• 数字图像1-opencv c++基本操作

    数字图像1-opencv c++基本操作

    实验题目: 实验1：图像基本操作

    实验1.1：图像加载、显示

    实验过程中遇到和解决的问题：

    int Show_img() {
	//读取图片
	Mat src_img = imread(src_path, IMREAD_COLOR);
	//确认图片不空
	if (src_img.empty()) {
		cout << "The image is empty!\n";
		return EXIT_FAILURE;
	}
	//定义显示窗口(可省略, 这里可以设置窗口尺寸)
	namedWindow(src_win, WINDOW_AUTOSIZE);
	//显示图片
	imshow(src_win, src_img);
	//保持窗口始终存在
	waitKey(0);
	return 0;
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16

    • 路径不存在或者图片名称输入错误导致程序异常退出, 这时候添加图像的.empty()处理这种报错, 有助于程序正常运行

    • imread(path,mode)

      mode可以选择多种, 用于显示灰度图,RGB图和RGBA图等, 后文显示RGBA图出现问题, 应该使用mode=IMREAD_UNCHANGED.

    • waitkey(0)用于窗口的停留检测操纵, 使窗口停止.

    • namedWindow(window_name,mode) mode用于显示窗口尺寸, 选择WINDOW_AUTOSIZE适应图片, 和可以选择矩形等

    结果分析与体会：

    bmp:
    在这里插入图片描述

    jpg:

    在这里插入图片描述

    png

    在这里插入图片描述

    都正常显示.

    实验1.2：图像通道分离

    实验过程中遇到和解决的问题：

    void getChannel(const uchar* input, int width, int height, int inStep, int inChannels, uchar*& output, int outStep, int channelToGet) {
	//输出uchar数组 先设为较大的数组 防止溢出
	uchar ans[N] = {0};
	int poi = 0;//src_img对应的input指针指向访问位置
	int cnt = 0;//ans中指针 用于指向存储位置
	//图像交叉存储方式下访问每个像素的固定channel
	for (int y = 0; y < height; y++) {
		//考虑图像对齐填充下 每次找到a row的第一个位置
		poi = channelToGet+y*inStep;
		//cout <
		//遍历一行像素的特定channel
		for (int x = 0; x < width; x++) {
			//poi += x * inChannels;
			ans[cnt] = input[poi];
			poi +=  inChannels;
			//cout <<  y << "-" <<"  x  " << x << " poi " << poi << "\n";
			cnt++;
		}
	}
	//这种紧密存储方式下, 没有为了对齐填充, 所以step等于行像素值
	outStep = width;
	//ans.resize()
	//输出output指针指向输出uchar ans[]
	output = ans;
	cout <<"getchannel "<<getChannel<<" value:"<<int(output[0])<<" get ok!\n";// << output;
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26

    • uchar ans[N] 注意N不能使用图像width和height设定特定大小的数组, 因此要提前设定开辟固定大小的数组

      注意数组不能太小, 否则会发生溢出, 而且溢出的报错不一定是在访问数组的时候报错, 我这里是在poi+到一定数值后报的错, 就导致找bug找了很长时间. 假设500x500都要开辟5e5大小的数组.

      数值溢出异常:

    在这里插入图片描述

    • poi指针先找到每一行的其实位置, 是为了应对交叉存储下的填充无用数值被读写

    • 关于uchar和Mat的转换

      	//Mat转为uchar*
	const uchar* input = src_img.data;
	uchar* output=NULL;
	int outStep=0;
	getChannel(input, src_img.cols, src_img.rows, src_img.step, src_img.channels(), output, outStep, 2);
	//uchar*转为Mat
	Mat des_img(src_img.rows, src_img.cols, CV_8UC1, output);

      • 1
      • 2
      • 3
      • 4
      • 5
      • 6
      • 7

      注意uchar是指向数组第一个位置的指针, 而且构造Mat允许指针

    • 通道分离数值验证:

    在这里插入图片描述

    结果分析与体会：

    在这里插入图片描述

    通过RGB三个通道分离, 从左上, 右上, 左下,右下分别对应着原图, 分离通道BGR, 从绿色头发和红色头发, 可以看出明显的偏白(数值大)和偏黑(数值小), 表示通道提取正确.

