100道图像处理算法题（适合入门，快速熟悉算法）（1-5）

想快速入门图像处理的小伙伴们！跟着步伐我们一起闯关吧！一定会收获满满哦！

为图像处理初学者设计的 100 个问题。这里感谢@gzr2017的翻译，然后我也将随作者的脚步逐一学习实现100道算法题，大家可以一起学习哦，加油！坚持！持续更新中哦！！！

问题1-5：

问题一：通道交换
问题二：灰度化（Grayscale）
问题三：二值化（Thresholding）
问题四：大津二值化算法（Otsu’s Method）
问题五：HSV转换

代码实现：

问题一：通道交换
读取图像，然后将RGB通道替换成BGR通道。

#include<opencv2/highgui.hpp>
#include<opencv2/core.hpp>
#include<iostream>

using namespace cv;

Mat channel_swap(Mat img)
{
    
    
	int height = img.rows;
	int width = img.cols;
	//准备一个与原图像格式尺寸相同的黑色模板
	Mat out = Mat::zeros(height, width, CV_8UC3);
	for (size_t y = 0; y <height; y++)
	{
    
    
		for (size_t x = 0; x < width; x++)
		{
    
    
			out.at<Vec3b>(y, x)[0] = img.at<Vec3b>(y, x)[2];//R->B
			out.at<Vec3b>(y, x)[1] = img.at<Vec3b>(y, x)[1];//G->G
			out.at<Vec3b>(y, x)[2] = img.at<Vec3b>(y, x)[0];//B->R
		}
	}
	return out;
}

int main()
{
    
    
	//读取图片
	Mat img = imread("D:/文件/lenna.png");
	Mat out = channel_swap(img);
	
	imshow("img", img);
	imshow("out", out);
	waitKey(0);
	destroyAllWindows();
	return 0;
}

输入：

输出：

Note：
1、imread()读取图像通道的顺序为BGR
2、vector说明
< Vec3f > 浮点
< Vec3d > double
< Vec3b > 8U 类型的 RGB 彩色图像 (0-255)

问题二：灰度化（Grayscale）
将图像灰度化。
灰度是一种图像亮度的表示方法，通过下式计算：
Y = 0.2126\ R + 0.7152\ G + 0.0722\ B

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>

using namespace cv;

Mat BGR2GRAY(Mat img)
{
    
    
	int height = img.rows;
	int width = img.cols;

	Mat out = Mat::zeros(height, width, CV_8UC1);

	for (size_t y = 0; y < height; y++)
	{
    
    
		for (size_t x = 0; x < width; x++)
		{
    
    
			out.at<uchar>(y, x) = 0.2126*(float)img.at<Vec3b>(y, x)[2]
				+ 0.7152*(float)img.at<Vec3b>(y, x)[1]
				+ 0.0722*(float)img.at<Vec3b>(y, x)[0];
		}
	}
	return out;
}


int main(int argc, const char* argv[]) 
{
    
    
	Mat img = imread("D:/文件/lenna.png");
	Mat out = BGR2GRAY(img);
	imshow("img", img);
	imshow("out", out);

	waitKey(0);
	destroyAllWindows();
	return 0;
}

输入：

输出：

问题三：二值化（Thresholding）
将图像进行二值化。
二值化是将图像使用黑和白两种颜色表示的方法。我们将阈值设置为128来进行二值化。

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>

using namespace cv;

//BGR->GRAY
Mat BGR2GRAY(Mat img)
{
    
    
	int height = img.rows;
	int width = img.cols;
	
	Mat out = Mat::zeros(height, width, CV_8UC1);

	for (size_t y = 0; y < height; y++)
	{
    
    
		for (size_t x = 0; x < width; x++)
		{
    
    
			out.at<uchar>(y, x) = 0.2126*(float)img.at<Vec3b>(y, x)[2]
				+ 0.7152*(float)img.at<Vec3b>(y, x)[1]
				+ 0.0722*(float)img.at<Vec3b>(y, x)[0];
		}
	}
	return out;
}

