即日起在codingBlog上分享您的技术经验即可获得积分,积分可兑换现金哦。

OpenCV学习与进阶之Mat数据按位操作与通道分离合并

编程语言 lez1021 90℃ 0评论
本文目录
[隐藏]

**

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。

1.**

#include
#include
#include
#include
#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(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 channels;
    vector 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(i, j) = 0;
            channels.at(1).at(i, j) = 100;
            channels.at(2).at(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(i, j) =120;
            imgGrayChannel.at(i, j) = -127;
            imgRedChannel.at(i, j) = -127;
            */

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

试验结果图

2.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 channels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)

转载请注明:CodingBlog » OpenCV学习与进阶之Mat数据按位操作与通道分离合并

喜欢 (0)or分享 (0)
发表我的评论
取消评论

*

表情