    实验1.3：图像合成

    实验过程中遇到和解决的问题：

    提取Alpha
    void getAlpha(Mat& img) {
	//创建大小相同的Mat
	Mat ans = Mat::zeros(img.size(), CV_8UC1);
	//每个像素提取第四通道
	for (int x = 0; x < img.cols; x++) {
		for (int y = 0; y < img.rows; y++) {
			ans.at<uchar>(y, x) = img.at<Vec4b>(y, x)[3];
		}
	}
	imshow("alpha", ans);
	waitKey(0);
	return;
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 首先图像读取imread中要用四channel方式读取.
    • 读取每个像素的第四通道, 使用 img.at(y, x)[3]这种方式. 使用Vec3b则没有第四通道并且会造成图片访问异常.
    Alpha混合 更换背景
    void changeBackground(Mat& src_img) {
	//读取背景图片
	string bg_path = "D:\\CV\\IP_data\\background.jpg";
	Mat bg_img = imread(bg_path);
	//背景混合图片
	Mat ans_img = Mat::zeros(src_img.size(), src_img.type());
	cout << ans_img.channels() << "\n";
	//对于任意大小背景的图片 更换为目标图片的尺寸
	resize(bg_img, bg_img, src_img.size());
	imshow("bg_img", bg_img);
	waitKey(0);
	cout << "bg_img.size:" << bg_img.size() << "ans_img.size:" << ans_img.size() << "\n";
	
	int cal_val = 0;
	for (int x = 0; x < src_img.cols; x++) {
		for (int y = 0; y < src_img.rows; y++) {
			int alpha = src_img.at<Vec4b>(y, x)[3];
			for (int ch = 0; ch < 3; ch++) {
				//alpha混合公式
				cal_val = src_img.at<Vec4b>(y, x)[ch] * (float(alpha) / 255.0) + bg_img.at<Vec3b>(y, x)[ch] * ((255.0 - float(alpha)) / 255.0);
				//防止数据溢出 等效于saturate_cast
				if (cal_val > 255) cal_val = 255;
				ans_img.at<Vec4b>(y, x)[ch] = cal_val;
			}
		}
	}
	//namedWindow("after",)
	imshow("after", ans_img);
	waitKey(0);
	return;
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31

    • 对于任意大小的背景需要处理背景大小, 使用resize函数处理成前景大小

    • 混合公式为:

      color = (A.rgb * A.a) + (B.rgb * (1 - A.a))

    • error问题主要在细节上, 含有alpha的图像不能使用Vec3b访问, 会根本访问不出来.

    • 防止数据溢出等效于函数saturate_cast

    结果分析与体会：

    alpha通道显示:

    在这里插入图片描述

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kx91yrOv-1663552229430)(%E5%B1%B1%E4%B8%9C%E5%A4%A7%E5%AD%A6%E6%95%B0%E5%AD%97%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86%E5%AE%9E%E9%AA%8C%E6%8A%A5%E5%91%8A1.assets/Snipaste_2022-09-18_23-21-22.jpg)]

    alpha表示不透明度, 可以看到笔筒的不同位置有不同的透明度, 实体小玩具基本是完全不透明和完全透明.

    alpha混合

    在这里插入图片描述

    在这里插入图片描述

    • 可以看到笔筒的某些位置是悲情和前景的融合, 某些位置是单纯的前景, 可见通过alpha混合能够得到相对比较好的混合结果.

    代码

    #include
#include
#include
#include "opencv2/core.hpp"
#include "opencv2/features2d.hpp"
//#include "opencv2/nonfree/nonfree.hpp"
//#include"opencv2/legacy/legacy.hpp"
#include "opencv2/highgui.hpp"

using namespace cv;
using namespace std;

