OpenCV中文翻譯教程

OpenCV2基礎(chǔ)(補(bǔ)充材料)OpenCV_tutorials翻譯資料整理而來(lái)翻譯材料出處:/opencvdoc/2.3.2/html/doc/tutorials/tutorials.html[2[2014/10]

目錄一、 Mat-基本圖像容器 1二、 OpenCV如何掃描圖像、利用查找表和計(jì)時(shí) 1三、 矩陣的掩碼操作 1四、 使用OpenCV對(duì)兩幅圖像求和（求混合(blending)） 1五、 改變圖像的對(duì)比度和亮度 1六、 圖像平滑處理 1七、 腐蝕與膨脹(ErodingandDilating) 1八、 實(shí)現(xiàn)自己的線性濾波器 1九、 給圖像添加邊界 1十、 Sobel導(dǎo)數(shù) 1十一、 霍夫線變換 1十二、 直方圖均衡化 1十三、 仿射變換 1十四、 Remapping重映射 1

Mat-基本圖像容器目的從真實(shí)世界中獲取數(shù)字圖像有很多方法，比如數(shù)碼相機(jī)、掃描儀、CT或者磁共振成像。無(wú)論哪種方法，我們（人類）看到的是圖像，而讓數(shù)字設(shè)備來(lái)“看“的時(shí)候，則是在記錄圖像中的每一個(gè)點(diǎn)的數(shù)值。比如上面的圖像，在標(biāo)出的鏡子區(qū)域中你見到的只是一個(gè)矩陣，該矩陣包含了所有像素點(diǎn)的強(qiáng)度值。如何獲取并存儲(chǔ)這些像素值由我們的需求而定，最終在計(jì)算機(jī)世界里所有圖像都可以簡(jiǎn)化為數(shù)值矩以及矩陣信息。作為一個(gè)計(jì)算機(jī)視覺庫(kù)，OpenCV其主要目的就是通過(guò)處理和操作這些信息，來(lái)獲取更高級(jí)的信息。因此，OpenCV如何存儲(chǔ)并操作圖像是你首先要學(xué)習(xí)的。Mat在2001年剛剛出現(xiàn)的時(shí)候，OpenCV基于C語(yǔ)言接口而建。為了在內(nèi)存（memory）中存放圖像，當(dāng)時(shí)采用名為IplImage的C語(yǔ)言結(jié)構(gòu)體，時(shí)至今日這仍出現(xiàn)在大多數(shù)的舊版教程和教學(xué)材料。但這種方法必須接受C語(yǔ)言所有的不足，這其中最大的不足要數(shù)手動(dòng)內(nèi)存管理，其依據(jù)是用戶要為開辟和銷毀內(nèi)存負(fù)責(zé)。雖然對(duì)于小型的程序來(lái)說(shuō)手動(dòng)管理內(nèi)存不是問(wèn)題，但一旦代碼開始變得越來(lái)越龐大，你需要越來(lái)越多地糾纏于這個(gè)問(wèn)題，而不是著力解決你的開發(fā)目標(biāo)。幸運(yùn)的是，C++出現(xiàn)了，并且?guī)?lái)類的概念，這給用戶帶來(lái)另外一個(gè)選擇：自動(dòng)的內(nèi)存管理（不嚴(yán)謹(jǐn)?shù)卣f(shuō)）。這是一個(gè)好消息，如果C++完全兼容C的話，這個(gè)變化不會(huì)帶來(lái)兼容性問(wèn)題。為此，OpenCV在2.0版本中引入了一個(gè)新的C++接口，利用自動(dòng)內(nèi)存管理給出了解決問(wèn)題的新方法。使用這個(gè)方法，你不需要糾結(jié)在管理內(nèi)存上，而且你的代碼會(huì)變得簡(jiǎn)潔（少寫多得）。但C++接口唯一的不足是當(dāng)前許多嵌入式開發(fā)系統(tǒng)只支持C語(yǔ)言。所以，當(dāng)目標(biāo)不是這種開發(fā)平臺(tái)時(shí)，沒有必要使用舊方法（除非你是自找麻煩的受虐狂碼農(nóng)）。關(guān)于Mat，首先要知道的是你不必再手動(dòng)地（1）為其開辟空間（2）在不需要時(shí)立即將空間釋放。但手動(dòng)地做還是可以的：大多數(shù)OpenCV函數(shù)仍會(huì)手動(dòng)地為輸出數(shù)據(jù)開辟空間。當(dāng)傳遞一個(gè)已經(jīng)存在的Mat對(duì)象時(shí)，開辟好的矩陣空間會(huì)被重用。也就是說(shuō)，我們每次都使用大小正好的內(nèi)存來(lái)完成任務(wù)?；旧现vMat是一個(gè)類，由兩個(gè)數(shù)據(jù)部分組成：矩陣頭（包含矩陣尺寸，存儲(chǔ)方法，存儲(chǔ)地址等信息）和一個(gè)指向存儲(chǔ)所有像素值的矩陣（根據(jù)所選存儲(chǔ)方法的不同矩陣可以是不同的維數(shù)）的指針。矩陣頭的尺寸是常數(shù)值，但矩陣本身的尺寸會(huì)依圖像的不同而不同，通常比矩陣頭的尺寸大數(shù)個(gè)數(shù)量級(jí)。因此，當(dāng)在程序中傳遞圖像并創(chuàng)建拷貝時(shí)，大的開銷是由矩陣造成的，而不是信息頭。OpenCV是一個(gè)圖像處理庫(kù)，囊括了大量的圖像處理函數(shù)，為了解決問(wèn)題通常要使用庫(kù)中的多個(gè)函數(shù)，因此在函數(shù)中傳遞圖像是家常便飯。同時(shí)不要忘了我們正在討論的是計(jì)算量很大的圖像處理算法，因此，除非萬(wàn)不得已，我們不應(yīng)該拷貝大的圖像，因?yàn)檫@會(huì)降低程序速度。MatA,C;//只創(chuàng)建信息頭部分A=imread(argv[1],CV_LOAD_IMAGE_COLOR);//這里為矩陣開辟內(nèi)存

