OpenCV 学习之路(2) -- 操作像素
本节内容:
- 访问像素值
- 用指针扫描图像
- 用迭代器扫描图像
- 编写高效的图像扫描循环
- 扫描图像并访问相邻像素
- 实现简单的图像运算
- 图像重映射
访问像素值
准备工作:
创建一个简单函数,用它在图像中加入椒盐噪声.
实现如下:
void salt(cv::Mat image, int n){
int i, j;
for(int k = ; k < n; k ++){
i = std::rand()%image.cols;
j = std::rand()%image.rows; if(image.type() == CV_8UC1){ //灰度图
image.at<uchar>(j,i) = ;
}else {
image.at<cv::Vec3b>(j,i)[] = ;
image.at<cv::Vec3b>(j,i)[] = ;
image.at<cv::Vec3b>(j,i)[] = ;
}
}
}
完整代码:
#include <cstdlib>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
void salt(cv::Mat image, int n){
int i, j;
for(int k = ; k < n; k ++){
i = std::rand()%image.cols;
j = std::rand()%image.rows; if(image.type() == CV_8UC1){ //灰度图
image.at<uchar>(j,i) = ;
}else {
image.at<cv::Vec3b>(j,i)[] = ;
image.at<cv::Vec3b>(j,i)[] = ;
image.at<cv::Vec3b>(j,i)[] = ;
}
}
} int main(){
cv::Mat image = cv::imread("./data/rgb.png");
salt(image,);
cv::namedWindow("image");
cv::imshow("Image", image);
cv::waitKey();
cv::imwrite("./data/output.png", image);
return ;
}
效果如图:
用指针扫描图像
准备工作:
先完成一个简单任务:减少图像中的颜色数量。
原理:如果N是减少因子,那么对于像素的每一个频道,除以N(由于是整除,所以余数会丢失)。如果将结果再乘以N,那么结果将会小于原来的像素值。然后再加上N/2你将会获得两个相邻N倍数中间的那个数,然后你就得到了一个256/NX256/NX256/N颜色数的图像。下面是我们所写的函数,函数处理是in-place的,也就是说处理结果直接赋值给源图像,不占用额外的存储空间。
代码:
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream> void colorReduce(cv::Mat image, int div){
int nl = image.rows;
int nc = image.cols * image.channels(); for(int j = ; j < nl; j++){
uchar* data = image.ptr<uchar>(j);
for(int i = ; i < nc; i++){
data[i] = data[i]/div*div + div/;
}
}
} int main(){
cv::Mat image = cv::imread("./data/beauty.jpg");
colorReduce(image, );
cv::namedWindow("Image");
cv::imshow("Image",image);
cv::waitKey();
cv::imwrite("./data/output.jpg", image);
return ;
}
补充:还可以使用为运算来计算data的值;
uchar mask = 0xFF<<n; //例如:div = 16,则 mask = 0xF0
*data &= mask;
*data++ += div>>1;
处理前: 处理后:
用迭代器扫描图像
准备工作:仍然使用上面减色程序。
使用Mat_模板类内部定义的iterator类型 Mat_<cv::Vec3b>::iterator it;
修改后的减色程序如下:
void colorReduce(cv::Mat &image, int div){
cv::Mat_<cv::Vec3b>::iterator it = image.begin<cv::Vec3b>();
cv::Mat_<cv::Vec3b>::iterator itend = image.end<cv::Vec3b>();
for( ; it != itend; ++it){
(*it)[] = (*it)[]/div*div + div/;
(*it)[] = (*it)[]/div*div + div/;
(*it)[] = (*it)[]/div*div + div/;
}
}
效果同上;
编写高效的图像扫描循环
在前面的章节,我们已经提到过了不同的访问图像像素的方法。现在我们将比较一下这些不同方法的效率。因为代码的效率执行时间是我们必须要考虑的。但是代码效率最大化带来来的往往是减少了代码的可读性。所以只要适当的在核心地方增加代码的效率。
为了计算代码的执行时间,我们使用OpenCV中的cv::getTickCount()方法。这个方法给出从开机到现在的时钟周期数。因为我们想要的时间单位是毫秒,所以我们还要使用cv::getTickFrequency()方法。这个给出了每一秒的始终周期数。然后计算方法如下:
double duration;
duration = static_cast<double>(cv::getTickCount());
colorReduce(image); // the function to be tested
duration = static_cast<double>(cv::getTickCount())-duration;
duration /= cv::getTickFrequency(); // the elapsed time in ms
最后得出的结果是:使用位计算得到的结果速度最快!
