六、OpenCV学习笔记——常用函数解析

一、Mat

Mat是OpenCV里最基本的一个类，用来表示图像。

// 默认构造函数 Mat A;
    Mat ()
    // 常用构造函数 Mat A(10,10,8UC3);
    Mat (int rows, int cols, int type)

    //Mat A(300, 400, CV_8UC3,Scalar(255,255,255));
    Mat (int ndims, const int *sizes, int type, const Scalar &s)

    Mat (Size size, int type)

    Mat (int rows, int cols, int type, const Scalar &s)

    Mat (Size size, int type, const Scalar &s)

    Mat (int ndims, const int *sizes, int type)

    Mat (const Mat &m)

    Mat (int rows, int cols, int type, void *data, size_t step=AUTO_STEP)

    Mat (Size size, int type, void *data, size_t step=AUTO_STEP)

    Mat (int ndims, const int *sizes, int type, void *data, const size_t *steps=0)

    Mat (const Mat &m, const Range &rowRange, const Range &colRange=Range::all())

    //Mat D (A, Rect(10, 10, 100, 100) );
    Mat (const Mat &m, const Rect &roi)

    Mat (const Mat &m, const Range *ranges)

可以参考以下博文：

https://blog.csdn.net/u010248552/article/details/79962132

二、访问像素方式

1）指针方式

坐标的指针：

void colorReduce(const Mat& image,Mat& outImage,int div)  
{  
    int nr=image.rows;  
    int nc=image.cols;  
    outImage.create(image.size(),image.type());  
    if(image.isContinuous()&&outImage.isContinuous())  
    {  
        nr=1;  
        nc=nc*image.rows*image.channels();  
    }  
    for(int i=0;i<nr;i++)  
    {   //行指针
        const uchar* inData=image.ptr<uchar>(i);  
        uchar* outData=outImage.ptr<uchar>(i);  
        for(int j=0;j<nc;j++)  
        {  //列指针
            *outData++=*inData++/div*div+div/2;  
        }  
    }  
}

数据的指针：

//三通道
	uchar *data = image.data ;
	for(int h = 0 ; h < image.rows ; ++ h)
	{
		for(int w = 0 ; w < image.cols/2 ; ++ w)
		{
			*data ++ = 128 ;
			*data ++ = 128 ;
			*data ++ = 128 ;
		}
	}
	imshow("data" , image) ;
	//单通道
	image = imread("forest.jpg" , 0) ;
	imshow("image" , image) ;
 
	data = image.data ;
	for(int h = 0 ; h < image.rows ; ++ h)
	{
		for(int w = 0 ; w < image.cols/2 ; ++ w)
		{
			*data ++ = 128 ;
		}
	}

2）at方式

at方式相当于直接访问像素坐标：

void colorReduce(Mat& image,int div)  
{  
    for(int i=0;i<image.rows;i++)  
    {  
        for(int j=0;j<image.cols;j++)  
        {  
            image.at<Vec3b>(i,j)[0]=image.at<Vec3b>(i,j)[0]/div*div+div/2;  
            image.at<Vec3b>(i,j)[1]=image.at<Vec3b>(i,j)[1]/div*div+div/2;  
            image.at<Vec3b>(i,j)[2]=image.at<Vec3b>(i,j)[2]/div*div+div/2;  
        }  
    }  
}

3）迭代器访问

迭代器就是通过获得图像矩阵的开始和结束，然后增加迭代直至从开始到结束：

cv::Mat tempImage = srcImage.clone();  
    // 初始化源图像迭代器  
    cv::MatConstIterator_<cv::Vec3b> srcIterStart  = srcImage.begin<cv::Vec3b>();  
    cv::MatConstIterator_<cv::Vec3b> srcIterEnd = srcImage.end<cv::Vec3b>();  
    // 初始化输出图像迭代器  
    cv::MatIterator_<cv::Vec3b> resIterStart = tempImage.begin<cv::Vec3b>();  
    cv::MatIterator_<cv::Vec3b> resIterEnd = tempImage.end<cv::Vec3b>();  
    // 遍历图像反色处理  
    while( srcIterStart != srcIterEnd )  
    {  
         (*resIterStart)[0] = 255 - (*srcIterStart)[0];  
         (*resIterStart)[1] = 255 - (*srcIterStart)[1];  
         (*resIterStart)[2] = 255 - (*srcIterStart)[2];  
         // 迭代器递增  
         srcIterStart++;  
         resIterStart++;  
    }

4）查找表函数

可以根据查找表的映射来进行像素的变换：

cv::Mat inverseColor6(cv::Mat srcImage)  
{  
    int row = srcImage.rows;  
    int col = srcImage.cols;  
    cv::Mat tempImage = srcImage.clone();  
    // 建立LUT 反色table  
    uchar LutTable[256];  
    for (int i = 0; i < 256; ++i)  
       LutTable[i] = 255 - i;  
    cv::Mat lookUpTable(1, 256, CV_8U);  
    uchar* pData = lookUpTable.data;   
    // 建立映射表  
    for( int i = 0; i < 256; ++i)  
        pData[i] = LutTable[i];  
    // 应用索引表进行查找  
    cv::LUT(srcImage, lookUpTable, tempImage);  
    return tempImage;  
}