MatB(A);//使用拷貝構(gòu)造函數(shù)C=A;//賦值運(yùn)算符為了搞定這個(gè)問(wèn)題，OpenCV使用引用計(jì)數(shù)機(jī)制。其思路是讓每個(gè)Mat對(duì)象有自己的信息頭，但共享同一個(gè)矩陣。這通過(guò)讓矩陣指針指向同一地址而實(shí)現(xiàn)。而拷貝構(gòu)造函數(shù)則只拷貝信息頭和矩陣指針，而不拷貝矩陣。以上代碼中的所有Mat對(duì)象最終都指向同一個(gè)也是唯一一個(gè)數(shù)據(jù)矩陣。雖然它們的信息頭不同，但通過(guò)任何一個(gè)對(duì)象所做的改變也會(huì)影響其它對(duì)象。實(shí)際上，不同的對(duì)象只是訪問(wèn)相同數(shù)據(jù)的不同途徑而已。這里還要提及一個(gè)比較棒的功能：你可以創(chuàng)建只引用部分?jǐn)?shù)據(jù)的信息頭。比如想要?jiǎng)?chuàng)建一個(gè)感興趣區(qū)域（ROI），你只需要?jiǎng)?chuàng)建包含邊界信息的信息頭：MatD(A,Rect(10,10,100,100));//usingarectangleMatE=A(Range:all(),Range(1,3));//usingrowandcolumnboundaries現(xiàn)在你也許會(huì)問(wèn)，如果矩陣屬于多個(gè)Mat對(duì)象，那么當(dāng)不再需要它時(shí)誰(shuí)來(lái)負(fù)責(zé)清理？簡(jiǎn)單的回答是：最后一個(gè)使用它的對(duì)象。通過(guò)引用計(jì)數(shù)機(jī)制來(lái)實(shí)現(xiàn)。無(wú)論什么時(shí)候有人拷貝了一個(gè)Mat對(duì)象的信息頭，都會(huì)增加矩陣的引用次數(shù)；反之當(dāng)一個(gè)頭被釋放之后，這個(gè)計(jì)數(shù)被減一；當(dāng)計(jì)數(shù)值為零，矩陣會(huì)被清理。但某些時(shí)候你仍會(huì)想拷貝矩陣本身(不只是信息頭和矩陣指針)，這時(shí)可以使用函數(shù)clone()或者copyTo()。MatF=A.clone();MatG;A.copyTo(G);在改變F或者G就不會(huì)影響Mat信息頭所指向的矩陣。總結(jié)一下，你需要記住的是OpenCV函數(shù)中輸出圖像的內(nèi)存分配是自動(dòng)完成的（如果不特別指定的話）。使用OpenCV的C++接口時(shí)不需要考慮內(nèi)存釋放問(wèn)題。賦值運(yùn)算符和拷貝構(gòu)造函數(shù)（ctor）只拷貝信息頭。使用函數(shù)clone()或者copyTo()來(lái)拷貝一副圖像的矩陣。存儲(chǔ)方法這里講述如何存儲(chǔ)像素值。需要指定顏色空間和數(shù)據(jù)類型。顏色空間是指對(duì)一個(gè)給定的顏色，如何組合顏色元素以對(duì)其編碼。最簡(jiǎn)單的顏色空間要屬灰度級(jí)空間，只處理黑色和白色，對(duì)它們進(jìn)行組合可以產(chǎn)生不同程度的灰色。對(duì)于彩色方式則有更多種類的顏色空間，但不論哪種方式都是把顏色分成三個(gè)或者四個(gè)基元素，通過(guò)組合基元素可以產(chǎn)生所有的顏色。RGB顏色空間是最常用的一種顏色空間，這歸功于它也是人眼內(nèi)部構(gòu)成顏色的方式。它的基色是紅色、綠色和藍(lán)色，有時(shí)為了表示透明顏色也會(huì)加入第四個(gè)元素alpha(A)。有很多的顏色系統(tǒng)，各有自身優(yōu)勢(shì)：RGB是最常見的，這是因?yàn)槿搜鄄捎孟嗨频墓ぷ鳈C(jī)制，它也被顯示設(shè)備所采用。HSV和HLS把顏色分解成色調(diào)、飽和度和亮度/明度。這是描述顏色更自然的方式，比如可以通過(guò)拋棄最后一個(gè)元素，使算法對(duì)輸入圖像的光照條件不敏感。YCrCb在JPEG圖像格式中廣泛使用。CIEL*a*b*是一種在感知上均勻的顏色空間，它適合用來(lái)度量?jī)蓚€(gè)顏色之間的距離。每個(gè)組成元素都有其自己的定義域，取決于其數(shù)據(jù)類型。如何存儲(chǔ)一個(gè)元素決定了我們?cè)谄涠x域上能夠控制的精度。最小的數(shù)據(jù)類型是char，占一個(gè)字節(jié)或者8位，可以是有符號(hào)型（0到255之間）或無(wú)符號(hào)型（-127到+127之間）。盡管使用三個(gè)char型元素已經(jīng)可以表示1600萬(wàn)種可能的顏色（使用RGB顏色空間），但若使用float（4字節(jié)，32位）或double（8字節(jié)，64位）則能給出更加精細(xì)的顏色分辨能力。但同時(shí)也要切記增加元素的尺寸也會(huì)增加了圖像所占的內(nèi)存空間。顯式地創(chuàng)建一個(gè)Mat對(duì)象教程讀取、修改、保存圖像已經(jīng)講解了如何使用函數(shù)imwrite()將一個(gè)矩陣寫入圖像文件中。但是為了debug，更加方便的方式是看實(shí)際值。為此，你可以通過(guò)Mat的運(yùn)算符<<來(lái)實(shí)現(xiàn)，但要記住這只對(duì)二維矩陣有效。Mat不但是一個(gè)很贊的圖像容器類，它同時(shí)也是一個(gè)通用的矩陣類，所以可以用來(lái)創(chuàng)建和操作多維矩陣。創(chuàng)建一個(gè)Mat對(duì)象有多種方法：Mat()構(gòu)造函數(shù)MatM(2,2,CV_8UC3,Scalar(0,0,255));

