前言

Opencv影像操作與混合，用opencv實作對影像的修改

一、影像是什么？

在這一篇文章中，我們對影像已經有了一定的了解

https://blog.csdn.net/ivan_9/article/details/113059961

二、OpenCV中資料型別和常用資料型別對應

資料型別	opencv資料型別對應
Mat<uchar>	CV_8U
Mat<char>	CV_8S
Mat<ushort>	CV_16U
Mar<short>	CV_16S
Mat<int>	CV_32S
Mat<float>	CV_32F
Mat<double>	CV_16F

三、影像的操作

1）imread函式：利用imread函式讀取影像

imread是image read的縮寫：即負責影像讀取

3.1.1、利用imread實作讀取的代碼塊：

Mat src, gray_src;
src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");

3.1.2、imread函式在opencv里的定義：

CV_EXPORTS_W Mat imread( const String& filename, int flags = IMREAD_COLOR );
/** @brief Loads a multi-page image from a file.
The function imreadmulti loads a multi-page image from the specified file into a vector of Mat objects.
@param filename Name of file to be loaded.
@param flags Flag that can take values of cv::ImreadModes, default with cv::IMREAD_ANYCOLOR.
@param mats A vector of Mat objects holding each page, if more than one.
@sa cv::imread*/

2）imwrite函式：利用imwrite函式寫入影像，即保存影像

imwrite是image write的縮寫：即負責影像寫入

3.2.1、利用imwrite實作寫入的代碼塊：

imwrite("C:\\Users\\ASUS\\Desktop\\imwrite.jpg", src);

3.2.2、imwrite函式在opencv里的定義：

CV_EXPORTS_W bool imwrite( const String& filename, InputArray img,
              const std::vector<int>& params = std::vector<int>());
/// @overload multi-image overload for bindings
//filename:需要寫入的檔案名，會自己創建（像imwrite("imwrite.jpg",src);支持JPEG,PNG,PPM,PGM,PBM，TIFF等格式
//img:要保存的影像
//params:表示為特定格式保存的引數編碼

3）遍歷影像

3.3.1、利用at函式實作單通道影像遍歷，對影像像素點進行操作：

代碼塊

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main() {
	Mat src, gray_src;
	src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");
	if (!src.data) {
		cout << "could not load your image!";
		return 0;
	}
	namedWindow("input_image", WINDOW_AUTOSIZE);
	imshow("input_image", src);


	namedWindow("output_image", WINDOW_AUTOSIZE);
	cvtColor(src, gray_src, COLOR_BGR2GRAY); //利用色彩空間轉換函式，轉化為灰度影像，灰度影像只有單通道
	int height = gray_src.rows;
	int width = gray_src.cols;

	//單通道
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			int gray = gray_src.at<uchar>(row, col);
			gray_src.at<uchar>(row, col) = 255 - gray;
		}
	}
	imshow("gray_invert", gray_src);

	waitKey(0);
	return 0;
}

利用at函式，單通道遍歷影像后的運行結果：
在這里插入圖片描述

3.3.2、利用at實作多通道影像遍歷：

代碼塊：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main() {
	Mat src, dst;
	src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");
	if (!src.data) {
		cout << "could not load your image!";
		return 0;
	}
	namedWindow("input_image", WINDOW_AUTOSIZE);
	imshow("input_image", src);


	namedWindow("output_image", WINDOW_AUTOSIZE);
	int height = src.rows;
	int width = src.cols;

	dst.create(src.size(), src.type());
	height = src.rows;
	width = src.cols;
	int nc = src.channels();
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			if (nc == 1) {  //單通道
				int One = src.at<uchar>(row, col);
				src.at<uchar>(row, col) = 255 - One;
			}
			else if (nc == 3) { //多通道
				int b = src.at<Vec3b>(row, col)[0];
				int g = src.at<Vec3b>(row, col)[1];
				int r = src.at<Vec3b>(row, col)[2];
				dst.at<Vec3b>(row, col)[0] = 255 - b;
				dst.at<Vec3b>(row, col)[1] = 255 - g;
				dst.at<Vec3b>(row, col)[2] = 255 - r;
			}//Vec3b放著bgr的像素,每個像素的讀法采用Vec3b;Vec3f是浮點型的像素
		}
	}
	imshow("output_image", dst);