可以参考以下博文：

https://blog.csdn.net/qq_20823641/article/details/51920846

三、感兴趣区域（ROI）

ROI允许我们选取图像特定的区域进行操作，有两种方式。

1）使用矩形(Rect)类

Mat  ROI;
ROI=image(Rect_ (_Tp _x, _Tp _y, _Tp _width, _Tp _height));
    x,y这两个参数就是矩形区域左上角的坐标
    width,height这两个参数就是矩形局域的宽和高

2）手动指定感兴趣的行和列的范围

Mat  ROI;
ROI=image(Rect_ (range(row_start,row_end),range(col_strat,col_end)));
    range(row_start,row_end):行的开始和结束
    range(col_strat,col_end):列的开始和结束

可以参考以下博文：

https://blog.csdn.net/xierhacker/article/details/52493746

四、绘制直方图

计算直方图：

void calcHist(const Mat* arrays, intnarrays, const int* channels, InputArray mask, OutputArray 
hist, int dims,const int* histSize, const float** ranges, bool uniform=true, boolaccumulate=false );

参数解释：

arrays:输入的图像的指针，可以是多幅图像，所有的图像必须有同样的深度，一副图像可以有多个channes。

narrays:输入的图像的个数。

channels:用来计算直方图的channes的数组。比如输入是2副图像，第一副图像有0，1，2共三个channel，第二幅图像只有0一个channel，那么输入就一共有4个channes，如果int

channels[3] = {3, 2, 0}，那么就表示是使用第二副图像的第一个通道和第一副图像的第2和第0个通道来计算直方图。

mask:掩码。如果mask不为空，那么它必须是一个8位（CV_8U）的数组，并且它的大小的和arrays[i]的大小相同，值为1的点将用来计算直方图。

hist:计算出来的直方图。

dims:计算出来的直方图的维数。

histSize:在每一维上直方图的个数。简单把直方图看作一个一个的竖条的话，就是每一维上竖条的个数。

ranges:用来进行统计的范围。比如 float rang1[] = {0, 20};float rang2[] = {30, 40}; const float*rangs[] = {rang1, rang2};那么就是对0，20和30，40范围的值进行统计。

uniform:每一个竖条的宽度是否相等。

accumulate: 是否累加。如果为true，在下次计算的时候不会首先清空hist。

画出直方图：

void line(Mat& img, Point pt1, Point pt2, const Scalar& color, int thickness=1,
         int lineType=8, int shift=0)
//两点确认一条直线。
//lineType：直线类型
//shift：坐标小数点维数
 
//画一个单一的实矩形
void rectangle(Mat& img, Point pt1,Point pt2, const Scalar& color, int thickness=1,
                 int lineType=8, int shift=0)
//一条对角线的两个顶点可确定一个矩形
//pt1和pt2互为对顶点
//thickness为负值表示矩形为实矩形

其中Point(x,y)表示二维坐标系下的点。

五、通道分离与合并通道

split用于通道分离

void split(const Mat& src,Mat *mvBegin)

第一个参数为要进行分离的图像矩阵，第二个参数是一个vector<Mat>对象

merge用于通道合并

void merge(const vector& mv, OutputArray dst );

第一个参数是图像矩阵向量容器，第二个参数是输出

举例：

std::vector<Mat> rgb(3);
 
split(src, rgb);              //分离通道
 for (int i = 0; i < 3; i++){
        rgb[i] = rgb[i].mul(show);
    }

merge(rgb, output);  //合并通道

六、寻找矩阵最小最大值

void minMaxLoc(InputArray src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, InputArray mask=noArray())

函数说明：

src：输入图像。
minVal：最小值，可輸入NULL表示不需要。
maxVal ：最大值，可輸入NULL表示不需要。
minLoc：最小值的位置，可输入NULL表示不需要，Point类型。
maxLoc：最大值的位置，可输入NULL表示不需要，Point类型。
mask：可有可无的掩模。

七、绘制矩形

void rectangle(Mat& img, Point pt1,Point pt2,const Scalar& color, int thickness=1, int lineType=8, int shift=0)

img：输入图像.
pt1：矩形的一个顶点。
pt2：矩形对角线上的另一个顶点
color：线条颜色 (RGB) 或亮度（灰度图像 ）(grayscale image）。
thickness：组成矩形的线条的粗细程度。取负值时（如 CV_FILLED）函数绘制填充了色彩的矩形。
line_type：线条的类型。
shift：坐标点的小数点位数。

六、OpenCV学习笔记——常用函数解析

一、Mat

二、访问像素方式

三、感兴趣区域（ROI）

四、绘制直方图

五、通道分离与合并通道

六、寻找矩阵最小最大值

七、绘制矩形

继续阅读

Ubuntu下安装OpenCV2.4.13

ubuntu 14.04安装opencv2.4.13

opencv2.4.13在ubuntu14.04上的安装

ubuntu16.10 下opencv2.4.13安装配置

Ubuntu20.04下配置OpenCV2.4.13

ubuntu14.04 编译安装OpenCV 3.2

opencv学习笔记（十四）——图像像素的访问

opencv028-轮廓发现

qt-opencv图像增强之边缘检测（多线程）1 .pro项目文件配置2 ui设计3 多线程逻辑4 Canny边缘检测和Laplace算子5 主要代码6 运行结果

DLP面曝光3D打印机模型数据矫正

VS2010 / MFC + OpenCV 2.4.9打开图片

2021-09-30三维点云测量正方形包裹体积

Gsl在VS2008下的配置和使用

OpenCV学习——GSL常见问题总结

如何用Opencv求图像的灰度投影曲线

opencv——图像的灰度处理（线性变换/拉伸/直方图/均衡化）