out<<"M="<<endl<<""<<M<<endl<<endl;對(duì)于二維多通道圖像，首先要定義其尺寸，即行數(shù)和列數(shù)。然后，需要指定存儲(chǔ)元素的數(shù)據(jù)類型以及每個(gè)矩陣點(diǎn)的通道數(shù)。為此，依據(jù)下面的規(guī)則有多種定義CV_[Thenumberofbitsperitem][SignedorUnsigned][TypePrefix]C[Thechannelnumber]比如CV_8UC3表示使用8位的unsignedchar型，每個(gè)像素由三個(gè)元素組成三通道。預(yù)先定義的通道數(shù)可以多達(dá)四個(gè)。Scalar是個(gè)short型vector。指定這個(gè)能夠使用指定的定制化值來(lái)初始化矩陣。當(dāng)然，如果你需要更多通道數(shù)，你可以使用大寫的宏并把通道數(shù)放在小括號(hào)中，如下所示·在C\C++中通過(guò)構(gòu)造函數(shù)進(jìn)行初始化intsz[3]={2,2,2};

MatL(3,sz,CV_8UC(1),Scalar::all(0));上面的例子演示了如何創(chuàng)建一個(gè)超過(guò)兩維的矩陣：指定維數(shù)，然后傳遞一個(gè)指向一個(gè)數(shù)組的指針，這個(gè)數(shù)組包含每個(gè)維度的尺寸；其余的相同為已存在IplImage指針創(chuàng)建信息頭:IplImage*img=cvLoadImage("greatwave.png",1);Matmtx(img);//convertIplImage*->MatCreate()function:函數(shù)M.create(4,4,CV_8UC(2));

cout<<"M="<<endl<<""<<M<<endl<<endl;這個(gè)創(chuàng)建方法不能為矩陣設(shè)初值，它只是在改變尺寸時(shí)重新為矩陣數(shù)據(jù)開辟內(nèi)存。·MATLAB形式的初始化方式：zeros(),ones(),:eyes()。使用以下方式指定尺寸和數(shù)據(jù)類型：MatE=Mat::eye(4,4,CV_64F);

cout<<"E="<<endl<<""<<E<<endl<<endl;

MatO=Mat::ones(2,2,CV_32F);

cout<<"O="<<endl<<""<<O<<endl<<endl;

MatZ=Mat::zeros(3,3,CV_8UC1);cout<<"Z="<<endl<<""<<Z<<endl<<endl;對(duì)于小矩陣你可以用逗號(hào)分隔的初始化函數(shù):MatC=(Mat_<double>(3,3)<<0,-1,0,-1,5,-1,0,-1,0);cout<<"C="<<endl<<""<<C<<endl<<endl;·使用clone()或者copyTo()為一個(gè)存在的Mat對(duì)象創(chuàng)建一個(gè)新的信息頭。MatRowClone=C.row(1).clone();

cout<<"RowClone="<<endl<<""<<RowClone<<endl<<endl;格式化打印Note：調(diào)用函數(shù)randu()來(lái)對(duì)一個(gè)矩陣使用隨機(jī)數(shù)填充，需要指定隨機(jī)數(shù)的上界和下界：MatR=Mat(3,2,CV_8UC3);

randu(R,Scalar::all(0),Scalar::all(255));從上面的例子中可以看到默認(rèn)格式，除此之外，OpenCV還支持以下的輸出習(xí)慣·默認(rèn)方式cout<<"R(default)="<<endl<<R<<endl<<endl;·Pythoncout<<"R(python)="<<endl<<format(R,"python")<<endl<<endl;·以逗號(hào)分隔的數(shù)值(CSV)cout<<"R(csv)="<<endl<<format(R,"csv")<<endl<<endl;·Numpycout<<"R(numpy)="<<endl<<format(R,"numpy")<<endl<<endl;·C語(yǔ)言cout<<"R(c)="<<endl<<format(R,"C")<<endl<<endl;打印其它常用項(xiàng)目OpenCV支持使用運(yùn)算符<<來(lái)打印其它常用OpenCV數(shù)據(jù)結(jié)構(gòu)?！?維點(diǎn)Point2fP(5,1);

cout<<"Point(2D)="<<P<<endl<<endl;·3維點(diǎn)Point3fP3f(2,6,7);

cout<<"Point(3D)="<<P3f<<endl<<endl;·基于cv::Mat的std::vectorvector<float>v;

v.push_back((float)CV_PI);v.push_back(2);v.push_back(3.01f);

cout<<"VectoroffloatsviaMat="<<Mat(v)<<endl<<endl;·std::vector點(diǎn)vector<Point2f>vPoints(20);

for(size_tE=0;E<vPoints.size();++E)

vPoints[E]=Point2f((float)(E*5),(float)(E%7));

cout<<"Avectorof2DPoints="<<vPoints<<endl<<endl;這里的例子大多數(shù)出現(xiàn)在一個(gè)短小的控制臺(tái)應(yīng)用程序中，你可以在here下載到，或者在c++示例部分中找到。