const char* src_win = "Source Image";
const string src_path = "D:\\CV\\IP_data\\a.png";
//const string src_path = "D:\\CV\\IP_data\\bean.bmp";
//const string src_path = "D:\\CV\\IP_data\\ex3.png";
const int N = 5e5;
Mat src_img;
int Show_img() {
	//读取图片
	Mat src_img = imread(src_path, IMREAD_COLOR);
	//确认图片不空
	if (src_img.empty()) {
		cout << "The image is empty!\n";
		return EXIT_FAILURE;
	}
	//定义显示窗口(可省略, 这里可以设置窗口尺寸)
	namedWindow(src_win, WINDOW_AUTOSIZE);
	//显示图片
	imshow(src_win, src_img);
	//保持窗口始终存在
	waitKey(0);
	return 0;
}
void getChannel(const uchar* input, int width, int height, int inStep, int inChannels, uchar*& output, int outStep, int channelToGet) {
	//输出uchar数组 先设为较大的数组 防止溢出
	uchar ans[N] = {0};
	int poi = 0;//src_img对应的input指针指向访问位置
	int cnt = 0;//ans中指针 用于指向存储位置
	//图像交叉存储方式下访问每个像素的固定channel
	for (int y = 0; y < height; y++) {
		//考虑图像对齐填充下 每次找到a row的第一个位置
		poi = channelToGet+y*inStep;
		//cout <
		//遍历一行像素的特定channel
		for (int x = 0; x < width; x++) {
			//poi += x * inChannels;
			ans[cnt] = input[poi];
			poi +=  inChannels;
			//cout <<  y << "-" <<"  x  " << x << " poi " << poi << "\n";
			cnt++;
		}
	}
	//这种紧密存储方式下, 没有为了对齐填充, 所以step等于行像素值
	outStep = width;
	//ans.resize()
	//输出output指针指向输出uchar ans[]
	output = ans;
	cout <<"getchannel "<<getChannel<<" value:"<<int(output[0])<<" get ok!\n";// << output;
}
void getAlpha(Mat& img) {
	//创建大小相同的Mat
	Mat ans = Mat::zeros(img.size(), CV_8UC1);
	//每个像素提取第四通道
	for (int x = 0; x < img.cols; x++) {
		for (int y = 0; y < img.rows; y++) {
			ans.at<uchar>(y, x) = img.at<Vec4b>(y, x)[3];
		}
	}
	imshow("alpha", ans);
	waitKey(0);
	return;
}
void changeBackground(Mat& src_img) {
	//读取背景图片
	string bg_path = "D:\\CV\\IP_data\\background.jpg";
	Mat bg_img = imread(bg_path);
	//背景混合图片
	Mat ans_img = Mat::zeros(src_img.size(), src_img.type());
	cout << ans_img.channels() << "\n";
	//对于任意大小背景的图片 更换为目标图片的尺寸
	resize(bg_img, bg_img, src_img.size());
	imshow("bg_img", bg_img);
	waitKey(0);
	cout << "bg_img.size:" << bg_img.size() << "ans_img.size:" << ans_img.size() << "\n";
	int cal_val = 0;

	for (int x = 0; x < src_img.cols; x++) {
		for (int y = 0; y < src_img.rows; y++) {
			int alpha = src_img.at<Vec4b>(y, x)[3];
			for (int ch = 0; ch < 3; ch++) {
				//alpha混合公式
				cal_val = src_img.at<Vec4b>(y, x)[ch] * (float(alpha) / 255.0) + bg_img.at<Vec3b>(y, x)[ch] * ((255.0 - float(alpha)) / 255.0);
				//防止数据溢出 等效于saturate_cast
				if (cal_val > 255) cal_val = 255;
				ans_img.at<Vec4b>(y, x)[ch] = cal_val;
			}
		}
	}
	//namedWindow("after",)
	imshow("after", ans_img);
	waitKey(0);
	return;
}
int main(int argc, char** argv) {
	//Show_img();
	Mat src_img = imread(src_path, IMREAD_UNCHANGED);
	//cout << src_img.channels();
	cout << src_img.cols << 'x' << src_img.rows << " step: " << src_img.step << "\n";
	imshow("test", src_img);
	waitKey(0);
	//getChannel 任意读取通道
	//Mat转为uchar*
	const uchar* input = src_img.data;
	uchar* output=NULL;
	int outStep=0;
	getChannel(input, src_img.cols, src_img.rows, src_img.step, src_img.channels(), output, outStep, 2);
	//uchar*转为Mat
	Mat des_img(src_img.rows, src_img.cols, CV_8UC1, output);
	//cout << output << endl;
	cout << des_img.cols << 'x' << des_img.rows << " step: " << des_img.step << "\n";
	namedWindow("des", WINDOW_AUTOSIZE);
	imshow("des", des_img);
	waitKey(0);
	//getchannel---------end

	//cout <<"===="<(0, 570)[0];
	//得到alpha
//	getAlpha(src_img);
	//图像更换背景
//	changeBackground(src_img);
	return 0;
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113
    • 114
    • 115
    • 116
    • 117
    • 118
    • 119
    • 120
    • 121
    • 122
    • 123
    • 124
    • 125
    • 126
    • 127
    • 128
    • 129
    • 130
    • 131
    • 132
    • 133
  • 相关阅读:
    Matlab程序结构
    Docker启动失败报错Failed to start Docker Application Container Engine解决方案
    Shell综合应用案例，归档文件、发送消息
    CVPR2022 | 重新审视池化：你的感受野不是最理想的
    vite不能选配方案？vite-creater强势来袭！
    查找算法 —— 斐波拉契查找法
    CorelDRAWX4的C++插件开发(四十)纯C++插件开发(4)继承插件结构体IVGAppPlugin和自动化接口IDispatch
    经验，真的是你的核心竞争力吗？
    PyTorch ConvTranspose2d 的定义与计算过程
    公司要招个程序员，34岁以上两年一跳的不要，开出工资以为看错了
  • 原文地址：https://blog.csdn.net/qq_48034566/article/details/126927709