图像操作

目录

• 输入/输出
  • 图像
• 图像基本操作
  • 访问像素强度值
  • 内存管理和引用计数
  • 原始操作
  • 可视化图像

前一个教程： 矩阵上掩模操作
下一个教程： 使用 OpenCV 添加（混合）两张图像

兼容性	OpenCV >= 3.0

输入/输出

图像

从文件中加载图像

C++

Mat img = imread(filename);

Java

Mat img = Imgcodecs.imread(filename);

Python

img = cv.imread(filename)

如果您读取 jpg 文件，默认会创建一个 3 通道图像。如果您需要灰度图像，请使用

C++

Mat img = imread(filename, IMREAD_GRAYSCALE);

Java

Mat img = Imgcodecs.imread(filename, Imgcodecs.IMREAD_GRAYSCALE);

Python

img = cv.imread(filename, cv.IMREAD_GRAYSCALE)

注意

文件格式由其内容（前几个字节）决定。要将图像保存到文件

C++

imwrite(filename, img);

Java

Imgcodecs.imwrite(filename, img);

Python

    cv.imwrite(filename, img)

注意

文件格式由其扩展名决定。

使用 cv::imdecode 和 cv::imencode 从内存或文件中读取和写入图像，而不是文件。

图像基本操作

访问像素强度值

为了获取像素强度值，您必须知道图像的类型和通道数。对于单通道灰度图像（类型 8UC1）和像素坐标 x 和 y 来说，以下是一个示例

C++

Scalar intensity = img.at<uchar>(y, x);

Java

                byte[] imgData = new byte[(int) (img.total() * img.channels())];
img.get(0, 0, imgData);
                byte intensity = imgData[y * img.cols() + x];

Python

_强度 = img[y,x]

仅限 C++ 版本：intensity.val[0] 包含 0 至 255 的值。 请注意 x 和 y 的顺序。 由于在 OpenCV 中图像由与矩阵相同的结构表示，因此对两种情况我们都使用相同的惯例 - 基于 0 的行索引（或 y 坐标）在先，基于 0 的列索引（或 x 坐标）在后。 或者，可以使用以下符号（仅限 C++）

标量强度 = img.at<uchar>(点(x, y));

现在让我们考虑一个具有 BGR 颜色顺序（imread 返回的默认格式）的三通道图像

C++代码

Vec3b intenstiy = img.at<Vec3b>(y, x);
            uchar 蓝色 = intenstiy.val[0];
            uchar 绿色 = intenstiy.val[1];
            uchar 红色 = intenstiy.val[2];

Python Python

_蓝色 = img[y,x,0]
_绿色 = img[y,x,1]
_红色 = img[y,x,2]

对于浮点图像，可以使用相同的方法（例如，可以通过对 3 通道图像运行 Sobel 获得此类图像）（仅限 C++）

Vec3f 强度 = img.at<Vec3f>(y, x);
            float 蓝色 = 强度.val[0];
            float 绿色 = intensity.val[1];
            float 红色 = intensity.val[2];

可以使用相同的方法来更改像素强度

C++

img.at<uchar>(y, x) = 128;

Java

                byte[] imgData = new byte[(int) (img.total() * img.channels())];
imgData[y * img.cols() + x] = (字节) 128;
img.put(0, 0, imgData);

Python

img[y,x] = 128

OpenCV 中有函数，尤其是来自 calib3d 模块的函数，例如 cv::projectPoints，以 Mat 的形式接受阵列的 2D 或 3D 点。 矩阵应仅包含一列，每行对应一个点，矩阵类型应分别为 32FC2 或 32FC3。可以很容易地从 std::vector（仅限 C++）构建此类矩阵

vector<Point2f> 点；
            //... 填充数组
Mat 点矩阵 = 矩阵(点)；

可以使用相同的方法 Mat::at（仅限 C++）访问此矩阵中的点

Point2f 点 = 点矩阵.at<Point2f>(i, 0);

内存管理和引用计数

Mat 是一种可以保留矩阵/图像特征（行数和列数、数据类型等）并指向数据的结构。因此，同一数据对应于多个 Mat 实例不会受到任何限制。Mat 会保存一个引用计数，当销毁一个特定的 Mat 实例时，该计数会告知数据是否要解除分配。以下是一个创建 Mat 的示例，不会复制数据（仅限 C++）

std::vector<Point3f> points;
        // .. 填充数组
Mat pointsMat = Mat(points).reshape(1);

结果中，我们会得到一个 32FC1 矩阵，有 3 列，而不是 32FC3 矩阵，有 1 列。pointsMat 使用 points 的数据，并且在销毁时不会解除内存的分配。然而，在此特定实例中，开发者必须确保 points 的生命周期比 pointsMat 的生命周期更长。如果我们需要复制数据，可以使用 cv::Mat::copyTo 或 cv::Mat::clone

C++

Mat img = imread("image.jpg");
Mat img1 = img.clone();

Java

Mat img = Imgcodecs.imread("image.jpg");
Mat img1 = img.clone();

Python

img = cv.imread('image.jpg')
_img1 = np.copy(img)