OpenCV如何掃描圖像、利用查找表和計(jì)時(shí)目的我們將探索以下問(wèn)題的答案：如何遍歷圖像中的每一個(gè)像素？OpenCV的矩陣值是如何存儲(chǔ)的？如何測(cè)試我們所實(shí)現(xiàn)算法的性能？查找表是什么？為什么要用它？測(cè)試用例\o"Permalinktothisheadline"這里我們測(cè)試的，是一種簡(jiǎn)單的顏色縮減方法。如果矩陣元素存儲(chǔ)的是單通道像素，使用C或C++的無(wú)符號(hào)字符類型，那么像素可有256個(gè)不同值。但若是三通道圖像，這種存儲(chǔ)格式的顏色數(shù)就太多了（確切地說(shuō)，有一千六百多萬(wàn)種）。用如此之多的顏色可能會(huì)對(duì)我們的算法性能造成嚴(yán)重影響。其實(shí)有時(shí)候，僅用這些顏色的一小部分，就足以達(dá)到同樣效果。這種情況下，常用的一種方法是顏色空間縮減。其做法是：將現(xiàn)有顏色空間值除以某個(gè)輸入值，以獲得較少的顏色數(shù)。例如，顏色值0到9可取為新值0，10到19可取為10，以此類推。uchar（無(wú)符號(hào)字符，即0到255之間取值的數(shù)）類型的值除以int值，結(jié)果仍是char。因?yàn)榻Y(jié)果是char類型的，所以求出來(lái)小數(shù)也要向下取整。利用這一點(diǎn)，剛才提到在uchar定義域中進(jìn)行的顏色縮減運(yùn)算就可以表達(dá)為下列形式：這樣的話，簡(jiǎn)單的顏色空間縮減算法就可由下面兩步組成：一、遍歷圖像矩陣的每一個(gè)像素；二、對(duì)像素應(yīng)用上述公式。值得注意的是，我們這里用到了除法和乘法運(yùn)算，而這兩種運(yùn)算又特別費(fèi)時(shí)，所以，我們應(yīng)盡可能用代價(jià)較低的加、減、賦值等運(yùn)算替換它們。此外，還應(yīng)注意到，上述運(yùn)算的輸入僅能在某個(gè)有限范圍內(nèi)取值，如uchar類型可取256個(gè)值。由此可知，對(duì)于較大的圖像，有效的方法是預(yù)先計(jì)算所有可能的值，然后需要這些值的時(shí)候，利用查找表直接賦值即可。查找表是一維或多維數(shù)組，存儲(chǔ)了不同輸入值所對(duì)應(yīng)的輸出值，其優(yōu)勢(shì)在于只需讀取、無(wú)需計(jì)算。我們的測(cè)試用例程序（以及這里給出的示例代碼）做了以下幾件事：以命令行參數(shù)形式讀入圖像（可以是彩色圖像，也可以是灰度圖像，由命令行參數(shù)決定），然后用命令行參數(shù)給出的整數(shù)進(jìn)行顏色縮減。目前，OpenCV主要有三種逐像素遍歷圖像的方法。我們將分別用這三種方法掃描圖像，并將它們所用時(shí)間輸出到屏幕上。我想這樣的對(duì)比應(yīng)該很有意思。你可以從這里下載源代碼，也可以找到OpenCV的samples目錄，進(jìn)入cpp的tutorial_code的core目錄，查閱該程序的代碼。程序的基本用法是：how_to_scan_imagesimageName.jpgintValueToReduce[G]最后那個(gè)參數(shù)是可選的。如果提供該參數(shù)，則圖像以灰度格式載入，否則使用彩色格式。在該程序中，我們首先要計(jì)算查找表。intdivideWith;//convertourinputstringtonumber-C++style

stringstreams;

s<<argv[2];

s>>divideWith;

if(!s)

{

cout<<"Invalidnumberenteredfordividing."<<endl;

return-1;

}

uchartable[256];

for(inti=0;i<256;++i)

table[i]=divideWith*(i/divideWith);這里我們先使用C++的stringstream類，把第三個(gè)命令行參數(shù)由字符串轉(zhuǎn)換為整數(shù)。然后，我們用數(shù)組和前面給出的公式計(jì)算查找表。這里并未涉及有關(guān)OpenCV的內(nèi)容。另外有個(gè)問(wèn)題是如何計(jì)時(shí)。沒錯(cuò)，OpenCV提供了兩個(gè)簡(jiǎn)便的可用于計(jì)時(shí)的函數(shù)getTickCount()和getTickFrequency()。第一個(gè)函數(shù)返回你的CPU自某個(gè)事件（如啟動(dòng)電腦）以來(lái)走過(guò)的時(shí)鐘周期數(shù)，第二個(gè)函數(shù)返回你的CPU一秒鐘所走的時(shí)鐘周期數(shù)。這樣，我們就能輕松地以秒為單位對(duì)某運(yùn)算計(jì)時(shí)：doublet=(double)getTickCount();//做點(diǎn)什么...t=((double)getTickCount()-t)/getTickFrequency();cout<<"Timespassedinseconds:"<<t<<endl;圖像矩陣是如何存儲(chǔ)在內(nèi)存之中的？\o"Permalinktothisheadline"在我的教程Mat-基本圖像容器中，你或許已了解到，圖像矩陣的大小取決于我們所用的顏色模型，確切地說(shuō)，取決于所用通道數(shù)。如果是灰度圖像，矩陣就會(huì)像這樣：而對(duì)多通道圖像來(lái)說(shuō)，矩陣中的列會(huì)包含多個(gè)子列，其子列個(gè)數(shù)與通道數(shù)相等。例如，RGB顏色模型的矩陣：注意到，子列的通道順序是反過(guò)來(lái)的：BGR而不是RGB。很多情況下，因?yàn)閮?nèi)存足夠大，可實(shí)現(xiàn)連續(xù)存儲(chǔ)，因此，圖像中的各行就能一行一行地連接起來(lái)，形成一個(gè)長(zhǎng)行。連續(xù)存儲(chǔ)有助于提升圖像掃描速度，我們可以使用isContinuous()來(lái)去判斷矩陣是否是連續(xù)存儲(chǔ)的.相關(guān)示例會(huì)在接下來(lái)的內(nèi)容中提供。1.高效的方法EfficientWay\o"Permalinktothisheadline"說(shuō)到性能，經(jīng)典的C風(fēng)格運(yùn)算符[]（指針）訪問(wèn)要更勝一籌.因此，我們推薦的效率最高的查找表賦值方法，還是下面的這種：Mat&ScanImageAndReduceC(Mat&I,constuchar*consttable){

//acceptonlychartypematrices

CV_Assert(I.depth()!=sizeof(uchar));

intchannels=I.channels();

intnRows=I.rows*channels;

intnCols=I.cols;

if(I.isContinuous())

{

nCols*=nRows;

nRows=1;

}

inti,j;

uchar*p;

for(i=0;i<nRows;++i)

{

p=I.ptr<uchar>(i);

for(j=0;j<nCols;++j)

{

p[j]=table[p[j]];

