OpenCV从入门到放弃(五):像素！

一.概念

1.图像本质上面是由数值组成的矩阵。矩阵中的一个元素相应一个像素。
2.对于灰度图像（黑白图像），像素是8位无符号数（CV_8U）。0表示黑色，255表示白色。对于彩色图像，是用三原色数据合成彩色。3个8位（CV_8UC3）的数值组成矩阵的一个元素。并且顺序是BGR
3.一般来说8位的通道够用了。可是有些特殊的需要16位。

4.经验之谈：矩阵能够有非常多种类型，可是大部分操作能够使用不论什么类型的矩阵来完毕。可是还是有一些操作必须使用特性的类型或者特定的通道数量。有时候留个心积累那些图用什么矩阵来处理。

以下废话不多说。先来一个启示性的样例(能够临时不用知道当中所有的细节，稍后会说到这些东西)
代码:

结果:
在原来的图片上面生成了非常多非常多的点。

上面这段代码的原理非常easy：就是随机生成坐标值，然后把这些坐标处的灰度值改为255(白色).
大概有这些就已经算是一个訪问像素的完整过程了.以下就具体讲一些訪问像素的细节.

二.訪问像素的三种方法

1.at方法(cv::Mat::at(…..)).

at方法顾名思义,就是在某个位置.其有用at能够直接訪问到某个位置的像素.在OpenCV中,at方法为一个模板方法且有非常多的变种,以下仅仅讲最基本经常使用的两种方法.(各自是传入坐标和传入点的方法)
at方法是一个模板函数,在官方文档中抽取最简单的写法:

at <类型> (行,列) [通道(假设有通道的话)]

at<类型>(行,列)就能够訪问到一幅图片中的一个像素了,每一个像素的chanel用[]来提取.是不是非常easy.
由于这是模板方法,选择类型成了重要的一步,并且类型的选择是与图片元素的类型要相应起来,at方法不负责转化类型.以下给出一个具体的类型相应表.(要是如今不知道什么是图像元素的类型.那么点击以下的链接转到之前的core组件,有具体的类型介绍.)
http://blog.csdn.net/xierhacker/article/details/52457907
首先,OpenCV中有一个主要的向量模板类,一些主要的”N个元素”向量能够由这个模板类来定义,简单地能够写为cv::Vec

uchar类型(分别为2元素,3元素,4元素):
typedef Vec<uchar, 2> cv::Vec2b     typedef Vec<uchar, 3> cv::Vec3b typedef Vec<uchar, 4> cv::Vec4b

Short类型
typedef Vec<short, 2> cv::Vec2s     typedef Vec<ushort, 2> cv::Vec2w
typedef Vec<short, 3> cv::Vec3s     typedef Vec<ushort, 3> cv::Vec3w
typedef Vec<short, 4> cv::Vec4s     typedef Vec<ushort, 4> cv::Vec4w

Int类型(同上):
typedef Vec<int, 2> cv::Vec2i       typedef Vec<int, 3> cv::Vec3i
typedef Vec<int, 4> cv::Vec4i       typedef Vec<int, 6> cv::Vec6i
typedef Vec<int, 8> cv::Vec8i

float类型:
typedef Vec<float, 2> cv::Vec2f     typedef Vec<float, 3> cv::Vec3f typedef Vec<float, 4> cv::Vec4f     typedef Vec<float, 6> cv::Vec6f


double类型:
typedef Vec<double, 2> cv::Vec2d        typedef Vec<double, 3> cv::Vec3d
typedef Vec<double, 4> cv::Vec4d        typedef Vec<double, 6> cv::Vec6d

由此,能够得到一个经常使用的訪问像素的时候模板中放类型的表:
像素类型(模板传入关键字):

CV_8U(uchar)  
CV_8UC1 (uchar)  CV_8UC2 (Vec2b)  CV_8UC3 (Vec3b)  CV_8UC4(Vec4b) 

CV_8S(char)   
CV_8SC1 (1通道)  CV_8SC2 (2通道)   CV_8SC3 (3通道)  CV_8SC4 (4通道)   

