Opencv图像操作——图像遍历、图像ROI选取、图像混合

前言

Opencv图像操作与混合，用opencv实现对图像的修改

一、图像是什么？

在这一篇文章中，我们对图像已经有了一定的了解

https://blog.csdn.net/ivan_9/article/details/113059961

二、OpenCV中数据类型和常用数据类型对应

数据类型	opencv数据类型对应
Mat<uchar>	CV_8U
Mat<char>	CV_8S
Mat<ushort>	CV_16U
Mar<short>	CV_16S
Mat<int>	CV_32S
Mat<float>	CV_32F
Mat<double>	CV_16F

三、图像的操作

1）imread函数：利用imread函数读取图像

imread是image read的缩写：即负责图像读取

3.1.1、利用imread实现读取的代码块：

Mat src, gray_src;
src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg"); 

3.1.2、imread函数在opencv里的定义：

CV_EXPORTS_W Mat imread( const String& filename, int flags = IMREAD_COLOR );
/** @brief Loads a multi-page image from a file.
The function imreadmulti loads a multi-page image from the specified file into a vector of Mat objects.
@param filename Name of file to be loaded.
@param flags Flag that can take values of cv::ImreadModes, default with cv::IMREAD_ANYCOLOR.
@param mats A vector of Mat objects holding each page, if more than one.
@sa cv::imread*/

2）imwrite函数：利用imwrite函数写入图像，即保存图像

imwrite是image write的缩写：即负责图像写入

3.2.1、利用imwrite实现写入的代码块：

imwrite("C:\\Users\\ASUS\\Desktop\\imwrite.jpg", src);

3.2.2、imwrite函数在opencv里的定义：

CV_EXPORTS_W bool imwrite( const String& filename, InputArray img,
              const std::vector<int>& params = std::vector<int>());
/// @overload multi-image overload for bindings
//filename:需要写入的文件名，会自己创建（像imwrite("imwrite.jpg",src);支持JPEG,PNG,PPM,PGM,PBM，TIFF等格式
//img:要保存的图像
//params:表示为特定格式保存的参数编码

3）遍历图像

3.3.1、利用at函数实现单通道图像遍历，对图像像素点进行操作：

代码块

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main() {
    
    
	Mat src, gray_src;
	src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");
	if (!src.data) {
    
    
		cout << "could not load your image!";
		return 0;
	}
	namedWindow("input_image", WINDOW_AUTOSIZE);
	imshow("input_image", src);


	namedWindow("output_image", WINDOW_AUTOSIZE);
	cvtColor(src, gray_src, COLOR_BGR2GRAY); //利用色彩空间转换函数，转化为灰度图像，灰度图像只有单通道
	int height = gray_src.rows;
	int width = gray_src.cols;

	//单通道
	for (int row = 0; row < height; row++) {
    
    
		for (int col = 0; col < width; col++) {
    
    
			int gray = gray_src.at<uchar>(row, col);
			gray_src.at<uchar>(row, col) = 255 - gray;
		}
	}
	imshow("gray_invert", gray_src);

	waitKey(0);
	return 0;
}

利用at函数，单通道遍历图像后的运行结果：

3.3.2、利用at实现多通道图像遍历：

代码块：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main() {
    
    
	Mat src, dst;
	src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");
	if (!src.data) {
    
    
		cout << "could not load your image!";
		return 0;
	}
	namedWindow("input_image", WINDOW_AUTOSIZE);
	imshow("input_image", src);


	namedWindow("output_image", WINDOW_AUTOSIZE);
	int height = src.rows;
	int width = src.cols;

	dst.create(src.size(), src.type());
	height = src.rows;
	width = src.cols;
	int nc = src.channels();
	for (int row = 0; row < height; row++) {
    
    
		for (int col = 0; col < width; col++) {
    
    
			if (nc == 1) {
    
      //单通道
				int One = src.at<uchar>(row, col);
				src.at<uchar>(row, col) = 255 - One;
			}
			else if (nc == 3) {
    
     //多通道
				int b = src.at<Vec3b>(row, col)[0];
				int g = src.at<Vec3b>(row, col)[1];
				int r = src.at<Vec3b>(row, col)[2];
				dst.at<Vec3b>(row, col)[0] = 255 - b;
				dst.at<Vec3b>(row, col)[1] = 255 - g;
				dst.at<Vec3b>(row, col)[2] = 255 - r;
			}//Vec3b放着bgr的像素,每个像素的读法采用Vec3b;Vec3f是浮点型的像素
		}
	}
	imshow("output_image", dst);

	waitKey(0);
	return 0;
}

利用at函数，多通道遍历图像后的运行结果：

3.3.3、利用at函数以及随机函数生成一张图片：

代码块：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main() {
    
    
	Mat src;
	src = Mat(666, 666, CV_8UC3);
	int height = src.rows;
	int weight = src.cols;
	for (int row = 0; row < height; row++){
    