}

}

returnI;}這里，我們獲取了每一行開始處的指針，然后遍歷至該行末尾。如果矩陣是以連續(xù)方式存儲(chǔ)的，我們只需請(qǐng)求一次指針、然后一路遍歷下去就行。彩色圖像的情況有必要加以注意：因?yàn)槿齻€(gè)通道的原因，我們需要遍歷的元素?cái)?shù)目也是3倍。這里有另外一種方法來(lái)實(shí)現(xiàn)遍歷功能，就是使用data，data會(huì)從Mat中返回指向矩陣第一行第一列的指針。注意如果該指針為NULL則表明對(duì)象里面無(wú)輸入，所以這是一種簡(jiǎn)單的檢查圖像是否被成功讀入的方法。當(dāng)矩陣是連續(xù)存儲(chǔ)時(shí)，我們就可以通過(guò)遍歷data來(lái)掃描整個(gè)圖像。例如，一個(gè)灰度圖像，其操作如下：uchar*p=I.data;

for(unsignedinti=0;i<ncol*nrows;++i)

*p++=table[*p];這回得出和前面相同的結(jié)果。但是這種方法編寫的代碼可讀性方面差，并且進(jìn)一步操作困難。同時(shí)，我發(fā)現(xiàn)在實(shí)際應(yīng)用中，該方法的性能表現(xiàn)上并不明顯優(yōu)于前一種（因?yàn)楝F(xiàn)在大多數(shù)編譯器都會(huì)對(duì)這類操作做出優(yōu)化）。2.迭代法Theiterator(safe)method\o"Permalinktothisheadline"在高性能法（theefficientway）中，我們可以通過(guò)遍歷正確的uchar域并跳過(guò)行與行之間可能的空缺-你必須自己來(lái)確認(rèn)是否有空缺，來(lái)實(shí)現(xiàn)圖像掃描，迭代法則被認(rèn)為是一種以更安全的方式來(lái)實(shí)現(xiàn)這一功能。在迭代法中，你所需要做的僅僅是獲得圖像矩陣的begin和end，然后增加迭代直至從begin到end。將*操作符添加在迭代指針前，即可訪問(wèn)當(dāng)前指向的內(nèi)容。Mat&ScanImageAndReduceIterator(Mat&I,constuchar*consttable){

//acceptonlychartypematrices

CV_Assert(I.depth()!=sizeof(uchar));

constintchannels=I.channels();

switch(channels)

{

case1:

{

MatIterator_<uchar>it,end;

for(it=I.begin<uchar>(),end=I.end<uchar>();it!=end;++it)

*it=table[*it];

break;

}

case3:

{

MatIterator_<Vec3b>it,end;

for(it=I.begin<Vec3b>(),end=I.end<Vec3b>();it!=end;++it)

{

(*it)[0]=table[(*it)[0]];

(*it)[1]=table[(*it)[1]];

(*it)[2]=table[(*it)[2]];

}

}

}

returnI;}對(duì)于彩色圖像中的一行，每列中有3個(gè)uchar元素，這可以被認(rèn)為是一個(gè)小的包含uchar元素的vector，在OpenCV中用Vec3b來(lái)命名。如果要訪問(wèn)第n個(gè)子列，我們只需要簡(jiǎn)單的利用[]來(lái)操作就可以。需要指出的是，OpenCV的迭代在掃描過(guò)一行中所有列后會(huì)自動(dòng)跳至下一行，所以說(shuō)如果在彩色圖像中如果只使用一個(gè)簡(jiǎn)單的uchar而不是Vec3b迭代的話就只能獲得藍(lán)色通道(B)里的值。3.通過(guò)相關(guān)返回值的On-the-fly地址計(jì)算\o"Permalinktothisheadline"事實(shí)上這個(gè)方法并不推薦被用來(lái)進(jìn)行圖像掃描，它本來(lái)是被用于獲取或更改圖像中的隨機(jī)元素。它的基本用途是要確定你試圖訪問(wèn)的元素的所在行數(shù)與列數(shù)。在前面的掃描方法中，我們觀察到知道所查詢的圖像數(shù)據(jù)類型是很重要的。這里同樣的你得手動(dòng)指定好你要查找的數(shù)據(jù)類型。下面的代碼中是一個(gè)關(guān)于灰度圖像的示例(運(yùn)用+at()函數(shù)):Mat&ScanImageAndReduceRandomAccess(Mat&I,constuchar*consttable){

//acceptonlychartypematrices

CV_Assert(I.depth()!=sizeof(uchar));

constintchannels=I.channels();

switch(channels)

{

case1:

{

for(inti=0;i<I.rows;++i)

for(intj=0;j<I.cols;++j)

I.at<uchar>(i,j)=table[I.at<uchar>(i,j)];

break;

}

case3:

{

Mat_<Vec3b>_I=I;

for(inti=0;i<I.rows;++i)

for(intj=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;

}

}

returnI;}該函數(shù)輸入為數(shù)據(jù)類型及需求元素的坐標(biāo)，返回的是一個(gè)對(duì)應(yīng)的值-如果用get則是constant，如果是用set、則為non-constant.處于程序安全，當(dāng)且僅當(dāng)在debug模式下它會(huì)檢查你的輸入坐標(biāo)是否有效或者超出范圍.如果坐標(biāo)有誤，則會(huì)輸出一個(gè)標(biāo)準(zhǔn)的錯(cuò)誤信息.和高性能法（theefficientway）相比,在release模式下，它們之間的區(qū)別僅僅是On-the-fly方法對(duì)于圖像矩陣的每個(gè)元素，都會(huì)獲取一個(gè)新的行指針，通過(guò)該指針和[]操作來(lái)獲取列元素.當(dāng)你對(duì)一張圖片進(jìn)行多次查詢操作時(shí)，為避免反復(fù)輸入數(shù)據(jù)類型和at帶來(lái)的麻煩和浪費(fèi)的時(shí)間，OpenCV提供了:basicstructures:Mat_<id3>datatype.它同樣可以被用于獲知矩陣的數(shù)據(jù)類型，你可以簡(jiǎn)單利用()操作返回值來(lái)快速獲取查詢結(jié)果.值得注意的是你可以利用at()函數(shù)來(lái)用同樣速度完成相同操作.它僅僅是為了讓懶惰的程序員少寫點(diǎn)>_<.4.核心函數(shù)LUT（TheCoreFunction）\o"Permalinktothisheadline"這是最被推薦的用于實(shí)現(xiàn)批量圖像元素查找和更該操作圖像方法。在圖像處理中，對(duì)于一個(gè)給定的值，將其替換成其他的值是一個(gè)很常見的操作，OpenCV提供里一個(gè)函數(shù)直接實(shí)現(xiàn)該操作，并不需要你自己掃描圖像，就是:operationsOnArrays:LUT()<lut>，一個(gè)包含于coremodule的函數(shù).首先我們建立一個(gè)mat型用于查表:MatlookUpTable(1,256,CV_8U);