//GRAY->BINARIZE
Mat Binarize(Mat img,int th)//th用来设置二值化阈值
{
    
    
	int height = img.rows;
	int width = img.cols;

	Mat out = Mat::zeros(height, width, CV_8UC1);

	for (size_t y = 0; y < height; y++)
	{
    
    
		for (size_t x = 0; x < width; x++)
		{
    
    
			if (img.at<uchar>(y, x) < th)
				out.at<uchar>(y, x) = 0;
			else
				out.at<uchar>(y, x) = 255;
		}
	}
	return out;
}
int main(int argc, const char* argv[])
{
    
    
	Mat img = imread("D:/文件/lenna.png");
	Mat out = Binarize(BGR2GRAY(img), 128);

	imshow("img", img);
	imshow("out", out);

	waitKey(0);
	destroyAllWindows();
	return 0;
}

输入：

输出：

问题四：大津二值化算法（Otsu’s Method）
用大津算法二值化图像。
推荐这篇博客，写的比较清晰。
https://blog.csdn.net/u012198575/article/details/81128799

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>

using namespace std;
using namespace cv;

//BGR->GRAY
Mat BGR2GRAY(Mat img)
{
    
    
	int height = img.rows;
	int width = img.cols;
	
	Mat out = Mat::zeros(height, width, CV_8UC1);

	for (size_t y = 0; y < height; y++)
	{
    
    
		for (size_t x = 0; x < width; x++)
		{
    
    
			out.at<uchar>(y, x) = 0.2126*(float)img.at<Vec3b>(y, x)[2]
				+ 0.7152*(float)img.at<Vec3b>(y, x)[1]
				+ 0.0722*(float)img.at<Vec3b>(y, x)[0];
		}
	}
	return out;
}

//GRAY->BINARIZE
Mat Binarize(Mat img, int th)//th用来设置二值化阈值
{
    
    
	int height = img.rows;
	int width = img.cols;

	Mat out = Mat::zeros(height, width, CV_8UC1);

	for (size_t y = 0; y < height; y++)
	{
    
    
		for (size_t x = 0; x < width; x++)
		{
    
    
			if (img.at<uchar>(y, x) < th)
				out.at<uchar>(y, x) = 0;
			else
				out.at<uchar>(y, x) = 255;
		}
	}
	return out;
}

//Otsu自动选取阈值
int Otsu(Mat & src)
{
    
    
	int th;
	const int GrayScale = 256;	//单通道图像总灰度256级
	int pixCount[GrayScale] = {
    
     0 };//每个灰度值所占像素个数
	int pixSum = src.cols * src.rows;//图像总像素点
	float pixPro[GrayScale] = {
    
     0 };//每个灰度值所占总像素比例
	float w0, w1, u0tmp, u1tmp, u0, u1, deltaTmp, deltaMax = 0;

	for (int i = 0; i < src.cols; i++)
	{
    
    
		for (int j = 0; j < src.rows; j++)
		{
    
    
			pixCount[src.at<uchar>(j, i)]++;//统计每个灰度级中像素的个数  
		}
	}

	for (int i = 0; i < GrayScale; i++)
	{
    
    
		pixPro[i] = pixCount[i] * 1.0 / pixSum;//计算每个灰度级的像素数目占整幅图像的比例  
	}

	for (int i = 0; i < GrayScale; i++)//遍历所有从0到255灰度级的阈值分割条件，测试哪一个的类间方差最大
	{
    
    
		w0 = w1 = u0tmp = u1tmp = u0 = u1 = deltaTmp = 0;
		for (int j = 0; j < GrayScale; j++)
		{
    
