opencv2學習筆記（1）

cv::Mat 類是用于保存影像以及其他矩陣資料的資料結構，默認情況下，它們的尺寸為0，但是也可以指定初始尺寸，

cv::Mat ima(240,320,CV_8U,cv::Scalar(100));

同時指定矩陣中元素的型別，這里的CV_8U對應的是單位元組的像素影像，字母U意味著無符號的（Unsigned），也可以使用字母S宣告帶符號的型別，
對于彩色影像，需要指定三個通道（CV_8UC3）.也可以宣告16位或32位的整數影像，或者浮點數影像，
當CV::Mat物件離開作用域后，分配的記憶體將被自動釋放，防止記憶體溢位，
cv::Mat還實作了參考計數以及淺拷貝，當影像之間進行賦值時，影像資料并沒有發生賦值，兩個物件都指向同一塊的記憶體塊，這也可用于引數傳值的影像，以及回傳值傳值的影像，參考計數的作用是只有當所有參考記憶體資料的物件都被析構后，才會釋放記憶體塊，
可以使用copyTo（）方法，

cv::Mat image2,image3;
image2 = result;
result.copyTo(image3);
//創建新的物件實作拷貝

cv::Mat function()
//作為類 回傳影像 自動實作淺拷貝
{
	cv::Mat ima(240,320,CV_8U,cv::Scalar(100));
	return ima;
}

//得到灰度圖
cv::Mat gray = function();

gray變數將包含函式中創建的影像內容，而不涉及額外的記憶體分配，

然而在類中使用時需要謹慎，避免回傳類中的影像成員

class Test{
	cv::Mat ima;
	public:
	//建構式
		Test() :ima(240,320,CV_8U,cv::Scalar(100))
		//初始化
		{}
		cv::Mat method()
		{return ima;}

如果呼叫了類的這個方法，回傳值和屬性共用一塊記憶體，這樣修改回傳值時很容易引起物件屬性的改變，影響侯敏的計算，
所以應該對回傳的變數進行深拷貝，

第二章
操作像素

存取像素值
為了存取矩陣元素，需要在代碼中指定元素所在的行和列，程式會回傳相應的元素，如果影像時單通道的，回傳值時單個數值，如果影像時多通道的，回傳值則是一組向量，

椒鹽噪點：隨機的將部分像素設定為白色或者黑色，在傳輸程序中，如果部分像素值丟失，那么這種早點就會出現，

首先對一個影像隨機修改一些白色像素點，

void salt(cv::Mat &image, int n)
{
	for(int k=0; k<n ;k++)
	{
	rand()
	//生成亂數
	int i = rand()%image.cols;
	int j = rand()%image.rows;
	if(image.channels() == 1)
	//判斷是否為灰度圖
	{
	image.at<uchar>(j,i) = 255;
	}
	else if(image.channels() == 3)
	//判斷是否為彩色圖
	{
	image.at<cv::Vec3b>(j,i)[0] = 255;
	image.at<cv::Vec3b>(j,i)[1] = 255;
	image.at<cv::Vec3b>(j,i)[2] = 255;
	//對于彩色影像需要將每個通道的值都設為白色，才能得到一個白色像素
	}
}
}

//打開影像
cv::Mat image = cv::imread("boldt.jpg");
salt(image,3000);
cv::namedWindow("image");
cv::imshow("image",image);

類cv::Mat 有若干成員函式可以獲取影像的屬性，公有屬性cols和rows給出了影像的寬和高，
成員函式at（inty，intx）可以用來存盤影像元素，但是必須在編譯期已知影像的型別，
因為cv::Mat可以存放任意資料型別的元素，
所以需要先指定資料型別

image.at<uchar>(j,i) = 255;

at方法不會進行任何資料型別的轉換，
opencv將彩色影像類向量定義為cv：：Vec3b，即由三個unsigned char的向量組成，

使用指標遍歷影像
使用雙重回圈遍歷所有的像素值

void colorReduce(cv::Mat &image,int div=64)
{
	int nl = image.rows;
	int nc = image.cols*image.channels();
	for(int j=0;j<nl;j++)
	{
		//得到第j行的首地址
		uchar* data = image.ptr<uchar>(j);
		for(int i = 0;i < nc;i++)
		{
			data[i] = data[i]/div*div + div/2;
		}
	}
}
//主函式
image = cv::imread("boldt.jpg");
colorReduce(image);
cv::namedWindow("Image");
cv::imshow("Image",image);

cv::Mat中的ptr函式可以得到影像任意行的首地址，
可以等效的使用指標運算從一列移動到下一列，

*data++ = *data/div*div + div/2;

其它的顏色縮減公式
也可以通過模運算來計算最接近被除數的除數（縮減因子，div）的整數倍數，

data[i]=  data[i] - data[i]%div + div/2;

但是這個計算方式會偏慢，因為它需要存取每個像素兩次，

另一個選擇是使用位運算，如果我們限制縮減因子為2的冪次，即div = pow(2,n), 那么，只取像素值的前n位即可得到不大于該值的關于縮減因子的最大整數倍數，運算掩模可以通過簡單的移位操作得到，

uchar mask = 0xFF<<n;
//for div = 16, mask = 0xF0;