uchar*p=lookUpTable.data;

for(inti=0;i<256;++i)

p[i]=table[i];然后我們調(diào)用函數(shù)(I是輸入J是輸出):LUT(I,lookUpTable,J);性能表現(xiàn)\o"Permalinktothisheadline"為了得到最優(yōu)的結(jié)果，你最好自己編譯并運(yùn)行這些程序.為了更好的表現(xiàn)性能差異，我用了一個(gè)相當(dāng)大的圖片(2560X1600).性能測(cè)試這里用的是彩色圖片，結(jié)果是數(shù)百次測(cè)試的平均值.EfficientWay79.4717millisecondsIterator83.7201millisecondsOn-The-FlyRA93.7878millisecondsLUTfunction32.5759milliseconds我們得出一些結(jié)論:盡量使用OpenCV內(nèi)置函數(shù).調(diào)用LUT函數(shù)可以獲得最快的速度.這是因?yàn)镺penCV庫(kù)可以通過(guò)英特爾線程架構(gòu)啟用多線程.當(dāng)然,如果你喜歡使用指針的方法來(lái)掃描圖像，迭代法是一個(gè)不錯(cuò)的選擇，不過(guò)速度上較慢。在debug模式下使用on-the-fly方法掃描全圖是一個(gè)最浪費(fèi)資源的方法，在release模式下它的表現(xiàn)和迭代法相差無(wú)幾，但是從安全性角度來(lái)考慮，迭代法是更佳的選擇。

矩陣的掩碼操作矩陣的掩碼操作很簡(jiǎn)單。其思想是：根據(jù)掩碼矩陣（也稱作核）重新計(jì)算圖像中每個(gè)像素的值。掩碼矩陣中的值表示近鄰像素值（包括該像素自身的值）對(duì)新像素值有多大影響。從數(shù)學(xué)觀點(diǎn)看，我們用自己設(shè)置的權(quán)值，對(duì)像素鄰域內(nèi)的值做了個(gè)加權(quán)平均。測(cè)試用例思考一下圖像對(duì)比度增強(qiáng)的問(wèn)題。我們可以對(duì)圖像的每個(gè)像素應(yīng)用下面的公式：上面那種表達(dá)法是公式的形式，而下面那種是以掩碼矩陣表示的緊湊形式。使用掩碼矩陣的時(shí)候，我們先把矩陣中心的元素（上面的例子中是(0,0)位置的元素，也就是5）對(duì)齊到要計(jì)算的目標(biāo)像素上，再把鄰域像素值和相應(yīng)的矩陣元素值的乘積加起來(lái)。雖然這兩種形式是完全等價(jià)的，但在大矩陣情況下，下面的形式看起來(lái)會(huì)清楚得多?，F(xiàn)在，我們來(lái)看看實(shí)現(xiàn)掩碼操作的兩種方法。一種方法是用基本的像素訪問(wèn)方法，另一種方法是用filter2D函數(shù)?；痉椒╘o"Permalinktothisheadline"下面是實(shí)現(xiàn)了上述功能的函數(shù)：voidSharpen(constMat&myImage,Mat&Result){

CV_Assert(myImage.depth()==CV_8U);//僅接受uchar圖像

Result.create(myImage.size(),myImage.type());

constintnChannels=myImage.channels();

for(intj=1;j<myImage.rows-1;++j)

{

constuchar*previous=myImage.ptr<uchar>(j-1);

constuchar*current=myImage.ptr<uchar>(j);

constuchar*next=myImage.ptr<uchar>(j+1);

uchar*output=Result.ptr<uchar>(j);

for(inti=nChannels;i<nChannels*(myImage.cols-1);++i)

{

*output++=saturate_cast<uchar>(5*current[i]

-current[i-nChannels]-current[i+nChannels]-previous[i]-next[i]);

}

}

Result.row(0).setTo(Scalar(0));

Result.row(Result.rows-1).setTo(Scalar(0));

Result.col(0).setTo(Scalar(0));

Result.col(Result.cols-1).setTo(Scalar(0));}剛進(jìn)入函數(shù)的時(shí)候，我們要確保輸入圖像是無(wú)符號(hào)字符類型的。為了做到這點(diǎn)，我們使用了CV_Assert函數(shù)。若該函數(shù)括號(hào)內(nèi)的表達(dá)式為false，則會(huì)拋出一個(gè)錯(cuò)誤。CV_Assert(myImage.depth()==CV_8U);//僅接受uchar圖像然后，我們創(chuàng)建了一個(gè)與輸入有著相同大小和類型的輸出圖像。在圖像矩陣是如何存儲(chǔ)在內(nèi)存之中的？一節(jié)可以看到，根據(jù)圖像的通道數(shù)，我們有一個(gè)或多個(gè)子列。我們用指針在每一個(gè)通道上迭代，因此通道數(shù)就決定了需計(jì)算的元素總數(shù)。Result.create(myImage.size(),myImage.type());constintnChannels=myImage.channels();利用C語(yǔ)言的[]操作符，我們能簡(jiǎn)單明了地訪問(wèn)像素。因?yàn)橐瑫r(shí)訪問(wèn)多行像素，所以我們獲取了其中每一行像素的指針（分別是前一行、當(dāng)前行和下一行）。此外，我們還需要一個(gè)指向計(jì)算結(jié)果存儲(chǔ)位置的指針。有了這些指針后，我們使用[]操作符，就能輕松訪問(wèn)到目標(biāo)元素。為了讓輸出指針向前移動(dòng)，我們?cè)诿恳淮尾僮髦髮?duì)輸出指針進(jìn)行了遞增（移動(dòng)一個(gè)字節(jié)）：for(intj=1;j<myImage.rows-1;++j){

constuchar*previous=myImage.ptr<uchar>(j-1);

constuchar*current=myImage.ptr<uchar>(j);

constuchar*next=myImage.ptr<uchar>(j+1);

uchar*output=Result.ptr<uchar>(j);

for(inti=nChannels;i<nChannels*(myImage.cols-1);++i)

