The Core Functionality4(Operations with images)

Input/Output

使用imdecode和imencode来读取内存中的图像而不是文件！

Basic operations with images：

Accessing pixel intensity values

这个写了一个程序进行测试：

1 #include <opencv2/opencv.hpp>
2 #include <opencv2/imgcodecs.hpp>
3 #include <opencv2/highgui.hpp>
4 #include <opencv2/imgproc.hpp>
5 #include <iostream>
6
7 using namespace std;
8 using namespace cv;
9
10 int main( int argc, char* argv[])
11 {
12 int x = 2;
13 int y = 2;
14 Mat img = imread("../build/lena.jpg",IMREAD_GRAYSCALE);
15 Mat img1 = imread("../build/lena.jpg");
16 Scalar intensity1 = img.at<uchar>(x, y);
17 Scalar intensity2 = img.at<uchar>(Point(x, y));
18
19 Vec3b intensity = img.at<Vec3b>(x, y);
20
21 int a = img.at<Vec3b>(x, y)[0];
22
23 uchar blue = intensity.val[0];
24 uchar green = intensity.val[1];
25 uchar red = intensity.val[2];
26
27 int xx = img.at<uchar>(2, 2);
28 cout << xx << endl;
29 cout << intensity1 << endl;
30 cout << intensity2 << endl;
31
32 cout << (int)blue << " " << (int)green << " " << (int)red << endl;
33 cout << a << endl;
34
35 namedWindow("Input", WINDOW_AUTOSIZE);
36 imshow( "Input", img );
37 waitKey();
38

39 }

测试结果如下：可以看到

Memory management and reference counting

利用std::vector生成一系列的二维点和三维点，填充数组，然后转化为Mat类型：

    vector<Point2f> points; 
  
   //... fill the array 
  
    Mat pointsMat = Mat(points);

以及：访问某一个点：

Point2f point = pointsMat.at<Point2f>(i, 0);

Memory management and reference counting

计数系统是为了减小内存开销而推出的，由于图像通常占用较大的内存，会造成计算紧张，因而除非深度复制才会复制数据，其他情况下，用C语言的话讲就是新添加一个指针指向数据所在的内存。

//三维点

    std::vector<Point3f> points; 
  
   // .. fill the array 
  
    Mat pointsMat = Mat(points).reshape(1)； 
   //reshape貌似是更改了通道数

//深层复制

Mat img = imread("image.jpg");

Mat img1 = img.clone();

在之前使用C API开发这需要提供一个输出的image，与其不同的是，现在为每个函数提高提供了一个空的Mat。每个实现为destination matrix调用Mat::create。若为空，则分配数据；非空且维度，数据精度都正确，则啥都不干；如果维度和数据精度不正确，则数据会丢失且会被分配新数据。（话说程序很简单，但这段解释略绕那）

    Mat img = imread( 
   "image.jpg"); 
  
    Mat sobelx; 
  
    Sobel(img, sobelx, CV_32F, 1, 0); 
   //sobel算子，以后会学习

Primitive operations

img = Scalar(0); //img其实就是0

ROI选择：

Rect r(10, 10, 100, 100); //矩形

Mat smallImg = img(r);

Mat和传统的C API的转换：

    Mat img = imread( 
   "image.jpg"); 
  
    IPIimage img1 = img; 
  
    CvMat m = img;

注意：Note that there is no data copying here.这个是必须的

颜色空间的转换：

    Mat img = imread( 
   "image.jpg"); 
   // loading a 8UC3 image 
  
    Mat grey; 
  
    cvtColor(img, grey, COLOR_BGR2GRAY);

src.convertTo(dst, CV_32F); //原数据src，dstination image

Visualizing images

//没啥意思，很简单！之前已经练习过很多次了。

    Mat img = imread( 
   "image.jpg"); 
  
    namedWindow( 
   "image", WINDOW_AUTOSIZE); 
  
    imshow( 
   "image", img); 
  
    waitKey();

最后打算把这个程序放上去测试下：

#include <opencv2/opencv.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main( int argc, char* argv[])
{
Mat img = imread("lena.jpg");
Mat grey;
cvtColor(img, grey, COLOR_BGR2GRAY);
Mat sobelx;
Sobel(grey, sobelx, CV_32F, 1, 0);

double minVal, maxVal;
minMaxLoc(sobelx, &minVal, &maxVal); //find minimum and maximum intensities
cout << minVal << "pixel min intensity" << endl;
cout << maxVal << "pixel max intensity" << endl;

Mat draw;
sobelx.convertTo(draw, CV_8U, 255.0/(maxVal - minVal), -minVal * 255.0/(maxVal - minVal));
namedWindow("image", WINDOW_AUTOSIZE);
imshow("image", draw);
waitKey();

}

CMakeLists.txt文件，添加了调试内容：

cmake_minimum_required(VERSION 2.8)
set(CMAKE_CXX_FLAGS "-std=c++11") #支持C++11
set(VMAKE_BUILD_TYPE "Debug") #调试
project( DisplayImage )
find_package( OpenCV REQUIRED )
include_directories( ${OpenCV_INCLUDE_DIRS} )
add_executable( DisplayImage main.cpp )
target_link_libraries( DisplayImage ${OpenCV_LIBS} )

install(TARGETS DisplayImage RUNTIME DESTINATION bin)

测试结果如下：