可以向每个函数提供一个空输出 Mat。每个实现都会针对一个目标矩阵调用 Mat::create。如果矩阵为空，此方法会为矩阵分配数据。如果矩阵不为空，并且具有正确的大小和类型，则此方法不会执行任何操作。但是，如果大小或类型不同于输入参数，那么数据会解除分配（丢失），然后会分配新的数据。例如

C++

Mat img = imread("image.jpg");
Mat sobelx;
Sobel(img, sobelx, CV_32F, 1, 0);

Java

Mat img = Imgcodecs.imread("image.jpg");
Mat sobelx = new Mat();
Imgproc.Sobel(img, sobelx, CvType.CV_32F, 1, 0);

Python

img = cv.imread('image.jpg')
_sobelx = cv.Sobel(img, cv.CV_32F, 1, 0)

原始操作

在矩阵上定义了多个便捷的算子。例如，以下是如何从现有的灰度图像 img 中创建一幅黑色图像

C++

img = Scalar(0);

Java

                byte[] imgData = new byte[(int) (img.total() * img.channels())];
Arrays.fill(imgData, (byte) 0);
img.put(0, 0, imgData);

Python

img[:] = 0

选择感兴趣的区域

C++

Rect r(10, 10, 100, 100);
Mat smallImg = img(r);

Java

Rect r = new Rect(10, 10, 100, 100);
Mat smallImg = img.submat(r);

Python

_smallImg = img[10:110,10:110]

从彩色转换为灰度

C++

Mat img = imread("image.jpg"); // loading a 8UC3 image
Mat grey;
cvtColor(img, grey, COLOR_BGR2GRAY);

Java

Mat img = Imgcodecs.imread("image.jpg"); // loading a 8UC3 image
Mat grey = new Mat();
Imgproc.cvtColor(img, grey, Imgproc.COLOR_BGR2GRAY);

Python

img = cv.imread('image.jpg')
_grey = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

转换图像类型从 8UC1 到 32FC1

C++

src.convertTo(dst, CV_32F);

Java

src.convertTo(dst, CvType.CV_32F);

Python

_dst = src.astype(np.float32)

可视化图像

在开发过程中，查看算法的中间结果非常有用。OpenCV 提供了一种方便的方法可视化图像。可以使用以下方法显示一个 8U 图像

C++

Mat img = imread("image.jpg");
namedWindow("image", WINDOW_AUTOSIZE);
imshow("image", img);
waitKey();

Java

Mat img = Imgcodecs.imread("image.jpg");
HighGui.namedWindow("image", HighGui.WINDOW_AUTOSIZE);
HighGui.imshow("image", img);
HighGui.waitKey();

Python

img = cv.imread('image.jpg')
    cv.namedWindow('image', cv.WINDOW_AUTOSIZE)
    cv.imshow('image', img)
    cv.waitKey()

调用 waitKey() 会开启一个消息传递循环，等待在“image”窗口中按下按键。需要将 32F 图像转换成 8U 类型。例如

C++

Mat img = imread("image.jpg");
Mat grey;
cvtColor(img, grey, COLOR_BGR2GRAY);
Mat sobelx;
Sobel(grey, sobelx, CV_32F, 1, 0);
        double minVal, maxVal;
minMaxLoc(sobelx, &minVal, &maxVal); //find minimum and maximum intensities
Mat draw;
sobelx.convertTo(draw, CV_8U, 255.0/(maxVal - minVal), -minVal * 255.0/(maxVal - minVal));
namedWindow("image", WINDOW_AUTOSIZE);
imshow("image", draw);
waitKey();

Java

Mat img = Imgcodecs.imread("image.jpg");
Mat grey = new Mat();
Imgproc.cvtColor(img, grey, Imgproc.COLOR_BGR2GRAY);
Mat sobelx = new Mat();
Imgproc.Sobel(grey, sobelx, CvType.CV_32F, 1, 0);
MinMaxLocResult res = Core.minMaxLoc(sobelx); // find minimum and maximum intensities
Mat draw = new Mat();
            double maxVal = res.maxVal, minVal = res.minVal;
sobelx.convertTo(draw, CvType.CV_8U, 255.0 / (maxVal - minVal), -minVal * 255.0 / (maxVal - minVal));
HighGui.namedWindow("image", HighGui.WINDOW_AUTOSIZE);
HighGui.imshow(“image”, draw);
HighGui.waitKey();

Python

img = cv.imread('image.jpg')
grey = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
sobelx = cv.Sobel(grey, cv.CV_32F, 1, 0)
    # find minimum and maximum intensities
minVal = np.amin(sobelx)
maxVal = np.amax(sobelx)
draw = cv.convertScaleAbs(sobelx, alpha=255.0/(maxVal - minVal), beta=-minVal * 255.0/(maxVal - minVal))
    cv.namedWindow('image', cv.WINDOW_AUTOSIZE)
    cv.imshow(’image’, draw)
    cv.waitKey()

注意

此处 cv::imshow。尽管如此，仍可使用它来更改窗口属性或使用

生成于 2024 年 6 月 2 日 星期日，用于 OpenCV 的时间为 21:52:13，网址为：  1.9.8