{

*output++=saturate_cast<uchar>(5*current[i]

-current[i-nChannels]-current[i+nChannels]-previous[i]-next[i]);

}}在圖像的邊界上，上面給出的公式會(huì)訪問(wèn)不存在的像素位置（比如(0,-1)）。因此我們的公式對(duì)邊界點(diǎn)來(lái)說(shuō)是未定義的。一種簡(jiǎn)單的解決方法，是不對(duì)這些邊界點(diǎn)使用掩碼，而直接把它們?cè)O(shè)為0：Result.row(0).setTo(Scalar(0));//上邊界Result.row(Result.rows-1).setTo(Scalar(0));//下邊界Result.col(0).setTo(Scalar(0));//左邊界Result.col(Result.cols-1).setTo(Scalar(0));//右邊界filter2D函數(shù)\o"Permalinktothisheadline"濾波器在圖像處理中的應(yīng)用太廣泛了，因此OpenCV也有個(gè)用到了濾波器掩碼（某些場(chǎng)合也稱作核）的函數(shù)。不過(guò)想使用這個(gè)函數(shù)，你必須先定義一個(gè)表示掩碼的Mat對(duì)象：Matkern=(Mat_<char>(3,3)<<0,-1,0,

-1,5,-1,

0,-1,0);然后調(diào)用filter2D函數(shù)，參數(shù)包括輸入、輸出圖像以及用到的核：filter2D(I,K,I.depth(),kern);它還帶有第五個(gè)可選參數(shù)——指定核的中心，和第六個(gè)可選參數(shù)——指定函數(shù)在未定義區(qū)域（邊界）的行為。使用該函數(shù)有一些優(yōu)點(diǎn)，如代碼更加清晰簡(jiǎn)潔、通常比自己實(shí)現(xiàn)的方法速度更快（因?yàn)橛幸恍ｉT針對(duì)它實(shí)現(xiàn)的優(yōu)化技術(shù)）等等。例如，我測(cè)試的濾波器方法僅花了13毫秒，而前面那樣自己實(shí)現(xiàn)迭代方法花了約31毫秒，二者有著不小差距。示例：你可以從here下載這個(gè)示例的源代碼，也可瀏覽OpenCV源代碼庫(kù)的示例目錄samples/cpp/tutorial_code/core/mat_mask_operations/mat_mask_operations.cpp。

使用OpenCV對(duì)兩幅圖像求和（求混合(blending)）目的在這節(jié)教程中您將學(xué)到線性混合(linearblending)是什么以及有什么用處.如何使用addWeighted進(jìn)行兩幅圖像求和原理\o"Permalinktothisheadline"Note以下解釋基于RichardSzeliski所著ComputerVision:AlgorithmsandApplications在前面的教程中，我們已經(jīng)了解一點(diǎn)像素操作的知識(shí)。線性混合操作也是一種典型的二元（兩個(gè)輸入）的像素操作：通過(guò)在范圍內(nèi)改變，這個(gè)操可以用來(lái)對(duì)兩幅圖像或兩段視頻產(chǎn)生時(shí)間上的畫面疊化（cross-dissolve）效果，就像在幻燈片放映和電影制作中那樣（很酷吧?)（譯者注：在幻燈片翻頁(yè)時(shí)可以設(shè)置為前后頁(yè)緩慢過(guò)渡以產(chǎn)生疊加效果，電影中經(jīng)常在情節(jié)過(guò)渡時(shí)出現(xiàn)畫面疊加效果）。代碼\o"Permalinktothisheadline"在簡(jiǎn)短的說(shuō)明后我們來(lái)看代碼：#include<cv.h>#include<highgui.h>#include<iostream>

usingnamespacecv;

intmain(intargc,char**argv){

doublealpha=0.5;doublebeta;doubleinput;

Matsrc1,src2,dst;

///Asktheuserenteralpha

std::cout<<"SimpleLinearBlender"<<std::endl;

std::cout<<""<<std::endl;

std::cout<<"*Enteralpha[0-1]:";

std::cin>>input;

///Weusethealphaprovidedbytheuseriffitisbetween0and1

if(alpha>=0&&alpha<=1)

{alpha=input;}

///Readimage(samesize,sametype)

src1=imread("../../images/LinuxLogo.jpg");

src2=imread("../../images/WindowsLogo.jpg");

if(!src1.data){printf("Errorloadingsrc1\n");return-1;}

if(!src2.data){printf("Errorloadingsrc2\n");return-1;}

///CreateWindows

namedWindow("LinearBlend",1);

beta=(1.0-alpha);

addWeighted(src1,alpha,src2,beta,0.0,dst);

imshow("LinearBlend",dst);

waitKey(0);

