#include <cxcore.h> #include <cv.h> #include <highgui.h> #define WINDOW_AUTOSIZE 1 //CV_WINDOW_AUTOSIZE 這個宏是存在的 using namespace cv;
//read Mat image; image =imread("1.png",1); if (image.data==0) //讀數據失敗 //write imwrite( "../../images/Gray_Image.jpg", gray_image ); //show namedWindow( "color image", CV_WINDOW_AUTOSIZE ); imshow( "color image", image ); //convert BGR to Gray //顏色轉換函數 :從源image,到目gray_image, 宏CV_BGR2GRAY規定了顏色變換方法 cvtColor( image, gray_image, CV_BGR2GRAY );
//reference Mat A, C; // creates just the header parts A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // here we'll know the method used (allocate matrix) Mat B(A); // Use the copy constructor C = A; // Assignment operator //如上A,B,C都是指向同一個數據matrix,操做其中一個,同時會影響其它的數據 //可是A,B,C有不一樣的header,因此 這些不一樣的header能夠指向matrix中的一個子數據集 //ROI:region of interest //以下,截取一張圖片中的一部分數據 的方法 Mat D (A, Rect(10, 10, 100, 100) ); // using a rectangle Mat E = A(Range::all(), Range(1,3)); // using row and column boundaries //copy Mat F = A.clone(); Mat G; A.copyTo(G); /* 注意:圖片的容器使用了Mat對象,Mat對象由header和data組成 header是圖片的信息:size and address pointer部分 data是圖片的顏色信息 */
//加載顯示 IplImage* img = cvLoadImage("13.png", 1); Mat mtx(img); // convert IplImage* -> Mat namedWindow("Display Image", WINDOW_AUTOSIZE ); //將image圖片在Display Image這個窗口中顯示 imshow("Display Image", mtx); cvWaitKey(0);//wait for ur enter press on the picture
圖片就是一個平面矩陣,因此只要知道了行列座標,就能夠讀 寫對應位置的像素值了,
若是是灰度圖像,每一個位置座標上就只有一個值(用來表示灰度顏色)
若是是多通道的圖像,每一個位置上,就有BGR三個值(用來表示彩色圖像的三個份量)函數
當在圖像數據加載到內存中時:因爲內存地址是線性連續的,因此圖像的存儲方式也變成了線性的,線性存儲也有利於快速的訪問顏色數據(一個接一個的訪問,確實會快點)優化
面使用image.isContinuous();這個函數來肯定圖像數據的存儲在內存中是否是連續的。 Mat image=imread(argv[1],1); if (image.data==0) { cerr<<"invalid image file to read!"<<endl; return 0; } //獲得顏色數據在內存空間中存放時,是否 線性是連續的 image.isContinuous(); // 1:連續 0:不連續
if(image.depth()==CV_8U) //查看圖像中,每一個通道的顏色數據 的深度, //如咱們經常使用的 BGR三通道,每一個通道的值的範圍爲0-255,那麼就說顏色深度爲8位 顏色深度就是表示 每一個通道顏色的數據用了多少位,用以下幾個宏表示: CV_8U CV_16U CV_8S CV_16S CV_32S CV_32F CV_64F CV_Assert(image.depth() == CV_8U);//保證傳入數據爲true才能進行下面操做,不然會退出程序,並且會有下面的報錯,而且顯示在源程序中哪一行出錯!很是好的debug函數 OpenCV Error: Assertion failed
下面的方法中,5,6,7,都是能夠靈活的操做每一個通道的數據,用的比較多的是方法5,效率也高點!
//方法1: Mat image=imread("1.png",1); CV_Assert(image.depth() == CV_8U); //0==0 int channels=image.channels(); //獲得圖像有多少個顏色通道 int rows=image.rows; //獲得圖像有多少行 int cols=image.cols; //獲得圖像有多少列 cols=cols*channels; //列數xchannel數,纔是更底層的圖像的真實列數 unsigned char *pt; //用來指向 每一個顏色通道的 指針,用這個指針來讀到每一個像素的顏色值,固然改變像素值也是寫這個指針指向的數值 for (int i=0;i<rows;i++) { pt=image.ptr<unsigned char>(i); for (int j=0;j<cols;j++) { pt[j]=tables[pt[j]]; } } //小技巧:加快程序讀寫數據的速度 if (image.isContinuous())//若是顏色數據在內存中存放時,是連續存放的 { rows=1; //row=0 cols=cols*rows; //cols=0 ...一直到最後一個像素的顏色數據位置 } //注意 :必定不要把 cols=cols*channels;這一條忘記了,很是重要。 //方法2: if (image.isContinuous()) { uchar* p = image.data;//獲得data數據的首地址, for( unsigned int i =0; i < ncol*nrows; ++i) { *p= table[*p]; p++; } }
// accept only char type matrices CV_Assert(I.depth() == CV_8U); const int channels = I.channels(); switch(channels) { case 1: { MatIterator_<uchar> it, end; for( it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it) *it = table[*it]; break; } case 3: { MatIterator_<Vec3b> it, end; for( it = I.begin<Vec3b>(), end = I.end<Vec3b>(); it != end; ++it) { (*it)[0] = table[(*it)[0]];//能夠方便的對每一個像素,三個通道進行操做 (*it)[1] = table[(*it)[1]]; (*it)[2] = table[(*it)[2]]; } } }
// accept only char type matrices CV_Assert(I.depth() == CV_8U); const int channels = I.channels(); switch(channels) { case 1: { for( int i = 0; i < I.rows; ++i) for( int j = 0; j < I.cols; ++j ) I.at<uchar>(i,j) = table[I.at<uchar>(i,j)]; break; } case 3: { Mat_<Vec3b> _I = I; //注意這裏的新對象爲 Mat_ (有下劃線哦) for( int i = 0; i < I.rows; ++i) for( int j = 0; j < I.cols; ++j ) { _I(i,j)[0] = table[_I(i,j)[0]]; _I(i,j)[1] = table[_I(i,j)[1]]; _I(i,j)[2] = table[_I(i,j)[2]]; } I = _I; break; } }
Mat lookUpTable(1, 256, CV_8U); uchar* p = lookUpTable.data; for( int i = 0; i < 256; ++i) p[i] = table[i]; //把咱們以前的tables寫到 Mat類型的對象中 LUT(I, lookUpTable, J); //I是輸入的圖像,J是改變後的圖像, //不能地每一個通道作靈活的操做 //LUT的操做過程就是使用 原始圖像的 顏色值做爲 index,在lookuptable中查到新的顏色值, //注意 :這種方法OpenCV,作過優化,因此是最快的方法。