	waitKey(0);
	return 0;
}

利用at函式，多通道遍歷影像后的運行結果：
在這里插入圖片描述

3.3.3、利用at函式以及隨機函式生成一張圖片：

代碼塊：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main() {
	Mat src;
	src = Mat(666, 666, CV_8UC3);
	int height = src.rows;
	int weight = src.cols;
	for (int row = 0; row < height; row++){
		for (int col = 0; col < weight; col++) {
			src.at<Vec3b>(row, col)[0] = rand() * 255 + 1;//讓亂數處于0-255之間，也可以rand() % 255
			src.at<Vec3b>(row, col)[1] = rand() * 255 + 1;
			src.at<Vec3b>(row, col)[2] = rand() * 255 + 1;
		}
	}
	namedWindow("my_random_image", WINDOW_AUTOSIZE);
	imshow("my_random_image", src);

	waitKey(6000); //影像停滯6秒后消失；
	return 0;
}

運行結果：
在這里插入圖片描述

3.3.4、ptr指標遍歷影像：

代碼塊：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main() {
	Mat src;
	src = imread("C:\\Users\\ASUS\\Desktop\\2.jpg");
	if (!src.data) {
		cout << "could not load image..." << endl;
		return 0;
	}
	namedWindow("init_image", WINDOW_AUTOSIZE);
	imshow("init_image", src);
	int height = src.rows;
	int weight = src.cols;
	int chan = src.channels();
	for (int row = 0; row < height; row++) {
		uchar* row_Pointer = src.ptr<uchar>(row);
		for (int col = 0; col < weight * chan; col++) {
			//影像是三通道的，所以要*3
			row_Pointer[col] = saturate_cast<uchar>(row_Pointer[col] + 66);
			//在原有影像的基礎上，每個像素點加66
		}
	}
	namedWindow("changed_image", WINDOW_AUTOSIZE);
	imshow("changed_image", src);

	waitKey(6666); //影像停滯6.666秒后消失；
	return 0;
}

運行結果：
在這里插入圖片描述

3.3.5、iterator迭代器遍歷影像：

代碼塊：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main() {
	Mat src;
	src = imread("C:\\Users\\ASUS\\Desktop\\2.jpg");
	if (!src.data) {
		cout << "could not load image..." << endl;
		return 0;
	}
	namedWindow("init_image", WINDOW_AUTOSIZE);
	imshow("init_image", src);
	for (Mat_<Vec3b>::iterator iter = src.begin<Vec3b>(); iter != src.end<Vec3b>(); iter++) {
		//利用迭代器遍歷影像，對三通道依次進行修改
		(*iter)[0] = saturate_cast<uchar>((*iter)[0] + 1);
		(*iter)[1] = saturate_cast<uchar>((*iter)[1] + 111);
		(*iter)[2] = saturate_cast<uchar>((*iter)[2] + 1);
		//使用saturate_cast<uchar>()函式，防止溢位
	}
	namedWindow("changed_image", WINDOW_AUTOSIZE);
	imshow("changed_image", src);

	waitKey(6666); //影像停滯6.666秒后消失；
	return 0;
}

運行結果：
在這里插入圖片描述

3.3.6、iterator迭代器遍歷影像：

4）ROI區域

3.4.1、ROI區域的定義：

ROI全稱region of interest. 在影像處理領域，感興趣區域(ROI) 是從影像中選擇一塊影像區域，該區域是影像分析所關注的重點，
圈定該區域以便進行進一步處理，
使用ROI圈定你想讀的目標，可以減少處理時間，增加精度，