CV_16U  (ushort)
CV_16UC1 (ushort)  CV_16UC2 (Vec2w)   CV_16UC3 (Vec3w)   CV_16UC4 (Vec4w)   

CV_16S  (short)
CV_16SC1(short)   CV_16SC2(Vec2s)   CV_16SC3(Vec3s)   CV_16SC4(Vec4s)   

CV_32S (int)
CV_32SC1(int)   CV_32SC2(Vec2i)    CV_32SC3(Vec3i)  CV_32SC4(Vec4i)   

CV_32F (float)
CV_32FC1(float)   CV_32FC2(Vec2f)  CV_32FC3(Vec3f)   CV_32FC4(Vec4f)  

CV_64F(double)  
CV_64FC1(double)   CV_64FC2(Vec2d)  CV_64FC3(Vec3d)  CV_64FC4(Vec4d) 

如今再来看上面的那个添加白色噪点的样例,是不是豁然开朗,知道是怎么用的了.
一个改变某点像素来画线的样例:
代码:

#include <iostream>
#include <cmath>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

int main()
{
    cv::Mat pic1(300, 300, CV_8UC3, cv::Scalar(255, 0, 0));
    cv::Mat pic2(10, 3, CV_32F, 20.3);

    //訪问像素
    //pic1上面画出一条直线
    for (int i = 0; i <300; i++)
    {
        int j = i; 
        //訪问像素改变颜色CV_8UC3相应的就是Vec3b.
        pic1.at<cv::Vec3b>(i, j)[0] = 0;
        pic1.at<cv::Vec3b>(i, j)[2] = 255;

    }
    cv::imshow("test", pic1);
    cv::waitKey(0);
    return 0;
}

结果:

代码的意义非常easy懂,就是建立一个80*80的图片,初始化为蓝色,然后依据一个直线方程把某点的颜色改为红色,那么终于就得到了一条红色的直线.

2.指针(cv::Mat::ptr(….))

http://docs.opencv.org/3.1.0/d3/d63/classcv_1_1Mat.html#a5a9ffc908ac90604f36a8b6a1038747d
用指针訪问的话。OpcnCV提供了一个方法，cv::Mat::ptr()。以下是这种方法的几种经常使用的定义。
定义一:

_Tp* cv::Mat::ptr (int  i0 = 0)     
    返回mat的某行的一个地址,地址的类型与你之前在mat中选择的类型有关(模板函数),因此,要非常注意选择正确的返回以及模板參数的类型.
    i0代表0轴,或者通俗一点理解就是矩阵的一行.(索引是从0開始,要小心)

定义二:

_Tp* cv::Mat::ptr ( int  i0,int  i1 )
    返回mat某个位置元素的地址,还是老话,地址的类型与你之前在mat中选择的类型有关(模板函数),因此,要非常注意选择正确的返回以及模板參数的类型.
    i0代表0轴,或者通俗一点理解就是矩阵的一行.(索引是从0開始,要小心)
    I1代表1轴,或者通俗一点理解就是矩阵的一列,(索引是从0開始,要小心)

例一(仅仅有一个通道)：
代码：

#include <iostream>
#include <cmath>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

int main()
{
    cv::Mat pic2(10, 3, CV_32F, 20.3);
    //每行元素数量
    int numOfRow = pic2.cols;

    //訪问像素
    for (int row = 0; row < pic2.rows; row++)
    {
        //获得该行的地址
        float *data = pic2.ptr<float>(row);
        //訪问该行元素
        for (int col = 0; col < numOfRow; col++)
        {
            std::cout << data[col] << " ";
        }

        std::cout << std::endl;
    }
    cv::imshow("test", pic2);
    cv::waitKey(0);
    return 0;
}

结果：

这里的Mat中的数据类型选择的是CV_32F,是float的单通道类型.选择这样的类型就是要展示接下来的指针的模板中应该选择的參数.