扫描图像并访问相邻像素
准备工作:
这里使用一个锐化的处理函数. 如果从图像中减去拉普拉斯算子部分,图像的边缘就会放大,因而使图像更尖锐.
用以下的方法计算锐化的数值: sharpened_pixel = 5 * current -left - right - up -down;
实现:
/********************************************************
> File name:sharpen
> author: yoyo
> Source from:xiang gao
> time:2016.7.18 Monday 17:22
>
*************************************************************/ #include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream> using namespace std; void sharpen(const cv::Mat &image, cv::Mat &result){
//判断是否需要分配图像数据
result.create(image.size(), image.type());
int nchannels = image.channels(); //获取通道数 //处理除第一与最后行的所有行
for(int j = ; j < image.rows-; j++){
const uchar* previous = image.ptr<const uchar>(j-);
const uchar* current = image.ptr<const uchar>(j);
const uchar* next = image.ptr<const uchar>(j+);
uchar* output = result.ptr<uchar>(j); for(int i = nchannels; i < (image.cols - )*nchannels; i++){
*output++ = cv::saturate_cast<uchar>(*current[i] - current[i-nchannels] - current[i+nchannels] -previous[i] -next[i]);
}
}
result.row().setTo(cv::Scalar());
result.row(result.rows-).setTo(cv::Scalar());
result.col().setTo(cv::Scalar());
result.col(result.cols-).setTo(cv::Scalar());
} int main(int argc, char * argv[]){ cv::Mat image = cv::imread("/home/yoyo/openCV/data/beauty.jpg");
cv::Mat image1 = image;
cv::imshow("image1", image1);
sharpen(image1 ,image);
// cv::namedWindow("image");
cv::imshow("Image", image);
cv::waitKey();
cv::imwrite("/home/yoyo/openCV/data/sharpen.jpg", image);
return ;
}
效果:
前: 后:
实现简单的图像运算
图像就是普通的矩阵,可以进行加减乘除运算,因此可以用多种不同的方式组合图像.
准备工作:两张相等大小的图像;
参考资料:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/core/adding_images/adding_images.html
代码:
#include <cv.h>
#include <highgui.h>
#include <iostream> using namespace cv; int main( int argc, char** argv )
{
double alpha = 0.5; double beta; double input; Mat src1, src2, dst; /// Ask the user enter alpha
std::cout<<" Simple Linear Blender "<<std::endl;
std::cout<<"-----------------------"<<std::endl;
std::cout<<"* Enter alpha [0-1]: ";
std::cin>>input; /// We use the alpha provided by the user iff it is between 0 and 1
if( alpha >= && alpha <= )
{ alpha = input; } /// Read image ( same size, same type )
src1 = imread("../../images/LinuxLogo.jpg");
src2 = imread("../../images/WindowsLogo.jpg"); if( !src1.data ) { printf("Error loading src1 \n"); return -; }
if( !src2.data ) { printf("Error loading src2 \n"); return -; } /// Create Windows
namedWindow("Linear Blend", ); beta = ( 1.0 - alpha );
addWeighted( src1, alpha, src2, beta, 0.0, dst); imshow( "Linear Blend", dst ); waitKey();
return ;
}
图像重映射
OpenCV 学习之路(2) -- 操作像素的更多相关文章
- opencv学习之路(15)、形态学其他操作(开、闭、顶帽、黑帽、形态学梯度)
一.形态学其他操作(用的不多,如果忘了也可以通过膨胀腐蚀得到相同效果) 1.开运算 2.闭运算 3.形态学梯度 4.顶帽 5.黑帽 #include "opencv2/opencv.hpp& ...
- opencv学习之路(5)、鼠标和滑动条操作
一.鼠标事件 #include<opencv2/opencv.hpp> #include<iostream> using namespace cv; using namespa ...
- opencv学习之路(38)、Mat像素统计基础——均值,标准差,协方差;特征值,特征向量
本文部分内容转自 https://www.cnblogs.com/chaosimple/p/3182157.html 一.统计学概念 二.为什么需要协方差 三.协方差矩阵 注:上述协方差矩阵还需要除以 ...