    
			if (j <= i)//背景
			{
    
    
				w0 += pixPro[j];//背景像素比
				u0tmp += j * pixPro[j];
			}
			else//前景
			{
    
    
				w1 += pixPro[j];//前景像素比
				u1tmp += j * pixPro[j];
			}
		}
		u0 = u0tmp / w0;
		u1 = u1tmp / w1;
		deltaTmp = (float)(w0 *w1* pow((u0 - u1), 2)); //类间方差公式 g = w1 * w2 * (u1 - u2) ^ 2
		if (deltaTmp > deltaMax)
		{
    
    
			deltaMax = deltaTmp;
			th = i;
		}
	}
	return th;
}

int main(int argc, const char* argv[])
{
    
    
	Mat img = imread("D:/文件/lenna.png");
	Mat gray = BGR2GRAY(img);
	Mat out = Binarize(gray, Otsu(gray));
	
	imshow("img", img);
	imshow("out", out);

	waitKey(0);
	destroyAllWindows();
	return 0;
}

输入：

输出：

问题五：HSV转换
将使用HSV表示色彩的图像的色相反转。
HSV使用色相（Hue）、饱和度（Saturation）、明度（Value）来表示色彩的一种方式。
色相：将颜色使用 $0^{\circ}$ 到 $360^{\circ}$ 表示，就是平常所说的颜色名称，如红色、蓝色。色相与数值按下表对应：

红	黄	绿	青色	蓝色	品红
$0^{\circ}$	$60^{\circ}$	$120^{\circ}$	$180^{\circ}$	$240^{\circ}$	$300^{\circ}$

饱和度：是指色彩的纯度，饱和度越低则颜色越黯淡（ $0\leq S < 1$ ）；
明度：即颜色的明暗程度。数值越高越接近白色，数值越低越接近黑色（ $0\leq V < 1$ ）；

从 $\text{RGB}$ 色彩表示转换到 $\text{HSV}$ 色彩表示通过以下方式计算：

$\text{RGB}$ 的取值范围为 $[0, 1]$ ，令： $\text{Max}=\max(R,G,B)$ $\text{Min}=\min(R,G,B)$ 色相： $H=\begin{cases} 0&(\text{if}\ \text{Min}=\text{Max})\\ 60\ \frac{G-R}{\text{Max}-\text{Min}}+60&(\text{if}\ \text{Min}=B)\\ 60\ \frac{B-G}{\text{Max}-\text{Min}}+180&(\text{if}\ \text{Min}=R)\\ 60\ \frac{R-B}{\text{Max}-\text{Min}}+300&(\text{if}\ \text{Min}=G) \end{cases}$ 饱和度： $S=\text{Max}-\text{Min}$ 明度： $V=\text{Max}$ 从 $\text{HSV}$ 色彩表示转换到 $\text{RGB}$ 色彩表示通过以下方式计算： $C = S$ $\ H' = \frac{H}{60}$ $\ X = C\ (1 - |H' \mod 2 - 1|)$ $\ (R,G,B)=(V-C)\ (1,1,1)+\begin{cases} (0, 0, 0)& (\text{if H is undefined})\\ (C, X, 0)& (\text{if}\quad 0 \leq H' < 1)\\ (X, C, 0)& (\text{if}\quad 1 \leq H' < 2)\\ (0, C, X)& (\text{if}\quad 2 \leq H' < 3)\\ (0, X, C)& (\text{if}\quad 3 \leq H' < 4)\\ (X, 0, C)& (\text{if}\quad 4 \leq H' < 5)\\ (C, 0, X)& (\text{if}\quad 5 \leq H' < 6) \end{cases}$ 请将色相反转（色相值加 $180$ ），然后再用 $\text{RGB}$ 色彩空间表示图片。

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
#include <math.h>

// BGR -> HSV
cv::Mat BGR2HSV(cv::Mat img) 
{
    
    
	// get height and width
	int width = img.cols;
	int height = img.rows;

	float r, g, b;
	float h, s, v;
	float _max, _min;

	// prepare output
	cv::Mat hsv = cv::Mat::zeros(height, width, CV_32FC3);