    
		for (int col = 0; col < weight; col++) {
    
    
			src.at<Vec3b>(row, col)[0] = rand() * 255 + 1;//让随机数处于0-255之间，也可以rand() % 255
			src.at<Vec3b>(row, col)[1] = rand() * 255 + 1;
			src.at<Vec3b>(row, col)[2] = rand() * 255 + 1;
		}
	}
	namedWindow("my_random_image", WINDOW_AUTOSIZE);
	imshow("my_random_image", src);

	waitKey(6000); //图像停滞6秒后消失；
	return 0;
}

运行结果：

3.3.4、ptr指针遍历图像：

代码块：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main() {
    
    
	Mat src;
	src = imread("C:\\Users\\ASUS\\Desktop\\2.jpg");
	if (!src.data) {
    
    
		cout << "could not load image..." << endl;
		return 0;
	}
	namedWindow("init_image", WINDOW_AUTOSIZE);
	imshow("init_image", src);
	int height = src.rows;
	int weight = src.cols;
	int chan = src.channels();
	for (int row = 0; row < height; row++) {
    
    
		uchar* row_Pointer = src.ptr<uchar>(row);
		for (int col = 0; col < weight * chan; col++) {
    
    
			//图像是三通道的，所以要*3
			row_Pointer[col] = saturate_cast<uchar>(row_Pointer[col] + 66);
			//在原有图像的基础上，每个像素点加66
		}
	}
	namedWindow("changed_image", WINDOW_AUTOSIZE);
	imshow("changed_image", src);

	waitKey(6666); //图像停滞6.666秒后消失；
	return 0;
}

运行结果：

3.3.5、iterator迭代器遍历图像：

代码块：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main() {
    
    
	Mat src;
	src = imread("C:\\Users\\ASUS\\Desktop\\2.jpg");
	if (!src.data) {
    
    
		cout << "could not load image..." << endl;
		return 0;
	}
	namedWindow("init_image", WINDOW_AUTOSIZE);
	imshow("init_image", src);
	for (Mat_<Vec3b>::iterator iter = src.begin<Vec3b>(); iter != src.end<Vec3b>(); iter++) {
    
    
		//利用迭代器遍历图像，对三通道依次进行修改
		(*iter)[0] = saturate_cast<uchar>((*iter)[0] + 1);
		(*iter)[1] = saturate_cast<uchar>((*iter)[1] + 111);
		(*iter)[2] = saturate_cast<uchar>((*iter)[2] + 1);
		//使用saturate_cast<uchar>()函数，防止溢出
	}
	namedWindow("changed_image", WINDOW_AUTOSIZE);
	imshow("changed_image", src);

	waitKey(6666); //图像停滞6.666秒后消失；
	return 0;
}

运行结果：

3.3.6、iterator迭代器遍历图像：

4）ROI区域

3.4.1、ROI区域的定义：

• ROI全称region of interest. 在图像处理领域，感兴趣区域(ROI) 是从图像中选择一块图像区域，该区域是图像分析所关注的重点。
• 圈定该区域以便进行进一步处理。
• 使用ROI圈定你想读的目标，可以减少处理时间，增加精度。

3.4.2、规则的ROI区域选取：

(A) 使用Rect函数，截取ROI区域：

程序代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main() {
    
    
	Mat src;
	src = imread("C:\\Users\\ASUS\\Desktop\\2.jpg");
	if (src.empty()) {
    
    
		cout << "could not load your image...";
		return 0;
	}
	namedWindow("init_image", WINDOW_AUTOSIZE);
	imshow("init_image", src);
	Mat dst = src(Rect(150, 50, 150, 150));
	//Rect 四个参数分别为x,y,截取多长的x,截取多长的y
	namedWindow("rect_image", WINDOW_AUTOSIZE);
	imshow("rect_image", dst);

	waitKey(0);
	return 0;
}

运行结果：

(B) 使用Range函数，截取ROI区域：

解析：

• Mat(Range(定位x,宽度), Range(定义y,长度));
• 用Range::all()静态方法来获取所有的行或列

程序代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main() {
    
    
	Mat src;
	src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");
	if (src.empty()) {
    
    
		cout << "could not load your image...";
		return 0;
	}
	namedWindow("init_image", WINDOW_AUTOSIZE);
	imshow("init_image", src);
	Mat dst = src(Range(150, 350), Range(100,400));
	/*Mat::operator()( Range _rowRange, Range _colRange ) const{
			return Mat(*this, _rowRange, _colRange);}
	利用Mat 的方法提取ROI区域
	*/
	namedWindow("rect_image", WINDOW_AUTOSIZE);
	imshow("rect_image", dst);

	waitKey(0);
	return 0;
}

运行结果：

3.4.3、不规则的ROI区域选取：

程序代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main() {
    
    
	Mat src, dst, mask;
	src = imread("C:\\Users\\ASUS\\Desktop\\3.png");
	if (src.empty()) {
    
    
		cout << "could not load your image...";
		return 0;
	}
	//原图，为了简单，自己手绘了一个色彩分明的图像
	namedWindow("init_image", WINDOW_AUTOSIZE);
	imshow("init_image", src);