顏色縮減的計算

data[i] = (data[i]&mask) + div/2;

通常而言，位運算非常搞笑，所以在需要考慮效率的情況下位運算是一個強大的備選方式，

使用輸入和輸出引數
顏色變換在上文中，是直接作用于輸入影像的，我們稱之為inplace變換，這種方式不需要額外的影像來保存輸出結果，
但是有些時候不希望改變原影像，所以呼叫之前應當創建原始影像的拷貝，
最簡單的深拷貝就是使用clone函式，

image = cv::imread("boldt.jpg");
cv::Mat imageClone = image.clone();
colorReduce(imageClone);
cv::namedWindow("Image result");
cv::imshow("Image result", imageClone);

在具體實作程序中，可以給用戶選擇是否采用in-place的處理方式，函式的實作如下，

void colorReduce(const cv::Mat &image,
cv::Mat &result,int div = 64);

這里輸入影像是通過常量傳遞的，函式不會修改原影像，
但是當選擇In-place的處理方式時，用戶可以將輸入輸出指定為同一個變數：

coloeReduce(image,image);

否則，用戶必須提供另一個cv::Mat實體

cv::Mat result;
colorReduce(image,result);

注意：
這里必須檢查輸入和輸出影像的大小和元素資料型別是否一致，
cv::Mat成員函式create內置了這個檢查操作，
如果需要新的尺寸和資料型別對一個矩陣進行重新分配，那么我們就可以呼叫create成員函式，而且，如果新指定的尺寸和資料型別與原有的一樣，create函式會直接回傳，
首先，利用create來創建一個與輸入影像的尺寸和型別相同的矩陣：

result.create(image.rows,image.cols,image.type());

注意：create函式創建的影像的記憶體都是自連續的，create函式不會對影像的行進行填補，分配的記憶體大小為total()*elemSize()，回圈使用兩個指標完成，

for(int j = 0;j<nl,j++)
{
	const uchar*data_in = image.ptr<uchar>(j);
	//獲取第j行的首地址
	uchar* data_out = result.ptr<uchar>(j);
	for(int i = 0;i < nc; i++)
	{
		data_out[i] = data_in[i]/div*div
 + div/2;
 	}
}

高效遍歷連續影像
考慮到效率 影像有可能會在行尾擴大若干個像素，但是當不對影像進行填補時，影像可以被視為一個一維陣列，可以通過cv::Mat的isContinuous方法來判斷這個影像是否進行了填補，如果isContinuous方法回傳值為真的話，說明沒有進行過填補，
在一些影像處理演算法中，我們可以利用影像的連續性，把整個處理程序使用一個回圈完成，顏色縮減函式可以重寫為

void colorReduce(cv::Mat &image, int div = 64)
{
	int nl = image.rows;
	int nc = image.cols*image.channels();
	if(image.isContinous())
	//沒有額外的填補像素
	{
		nc = nc*nl;
		nl = 1；
		//是一個一維陣列，將圖片展平
	}
	//對于連續影像，本回圈只執行一次
	for(int j = 0;j < nl;j++)
	{
		uchar*data = image.ptr<uchar>(j);
		for(int i = 0;i < nc;i++)
		{
			data[i] = data[i]/div*div + div/2;
		}
	}
}

當通過isContinuous得知影像沒有對行進行填補后，就可以將寬設定為1，高度設定為W×H，從而消除外層回圈，
注意：也可以使用reshape方法來重寫這段代碼，

if(image.isContinous())
{
	//確定沒有填補
	image.reshape(1,image.cols*image.rows);
}
int nl = image.rows;
int nc = image.cols*umage.channels();

reshape不需要記憶體拷貝或者重新分配就能改變矩陣的維度，兩個引數分別為新的通道數和新的行數，矩陣的列數可以根據新的通道數和行數來自適應，
在這些實作中，內層回圈依次處理影像的全部像素，這個方法在同時處理若干個小影像時會很有優勢，

底層指標運算
在類cv::Mat中，影像資料以unsigned char的形式保存在一塊記憶體中，這塊記憶體的首地址可以通過data成員變數得到，data是一個unsigned char型的指標，所以回圈可以以如下方式開始，

uchar* data = image.data;

從當前行到下一行可以通過對指標加上行寬完成，

data += image.step;

step代表影像的行寬（包括填補像素），
通常可以通過如下方式獲取第j行第i列的像素的地址

data = image.data + j*image.step + i*image.elemszie();
//或
data = &image.at(j,i);

但是這種方法容易出錯，且不適用于待遇感興趣取余的影像，

使用迭代器遍歷影像
一個cv::Mat實體的迭代器可以通過創建一個cv::Mat Iterator_的實體來得到，下劃線意味著它是一個模板類，
因為通過迭代器來存取影像的元素，必須在編譯期知道影像元素的資料型別，

cv::Mat Iterator_<cv::Vec3b> it;

也可以使用定位在Mat_內部的迭代器型別：

cv::Mat_<cv::Vec3b>::iterator it;