	// each y, x
	for (int y = 0; y < height; y++) 
	{
    
    
		for (int x = 0; x < width; x++) 
		{
    
    
			// BGR -> HSV
			r = (float)img.at<cv::Vec3b>(y, x)[2] / 255;
			g = (float)img.at<cv::Vec3b>(y, x)[1] / 255;
			b = (float)img.at<cv::Vec3b>(y, x)[0] / 255;

			_max = fmax(r, fmax(g, b));
			_min = fmin(r, fmin(g, b));

			// get Hue
			if (_max == _min) 
			{
    
    
				h = 0;
			}
			else if (_min == b) 
			{
    
    
				h = 60 * (g - r) / (_max - _min) + 60;
			}
			else if (_min == r) 
			{
    
    
				h = 60 * (b - g) / (_max - _min) + 180;
			}
			else if (_min == g) 
			{
    
    
				h = 60 * (r - b) / (_max - _min) + 300;
			}

			// get Saturation
			s = _max - _min;

			// get Value
			v = _max;

			hsv.at<cv::Vec3f>(y, x)[0] = h;
			hsv.at<cv::Vec3f>(y, x)[1] = s;
			hsv.at<cv::Vec3f>(y, x)[2] = v;
		}
	}
	return hsv;
}


// HSV -> BGR
cv::Mat HSV2BGR(cv::Mat hsv) 
{
    
    
	// get height and width
	int width = hsv.cols;
	int height = hsv.rows;

	float h, s, v;
	double c, _h, _x;
	double r, g, b;

	// prepare output
	cv::Mat out = cv::Mat::zeros(height, width, CV_8UC3);

	// each y, x
	for (int y = 0; y < height; y++) 
	{
    
    
		for (int x = 0; x < width; x++) 
		{
    
    

			h = hsv.at<cv::Vec3f>(y, x)[0];
			s = hsv.at<cv::Vec3f>(y, x)[1];
			v = hsv.at<cv::Vec3f>(y, x)[2];

			c = s;
			_h = h / 60;
			_x = c * (1 - abs(fmod(_h, 2) - 1));

			r = g = b = v - c;

			if (_h < 1) 
			{
    
    
				r += c;
				g += _x;
			}
			else if (_h < 2) 
			{
    
    
				r += _x;
				g += c;
			}
			else if (_h < 3) 
			{
    
    
				g += c;
				b += _x;
			}
			else if (_h < 4) {
    
    
				g += _x;
				b += c;
			}
			else if (_h < 5) 
			{
    
    
				r += _x;
				b += c;
			}
			else if (_h < 6) 
			{
    
    
				r += c;
				b += _x;
			}

			out.at<cv::Vec3b>(y, x)[0] = (uchar)(b * 255);
			out.at<cv::Vec3b>(y, x)[1] = (uchar)(g * 255);
			out.at<cv::Vec3b>(y, x)[2] = (uchar)(r * 255);
		}
	}
	return out;
}

// inverse Hue
cv::Mat inverse_hue(cv::Mat hsv) 
{
    
    
	int height = hsv.rows;
	int width = hsv.cols;

	for (int y = 0; y < height; y++) {
    
    
		for (int x = 0; x < width; x++) {
    
    
			hsv.at<cv::Vec3f>(y, x)[0] = fmod(hsv.at<cv::Vec3f>(y, x)[0] + 180, 360);
		}
	}
	return hsv;
}


int main(int argc, const char* argv[]) 
{
    
    
	// read image
	cv::Mat img = cv::imread("D:/文件/lenna.png", cv::IMREAD_COLOR);

	// BGR -> HSV
	cv::Mat hsv = BGR2HSV(img);
	imshow("hsv", hsv);

	// Inverse Hue
	hsv = inverse_hue(hsv);

	// Gray -> Binary
	cv::Mat out = HSV2BGR(hsv);

	cv::imshow("out", out);
	cv::waitKey(0);
	cv::destroyAllWindows();

	return 0;
}

输入：

输出：