3.4.2、規則的ROI區域選取：

(A) 使用Rect函式，截取ROI區域：

程式代碼：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main() {
	Mat src;
	src = imread("C:\\Users\\ASUS\\Desktop\\2.jpg");
	if (src.empty()) {
		cout << "could not load your image...";
		return 0;
	}
	namedWindow("init_image", WINDOW_AUTOSIZE);
	imshow("init_image", src);
	Mat dst = src(Rect(150, 50, 150, 150));
	//Rect 四個引數分別為x,y,截取多長的x,截取多長的y
	namedWindow("rect_image", WINDOW_AUTOSIZE);
	imshow("rect_image", dst);

	waitKey(0);
	return 0;
}

運行結果：
在這里插入圖片描述

(B) 使用Range函式，截取ROI區域：

決議：

Mat(Range(定位x,寬度), Range(定義y,長度));
用Range::all()靜態方法來獲取所有的行或列

程式代碼：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main() {
	Mat src;
	src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");
	if (src.empty()) {
		cout << "could not load your image...";
		return 0;
	}
	namedWindow("init_image", WINDOW_AUTOSIZE);
	imshow("init_image", src);
	Mat dst = src(Range(150, 350), Range(100,400));
	/*Mat::operator()( Range _rowRange, Range _colRange ) const{
			return Mat(*this, _rowRange, _colRange);}
	利用Mat 的方法提取ROI區域
	*/
	namedWindow("rect_image", WINDOW_AUTOSIZE);
	imshow("rect_image", dst);

	waitKey(0);
	return 0;
}

運行結果：
在這里插入圖片描述

3.4.3、不規則的ROI區域選取：

程式代碼：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main() {
	Mat src, dst, mask;
	src = imread("C:\\Users\\ASUS\\Desktop\\3.png");
	if (src.empty()) {
		cout << "could not load your image...";
		return 0;
	}
	//原圖，為了簡單，自己手繪了一個色彩分明的影像
	namedWindow("init_image", WINDOW_AUTOSIZE);
	imshow("init_image", src);

	//生成mask區域
	inRange(src, Scalar(5, 30, 0), Scalar(100, 255, 100), mask);
	//inRange()無回傳值，因為是3通道的，中間引數采用向量
	namedWindow("mask_image", WINDOW_AUTOSIZE);
	imshow("mask_image", mask);

	//生成ROI區域
	bitwise_and(src, src, dst, mask);
	//用混合方式，將mask以及原圖混合，得出ROI不規則區域
	namedWindow("output_image", WINDOW_AUTOSIZE);
	imshow("output_image", dst);
	//簡而言之，就是2張影像的結合，得出結果，
	waitKey(0);
	return 0;
}

運行結果：在這里插入圖片描述

5）影像的混合操作：

3.5.1、影像的二進制運算操作：

說到二進制運算，我們總能想到&,|,!,^;
在opencv影像處理中，二進制操作又是哪些呢？

二進制函式	決議
bitwise_and	void bitwise_and(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); 對影像每個像素值進行二進制“與”操作；簡而言之，計算兩個陣列或一個陣列和一個標量的逐元素逐位析取（或真或假，但不能既真又假），
bitwise_or	void bitwise_or(InputArray src1, InputArray src2,OutputArray dst, InputArray mask = noArray()); 對影像每個像素值進行二進制“或”操作；簡而言之，對兩個元素計算按位“異或”運算陣列或陣列和標量，
bitwise_not	void bitwise_not(InputArray src, OutputArray dst,InputArray mask = noArray()); 對影像每個像素值進行二進制“取反”操作；簡而言之，計算兩個陣列或陣列與標量之間的每元素絕對差
bitwise_xor	void bitwise_xor(InputArray src1, InputArray src2,OutputArray dst, InputArray mask = noArray()); 對影像每個像素值進行二進制“異或”操作；簡而言之，反轉陣列的每一位

bitwise_or簡單操作：
程式代碼：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main() {
	Mat src, dst, add_src_dst;
	src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");
	dst = imread("C:\\Users\\ASUS\\Desktop\\3.jpg");
	if (src.empty() || dst.empty()) {
		cout << "could not load your image...";
		return 0;
	}
	namedWindow("init_image1", WINDOW_AUTOSIZE);
	imshow("init_image1", src);
	namedWindow("init_image2", WINDOW_AUTOSIZE);
	imshow("init_image2", dst);
	//進行或操作
	bitwise_or(src, dst, add_src_dst);
	//也可以采用與等，看自己需要

