一个MAT类型的通道向量，并按BGR的顺序在0-2的位置存放对应色彩通道数据，其中，通道向量可以用vector cha
a33f
nnels创建，并用channels.push_back( )按B-G-R的先后顺序存入；

4.对于1中的type类型，如果图像开始创建的类型为8S/8U，这里type对应着char/uchar，其赋值范围为-127~127/0~255；若初始创建类型为32F，则type类型可用float，赋值范围为0~1，小数点后几位。（此条待进一步修正）