例二(多个通道)：
代码:

#include <iostream>
#include <cmath>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

int main()
{
    cv::Mat pic1(10, 3, CV_8UC3, cv::Scalar(255, 0, 0));
//  cv::Mat pic2(10, 3, CV_32F, 20.3);
    //每行元素数量
    int numOfRow = pic1.cols;

    //訪问像素
    for (int row = 0; row < pic1.rows; row++)
    {
        //获得该行的地址
        cv::Vec3b *data = pic1.ptr<cv::Vec3b>(row);
        //訪问该行元素
        for (int col = 0; col < numOfRow; col++)
        {
            data[col][0] = 0;
            data[col][2] = 255;
        }

        //std::cout << std::endl;
    }
    std::cout << cv::format(pic1, cv::Formatter::FMT_PYTHON) << std::endl;
    cv::imshow("test", pic1);
    cv::waitKey(0);
    return 0;
}

结果:

例三(两个索引):
代码:

#include <iostream>
#include <cmath>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

int main()
{
    cv::Mat pic1(10, 3, CV_8UC3, cv::Scalar(255, 0, 0));
//  cv::Mat pic2(10, 3, CV_32F, 20.3);
    //每行元素数量
    int numOfRow = pic1.cols;

    //返回1行3列的地址(索引从0開始)
    cv::Vec3b *pixel = pic1.ptr<cv::Vec3b>(0, 2);
    //0通道改为128
    pixel[0] = 128;
    //输出
    std::cout << *pixel << std::endl;
    cv::imshow("test", pic1);
    cv::waitKey(0);
    return 0;
}

结果:

也就是说,能够同一时候使用两个索引来得到一个具体位置的地址.

三.感兴趣区域(Region Of Interest,ROI)

有时候我们并不想在一整张图片上面做文章..我们仅仅想选择某一个小区域上面完毕一些操作.
OpenCV能够让我们仅仅选择一些子区域,并且把这个子区域当做普通的图像来操作.这就引出了感兴趣区域(ROI)这个话题.
使用ROI通常能够降低处理时间,添加精度,因此是一个必需要掌握的”技能”.
定义ROI区域方式:

方式一:使用矩形(Rect)类

Mat  ROI;
ROI=image(Rect_ (_Tp _x, _Tp _y, _Tp _width, _Tp _height));
    x,y这两个參数就是矩形区域左上角的坐标
    width,height这两个參数就是矩形局域的宽和高

(Rect类不熟悉的话:转到之前的core组件:http://blog.csdn.net/xierhacker/article/details/52457907)

方式二:手动指定感兴趣的行和列的范围

Mat  ROI;
ROI=image(Rect_ (range(row_start,row_end),range(col_strat,col_end)));
    range(row_start,row_end):行的開始和结束
    range(col_strat,col_end):列的開始和结束

说了这么多,就要讲具体怎么用了,以下图像运算的第一个实例图像叠加就使用了ROI的概念,能够看下实例是怎么用的.

四.简单图像运算

首先,标题是简单图像运算,是由于接下来的样例都是非常easy非常基础的.可是也是非常综合的,综合使用了之前接触到的一些编程以及理论知识.
这部分有必要消化,由于这些实例中包括了一些非常主要的概念,这些概念会在这些样例中非常形象的展示出来.比死记硬背一些理论好多了.

Ⅰ图像叠加

图像叠加是一个非常主要的样例,通过这个样例能够联系ROI的使用.
我们这里有两个图片,一个是主图片例如以下

一个是非常小的logo例如以下.

任务就是要将logo叠加到主图片上面去.不啰嗦了,上代码

代码:

#include <iostream>
#include <cmath>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

int main()
{
    //读主图片
    cv::Mat image = cv::imread("1.jpg");
    //读logo
    cv::Mat logo = cv::imread("logo.png");
    //在主图片上面定义"感兴趣"区域
    cv::Mat ROI = image(cv::Rect(200, 200, logo.cols, logo.rows));
    //logo拷贝到感兴趣区域
    logo.copyTo(ROI);

    cv::imshow("test", image);
    cv::waitKey(0);
    return 0;
}

效果:

上面的代码非常easy,所以这里不给出解释,看凝视完全然全能够懂.

还有内容,稍后更新……