	//生成mask区域
	inRange(src, Scalar(5, 30, 0), Scalar(100, 255, 100), mask);
	//inRange()无返回值，因为是3通道的，中间参数采用向量
	namedWindow("mask_image", WINDOW_AUTOSIZE);
	imshow("mask_image", mask);

	//生成ROI区域
	bitwise_and(src, src, dst, mask);
	//用混合方式，将mask以及原图混合，得出ROI不规则区域
	namedWindow("output_image", WINDOW_AUTOSIZE);
	imshow("output_image", dst);
	//简而言之，就是2张图像的结合，得出结果。
	waitKey(0);
	return 0;
}

运行结果：

5）图像的混合操作：

3.5.1、图像的二进制运算操作：

说到二进制运算，我们总能想到&,|,!,^;
在opencv图像处理中，二进制操作又是哪些呢？

二进制函数	解析
bitwise_and	void bitwise_and(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); 对图像每个像素值进行二进制“与”操作；简而言之，计算两个数组或一个数组和一个标量的逐元素逐位析取（或真或假，但不能既真又假）。
bitwise_or	void bitwise_or(InputArray src1, InputArray src2,OutputArray dst, InputArray mask = noArray()); 对图像每个像素值进行二进制“或”操作；简而言之，对两个元素计算按位“异或”运算数组或数组和标量。
bitwise_not	void bitwise_not(InputArray src, OutputArray dst,InputArray mask = noArray()); 对图像每个像素值进行二进制“取反”操作；简而言之，计算两个数组或数组与标量之间的每元素绝对差
bitwise_xor	void bitwise_xor(InputArray src1, InputArray src2,OutputArray dst, InputArray mask = noArray()); 对图像每个像素值进行二进制“异或”操作；简而言之，反转数组的每一位

bitwise_or简单操作：
程序代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main() {
    
    
	Mat src, dst, add_src_dst;
	src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");
	dst = imread("C:\\Users\\ASUS\\Desktop\\3.jpg");
	if (src.empty() || dst.empty()) {
    
    
		cout << "could not load your image...";
		return 0;
	}
	namedWindow("init_image1", WINDOW_AUTOSIZE);
	imshow("init_image1", src);
	namedWindow("init_image2", WINDOW_AUTOSIZE);
	imshow("init_image2", dst);
	//进行或操作
	bitwise_or(src, dst, add_src_dst);
	//也可以采用与等，看自己需要

	namedWindow("add_src_dst", WINDOW_AUTOSIZE);
	imshow("add_src_dst", add_src_dst);

	waitKey(0);
	return 0;
}

运行结果：

3.5.2、图像的线性混合操作：

前提：两张图像的大小（size）、类型(type)必须一模一样。
a, 即alpha（alpha channels）的取值在[0，1]

程序代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main() {
    
    
	Mat src, dst, add_src_dst;
	src = imread("C:\\Users\\ASUS\\Desktop\\1.jpg");
	dst = imread("C:\\Users\\ASUS\\Desktop\\3.jpg");
	if (src.empty() || dst.empty()) {
    
    
		cout << "could not load your image...";
		return 0;
	}
	namedWindow("init_image1", WINDOW_AUTOSIZE);
	imshow("init_image1", src);
	namedWindow("init_image2", WINDOW_AUTOSIZE);
	imshow("init_image2", dst);

	if (src.type() == dst.type() && src.rows == dst.rows && src.cols == dst.cols) {
    
    
		double alpha = 0.45;
		addWeighted(src, alpha, dst, (1.0 - alpha), 0.0, add_src_dst);
		//这说明第一张图权重占比45%，第二张图权重占比55%

		//add(src, dst, add_src_dst, Mat());
		//两个元素级的加运算
		//multiply(src, dst, add_src_dst, 1.0);
		//两张图相乘
		namedWindow("add_src_dst", WINDOW_AUTOSIZE);
		imshow("add_src_dst", add_src_dst);
	}
	else {
    
    
		cout << "could not blend image, the size of images is not same...\n";
		return 0;
	}

	waitKey(0);
	return 0;
}

运行结果：

四、其他图像操作函数：

1）waitKey()函数：

调用 waitKey() 会进入一个消息循环，来等待运行窗口上的按键动作命令。

2）cvtColor()函数：

将图像从一个颜色空间转换为另一个颜色空间，其中源图像存储在两个平面中。

3）Filp()函数：

选定轴翻转，0为x轴，即垂直翻转；1为y轴，即水平翻转；
写法：flip(src, dst, 0);

还有很多函数，等你来使用，这里不一一赘述了！

总结

本文讲述了图像的遍历，图像怎么选取ROI区域，图像的混合操作，以及其他小知识点！

如有错误，敬请指教！