	namedWindow("add_src_dst", WINDOW_AUTOSIZE);
	imshow("add_src_dst", add_src_dst);

	waitKey(0);
	return 0;
}

運行結果：
在這里插入圖片描述

3.5.2、影像的線性混合操作：

前提：兩張影像的大小（size）、型別(type)必須一模一樣，
a, 即alpha（alpha channels）的取值在[0，1]
在這里插入圖片描述
程式代碼：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main() {
	Mat src, dst, add_src_dst;
	src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");
	dst = imread("C:\\Users\\ASUS\\Desktop\\3.jpg");
	if (src.empty() || dst.empty()) {
		cout << "could not load your image...";
		return 0;
	}
	namedWindow("init_image1", WINDOW_AUTOSIZE);
	imshow("init_image1", src);
	namedWindow("init_image2", WINDOW_AUTOSIZE);
	imshow("init_image2", dst);

	if (src.type() == dst.type() && src.rows == dst.rows && src.cols == dst.cols) {
		double alpha = 0.45;
		addWeighted(src, alpha, dst, (1.0 - alpha), 0.0, add_src_dst);
		//這說明第一張圖權重占比45%，第二張圖權重占比55%

		//add(src, dst, add_src_dst, Mat());
		//兩個元素級的加運算
		//multiply(src, dst, add_src_dst, 1.0);
		//兩張圖相乘
		namedWindow("add_src_dst", WINDOW_AUTOSIZE);
		imshow("add_src_dst", add_src_dst);
	}
	else {
		cout << "could not blend image, the size of images is not same...\n";
		return 0;
	}

	waitKey(0);
	return 0;
}

運行結果：
在這里插入圖片描述

四、其他影像操作函式：

1）waitKey()函式：

呼叫 waitKey() 會進入一個訊息回圈，來等待運行視窗上的按鍵動作命令，

2）cvtColor()函式：

將影像從一個顏色空間轉換為另一個顏色空間，其中源影像存盤在兩個平面中，

3）Filp()函式：

選定軸翻轉，0為x軸，即垂直翻轉；1為y軸，即水平翻轉；
寫法：flip(src, dst, 0);

還有很多函式，等你來使用，這里不一一贅述了！

總結

本文講述了影像的遍歷，影像怎么選取ROI區域，影像的混合操作，以及其他小知識點！

如有錯誤，敬請指教！

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/253042.html

標籤：AI

上一篇：CSDN開發者周刊第 26 期：Rust 升級成微軟第一梯隊語言；“熊孩子”亂敲鍵盤攻破 Linux 桌面；500 個值得學習的 AI 開源專案

下一篇：自己做量化交易軟體(35)小白量化實戰8--事件型回測程式

Opencv影像操作——影像遍歷、影像ROI選取、影像混合

前言

一、影像是什么？

二、OpenCV中資料型別和常用資料型別對應

三、影像的操作

1）imread函式：利用imread函式讀取影像

3.1.1、利用imread實作讀取的代碼塊：

3.1.2、imread函式在opencv里的定義：

2）imwrite函式：利用imwrite函式寫入影像，即保存影像

3.2.1、利用imwrite實作寫入的代碼塊：

3.2.2、imwrite函式在opencv里的定義：

3）遍歷影像

3.3.1、利用at函式實作單通道影像遍歷，對影像像素點進行操作：

3.3.2、利用at實作多通道影像遍歷：

3.3.3、利用at函式以及隨機函式生成一張圖片：

3.3.4、ptr指標遍歷影像：

3.3.5、iterator迭代器遍歷影像：

3.3.6、iterator迭代器遍歷影像：

4）ROI區域

3.4.1、ROI區域的定義：

3.4.2、規則的ROI區域選取：

(A) 使用Rect函式，截取ROI區域：

(B) 使用Range函式，截取ROI區域：

3.4.3、不規則的ROI區域選取：

5）影像的混合操作：

3.5.1、影像的二進制運算操作：

3.5.2、影像的線性混合操作：

四、其他影像操作函式：

1）waitKey()函式：

2）cvtColor()函式：

3）Filp()函式：

總結