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
  • 基本操作
  • 图像可视化

上一教程： 矩阵掩码操作
下一教程： 使用 OpenCV 添加（混合）两张图像

兼容性	OpenCV >= 3.0

输入/输出

图像

从文件加载图像

C++

        Mat img = imread(filename);

Java

Mat img = Imgcodecs.imread(filename);

Python

img = cv.imread(filename)

如果读取 jpg 文件，默认情况下会创建 3 通道图像。如果需要灰度图像，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，请使用

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 从内存读取和写入图像，而不是从文件读取和写入图像。

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。这是一个单通道灰度图像（类型 8UC1）和像素坐标 x 和 y 的示例

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

_intensity = img[y,x]

仅限 C++ 版本：intensity.val[0] 包含 0 到 255 之间的值。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，因此我们对这两种情况都使用相同的约定——基于 0 的行索引（或 y 坐标）放在前面，基于 0 的列索引（或 x 坐标）放在后面。或者，您可以使用以下表示法（**仅限 C++**）

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

现在让我们考虑一个具有 BGR 颜色顺序的 3 通道图像（imread 返回的默认格式）

C++ 代码

            Vec3b intensity = img.at<Vec3b>(y, x);
            uchar blue = intensity.val[0];
            uchar green = intensity.val[1];
            uchar red = intensity.val[2];

Python Python

_blue = img[y,x,0]
_green = img[y,x,1]
_red = img[y,x,2]

您可以对浮点图像使用相同的方法（例如，您可以通过对 3 通道图像运行 Sobel 来获得此类图像）（**仅限 C++**）

            Vec3f intensity = img.at<Vec3f>(y, x);
            float blue = intensity.val[0];
            float green = intensity.val[1];
            float red = intensity.val[2];

可以使用相同的方法更改像素强度

C++

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

Java

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

Python

img[y,x] = 128

OpenCV 中有一些函数，特别是来自 calib3d 模块的函数，例如 cv::projectPoints，它采用 Mat 形式的 2D 或 3D 点数组。矩阵应恰好包含一列，每一行对应一个点，矩阵类型应分别为 32FC2 或 32FC3。可以很容易地从 std::vector 构造这样的矩阵（**仅限 C++**）

vector<Point2f> points;
            //... 填充数组
            Mat pointsMat = Mat(points).reshape(1);

可以使用相同的方法 Mat::at 访问此矩阵中的点（**仅限 C++**）

            Point2f point = pointsMat.at<Point2f>(i, 0);

内存管理和引用计数

Mat 是一种结构，它保存矩阵/图像特性（行数和列数、数据类型等）以及指向数据的指针。因此，没有什么可以阻止我们拥有多个对应于相同数据的 Mat 实例。Mat 保持一个引用计数，该计数告诉当特定 Mat 实例被销毁时是否必须释放数据。这是一个创建两个矩阵而不复制数据的示例（**仅限 C++**）

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

结果，我们得到一个3列的32FC1矩阵，而不是1列的32FC3矩阵。pointsMat使用points中的数据，并在销毁时不会释放内存。但是，在这个特定实例中，开发者必须确保points的生命周期长于pointsMat。如果我们需要复制数据，可以使用例如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的输出Mat。每个实现都为目标矩阵调用Mat::create方法。此方法如果矩阵为空，则为矩阵分配数据。如果它不为空并且具有正确的尺寸和类型，则该方法不执行任何操作。但是，如果尺寸或类型与输入参数不同，则数据将被释放（并丢失），并分配新的数据。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)

基本操作

矩阵上定义了许多方便的操作符。例如，以下是我们如何从现有的灰度图像img创建黑色图像的方法：

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]

从彩色图像转换为灰度图像

C++

        Mat img = imread("image.jpg"); // 加载一个 8UC3 图像
        Mat grey;
        cvtColor(img, grey, COLOR_BGR2GRAY);

Java

Mat img = Imgcodecs.imread("image.jpg"); // 加载一个 8UC3 图像
Mat grey = new Mat();
Imgproc.cvtColor(img, grey, Imgproc.COLOR_BGR2GRAY);

Python

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

将图像类型从 8UC1 更改为 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 提供了一种方便的可视化图像的方法。可以使用以下方法显示 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()启动消息传递循环，该循环等待“image”窗口中的按键。需要将32F图像转换为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); // 查找最小和最大强度
        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); // 查找最小和最大强度
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)
    # 查找最小和最大强度
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

这里cv::namedWindow不是必需的，因为它紧跟在cv::imshow之后。但是，当使用cv::createTrackbar或需要更改窗口属性时，可以使用它。