return0;}說(shuō)明\o"Permalinktothisheadline"1.既然我們要執(zhí)行我們需要兩幅輸入圖像(和)。相應(yīng)地，我們使用常用的方法加載圖像src1=imread("../../images/LinuxLogo.jpg");src2=imread("../../images/WindowsLogo.jpg");Warning因?yàn)槲覀儗?duì)src1和src2求和，它們必須要有相同的尺寸（寬度和高度）和類型?，F(xiàn)在我們生成圖像.為此目的，使用函數(shù)addWeighted可以很方便地實(shí)現(xiàn):beta=(1.0-alpha);addWeighted(src1,alpha,src2,beta,0.0,dst);這是因?yàn)閍ddWeighted進(jìn)行如下計(jì)算這里對(duì)應(yīng)于上面代碼中被設(shè)為的參數(shù)。3.創(chuàng)建顯示窗口，顯示圖像并等待用戶結(jié)束程序。結(jié)果\o"Permalinktothisheadline"改變圖像的對(duì)比度和亮度目的\o"Permalinktothisheadline"本篇教程中，你將學(xué)到：訪問(wèn)像素值用0初始化矩陣saturate_cast是做什么用的，以及它為什么有用一些有關(guān)像素變換的精彩內(nèi)容原理\o"Permalinktothisheadline"Note以下解釋節(jié)選自RichardSzeliski所著ComputerVision:AlgorithmsandApplications圖像處理\o"Permalinktothisheadline"一般來(lái)說(shuō)，圖像處理算子是帶有一幅或多幅輸入圖像、產(chǎn)生一幅輸出圖像的函數(shù)。圖像變換可分為以下兩種：點(diǎn)算子（像素變換）鄰域（基于區(qū)域的）算子像素變換\o"Permalinktothisheadline"在這一類圖像處理變換中，僅僅根據(jù)輸入像素值（有時(shí)可加上某些全局信息或參數(shù)）計(jì)算相應(yīng)的輸出像素值。這類算子包括亮度和對(duì)比度調(diào)整，以及顏色校正和變換。亮度和對(duì)比度調(diào)整\o"Permalinktothisheadline"·兩種常用的點(diǎn)過(guò)程（即點(diǎn)算子），是用常數(shù)對(duì)點(diǎn)進(jìn)行乘法和加法運(yùn)算：··兩個(gè)參數(shù)和一般稱作增益和偏置參數(shù)。我們往往用這兩個(gè)參數(shù)來(lái)分別控制對(duì)比度和亮度?！つ憧梢园芽闯稍磮D像像素，把看成輸出圖像像素。這樣一來(lái)，上面的式子就能寫得更清楚些：其中，和表示像素位于第i行和第j列。代碼\o"Permalinktothisheadline"下列代碼執(zhí)行運(yùn)算：#include<opencv2/core/core.hpp>#include<opencv2/highgui/highgui.hpp>#include<iostream>

usingnamespacestd;usingnamespacecv;

doublealpha;/**<控制對(duì)比度*/intbeta;/**<控制亮度*/

intmain(intargc,char**argv){

///讀入用戶提供的圖像

Matimage=imread(argv[1]);

Matnew_image=Mat::zeros(image.size(),image.type());

///初始化

cout<<"BasicLinearTransforms"<<endl;

cout<<""<<endl;

cout<<"*Enterthealphavalue[1.0-3.0]:";

cin>>alpha;

cout<<"*Enterthebetavalue[0-100]:";

cin>>beta;

///執(zhí)行運(yùn)算new_image(i,j)=alpha*image(i,j)+beta

for(inty=0;y<image.rows;y++)

{

for(intx=0;x<image.cols;x++)

{

for(intc=0;c<3;c++)

{

new_image.at<Vec3b>(y,x)[c]=saturate_cast<uchar>(alpha*(image.at<Vec3b>(y,x)[c])+beta);

}

}

}

///創(chuàng)建窗口

namedWindow("OriginalImage",1);

namedWindow("NewImage",1);

///顯示圖像

imshow("OriginalImage",image);

imshow("NewImage",new_image);

///等待用戶按鍵

waitKey();

return0;}說(shuō)明\o"Permalinktothisheadline"1.一上來(lái)，我們要建立兩個(gè)變量，以存儲(chǔ)用戶輸入的和：doublealpha;intbeta;2.然后，用imread載入圖像，并將其存入一個(gè)Mat對(duì)象：Matimage=imread(argv[1]);3.此時(shí)，因?yàn)橐獙?duì)圖像進(jìn)行一些變換，所以我們需要一個(gè)新的Mat對(duì)象，以存儲(chǔ)變換后的圖像。我們希望這個(gè)Mat對(duì)象擁有下面的性質(zhì)：像素值初始化為0與原圖像有相同的大小和類型Matnew_image=Mat::zeros(image.size(),image.type());注意到，Mat::zeros采用Matlab風(fēng)格的初始化方式，用image.size()和image.type()來(lái)對(duì)Mat對(duì)象進(jìn)行0初始化。4.現(xiàn)在，為了執(zhí)行運(yùn)算，我們要訪問(wèn)圖像的每一個(gè)像素。因?yàn)槭菍?duì)RGB圖像進(jìn)行運(yùn)算，每個(gè)像素有三個(gè)值（R、G、B），所以我們要分別訪問(wèn)它們。下面是訪問(wèn)像素的代碼片段：for(inty=0;y<image.rows;y++){

for(intx=0;x<image.cols;x++)

{

for(intc=0;c<3;c++)

{

new_image.at<Vec3b>(y,x)[c]=saturate_cast<uchar>(alpha*(image.at<Vec3b>(y,x)[c])+beta);

}

}}注意以下兩點(diǎn)：為了訪問(wèn)圖像的每一個(gè)像素，我們使用這一語(yǔ)法：image.at<Vec3b>(y,x)[c]其中，y是像素所在的行，x是像素所在的列，c是R、G、B（0、1、2）之一。因?yàn)榈倪\(yùn)算結(jié)果可能超出像素取值范圍，還可能是非整數(shù)（如果是浮點(diǎn)數(shù)的話），所以我們要用saturate_cast對(duì)結(jié)果進(jìn)行轉(zhuǎn)換，以確保它為有效值。5.最后，用傳統(tǒng)方法創(chuàng)建窗口并顯示圖像。namedWindow("OriginalImage",1);namedWindow("NewImage",1);

imshow("OriginalImage",image);imshow("NewImage",new_image);

waitKey(0);Note我們可以不用for循環(huán)來(lái)訪問(wèn)每個(gè)像素，而是直接采用下面這個(gè)命令：image.convertTo(new_image,-1,alpha,beta);這里的convertTo將執(zhí)行我們想做的new_image=a*image+beta。然而，我們想展現(xiàn)訪問(wèn)每一個(gè)像素的過(guò)程，所以選用了for循環(huán)的方式。實(shí)際上，這兩種方式都能返回同樣的結(jié)果。結(jié)果\o"Permalinktothisheadline"·運(yùn)行代碼，取參數(shù)和$./BasicLin