- opencv学习之路(7)、访问图像像素
一.动态地址访问 #include <opencv2/opencv.hpp> #include<iostream> using namespace cv; using name ...
- OpenCV 学习笔记(11)像素级别指针操作
//优化两图的连接处,使得拼接自然 void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst) { int start = MIN(c ...
- opencv学习之路(31)、GrabCut & FloodFill图像分割
一.GrabCut 1.利用Rect做分割 #include "opencv2/opencv.hpp" using namespace cv; void main() { Mat ...
- Opencv学习之路—Opencv下基于HOG特征的KNN算法分类训练
在计算机视觉研究当中,HOG算法和LBP算法算是基础算法,但是却十分重要.后期很多图像特征提取的算法都是基于HOG和LBP,所以了解和掌握HOG,是学习计算机视觉的前提和基础. HOG算法的原理很多资 ...
- opencv学习之路(40)、人脸识别算法——EigenFace、FisherFace、LBPH
一.人脸识别算法之特征脸方法(Eigenface) 1.原理介绍及数据收集 特征脸方法主要是基于PCA降维实现. 详细介绍和主要思想可以参考 http://blog.csdn.net/u0100066 ...
- opencv学习之路(32)、角点检测
一.角点检测的相关概念 二.Harris角点检测——cornerHarris() 参考网址: http://www.cnblogs.com/ronny/p/4009425.html #include ...
随机推荐
- HihoCoder 重复旋律
あの旋律を何度も繰り返しでも.あの日見た光景を再現できない 无论将那段旋律重复多少次,也无法重现那一日我们看到的景象 もし切ないならば.時をまきもどしてみるかい? 若是感到惆怅的话,要试着让时光倒流吗 ...
- 【LibreOJ】#539. 「LibreOJ NOIP Round #1」旅游路线
[题意]给定正边权有向图,车油量上限C,每个点可以花费pi加油至min(C,ci),走一条边油-1,T次询问s点出发带钱q,旅行路程至少为d的最多剩余钱数. n<=100,m<=1000, ...
- 【vijos】P1066 弱弱的战壕
[算法]线段树 [题解]将所有坐标按x(第一)和y(第二)从小到大排序,再按顺序插入线段树,即在线段树中将y坐标位置+1,这样就能保证每个坐标能包含的点一定先被处理了,每次询问查询1...a[i].y ...
- 工具_HBuilder使用快捷方式
HBuilder常用快捷键大概共9类([4 13 3]文件.编辑.插入:[4 9 8]选择.跳转.查找:[1 1 6]运行.工具.视图) 1.文件(4) 新建 Ctrl + N 关闭 Ctrl + F ...
- Python第三方库jieba(中文分词)入门与进阶(官方文档)
jieba "结巴"中文分词:做最好的 Python 中文分词组件 github:https://github.com/fxsjy/jieba 特点 支持三种分词模式: 精确模式, ...
- perl中设置POST登录时的重定向
默认地, perl提交post登录时是不会重定向的 要让它重定向, 可以用如下方法: my $cookie = HTTP::Cookies->new(); push @{$ua->requ ...
- JAVA常见的集合类
关系的介绍: Set(集):集合中的元素不按特定方式排序,并且没有重复对象.他的有些实现类能对集合中的对象按特定方式排序. List(列表):集合中的元素按索引位置排序,可以有重复对象,允许按照对象在 ...
- MySQL建立高性能索引策略
索引永远是最好的查询解决方案嘛? 索引并不总是最好的工具.总的来说,只有当索引帮助存储引擎快速查找到记录带来的好处大于其带来的额外工作(比如插入操作后索引的维护)时,索引才是高效的. 对于非常小的表: ...
- 布隆过滤器 zz
布隆过滤器[1](Bloom Filter)是由布隆(Burton Howard Bloom)在1970年提出的.它实际上是由一个很长的二进制向量和一系列随机映射函数组成,布隆过滤器可以用于检索一个元 ...
- Go语言的指针的一些测试
参考URL: http://ilovers.sinaapp.com/drupal/node/33 1). 指针在 c 中是个重要的东西,& 和 * 一个取地址.一个解析地址,这是 c 的用法, ...