感兴趣区域ROI
ROI(region of interest) 感兴趣的区域
定义:
1. 一种是使用矩形表示区域Rect,指定矩形的左上角坐标和矩形的长宽
2. 指定感兴趣行或列的范围(Range),Range是指从起始索引到终止索引的一连续序列
bool ROI_AddImage()
{
Mat srcImage1 = imread("dota_pa.jpg");
Mat logoImage = imread("dota_logo.jpg");
if (!srcImage1.data)
{
printf("读取srcImage1错误~!\n");
return false;
}
if (!logoImage.data)
{
printf("读取logoImage错误~!\n");
return false;
}
// 定义一个Mat类型并给其设定ROI区域
Mat ImageROI = srcImage1(Rect(200, 250, logoImage
.cols, logoImage.rows));
// 加载掩模(必须是灰度图)
Mat mask = imread("dota_logo.jpg", 0);
// 将掩模复制到ROI
logoImage.copyTo(ImageROI, mask);
// 显示结果
namedWindow("<1>利用ROI实现图像叠加实例窗口");
imshow("<1>利用ROI实现图像叠加实例窗口", srcImage1);
return true;
}
void Mat::copyTo(OutputArray m, InputArray mask) const
Parameters:
m – Destination matrix. If it does not have a proper size or type before the operation, it is reallocated.
mask – Operation mask. Its non-zero elements indicate which matrix elements need to be copied.
线性混合操作
我们通过改变 的值来对两幅图像产生时间的画面叠化(cross-disslove)效果
计算数组加权和 addWeighted()函数
void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype = -1)
- InoutArray 类型的src1,表示需要加权的一个数组,常常填一个Mat
- double 类型的alpha,表示第一个数组的权重
- InputArray 类型的src2,表示,表示第二个数组,需要和一个数组拥有相同的尺寸和通道数
- double 类型的beta ,表示第二数组的权重值
- double 类型的gamma,一个加到权重总和上的标量值
- OutputArray类型的dst,输出的数组,他和两个数组拥有相同的尺寸和通道数
- int类型的dtype,输出陈列的可选深度,默认为-1,当两个输入数具有相同的深度时,-1相当于src1.depth()
dst = src1[I]*alpha + src2[I] *beta + gamma;
bool LinearBlending()
{
// 定义一些局部变量
double alphaValue = 0.5;
double betaValue;
Mat srcImage2, srcImage3, dstImage;
//读取图像:两个图片需要同样的类型和尺寸
srcImage2 = imread("mogu.jpg");
srcImage3 = imread("rain.jpg");
if (!srcImage2.data)
{
printf("读取srcImage2错误~!\n");
return false;
}
if (!srcImage3.data)
{
printf("读取srcImage3错误~!\n");
return false;
}
// 做图像混合加权操作
betaValue = (1.0 - alphaValue);
addWeighted(srcImage2, alphaValue, srcImage3, betaValue, 0.0, dstImage);
//创建并显示原图窗口
namedWindow("<2>线性混合示例窗口【原图】", 1);
imshow("<2>线性混合示例窗口【原图】", srcImage2);
namedWindow("<3>线性混合示例窗口【效果图】", 1);
imshow("<3>线性混合示例窗口【效果图】", dstImage);
return true;
}
分离颜色通道,多通道图像混合
通道分离函数split()函数
split 函数用于将一个多通道数组分离成几个单通道数组,
void split(const Mat & src, Mat * mvbegin);
void split(InputArray m, OutputArrayOfArrays mv);
- 需要进行分离的多通道的数组
- 输出数组或输出的vector容器
merge()函数
将多个数组合并成一个多通道的数组
通过组合一些给定的单通道数组,将这些孤立的单通道数组合并成一个多通道的数组,从而创建出一个由多个单通道陈列组成的多通道阵列
void merge(const Mat * mv, size_tcount,OutputArray dst)
void merge(InputArrayOfArrays mv, OutputArray dst)
- mv,需要被合并的输入矩阵或vector容器的陈列,mv参数中所有的矩阵必须由一样的尺寸和深度
- count,代表输入矩阵的个数,参数必须大于1
- dst,输出矩阵,和mv[0]用于一样的尺寸和深度,并且通道的数量是矩阵阵列中通道的总数
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
using namespace std;
using namespace cv;
bool MultiChannelBlending();
int main()
{
if (MultiChannelBlending())
{
cout << endl << "\n运行成功,得出了需要的图像~!";
}
waitKey(0);
return 0;
}
bool MultiChannelBlending()
{
// 定义相关变量
Mat srcImage;
Mat logoImage;
vector<Mat> channels;
Mat imageBlueChannel;
// 读入图片
logoImage = imread("dota_logo.jpg", 0);
srcImage = imread("dota_jugg.jpg");
if (!logoImage.data)
{
printf("oh no , 读取logoImage错误~!\n");
return false;
}
if (!srcImage.data)
{
printf("Oh no ,读取srcImage错误~!\n");
return false;
}
// 把一个3通道图像转换成3个单通道图像
split(srcImage, channels); //分离彩色通道
// 将原图的蓝色通道引用返回给imageBlueChanne1,注意是引用,相当于两者等价,修改其中一个另一个跟着变
imageBlueChannel = channels.at(0);
// 将原图的蓝色通道的(500,250)坐标处右下方的一块区域和logo图进行加权操作。
addWeighted(imageBlueChannel(Rect(500, 250, logoImage.cols, logoImage.rows)), 1.0, logoImage, 0.5, 0, imageBlueChannel(Rect(500, 250, logoImage.cols, logoImage.rows)));
merge(channels, srcImage);
//显示效果图
namedWindow("<1>游戏原画+logo蓝色通道");
imshow("<1>游戏原画+logo蓝色通道", srcImage);
//绿色通道部分
Mat imageGreenChannel;
//重新读入图片
logoImage = imread("dota_logo.jpg", 0);
srcImage = imread("dota_jugg.jpg");
if (!logoImage.data)
{
printf("读取logoImage错误~!\n");
return false;
}
if (!srcImage.data)
{
printf("读取srcImage错误~!\n");
return false;
}
//将一个三通道图像转换为三个单通道图像
split(srcImage, channels);
imageGreenChannel = channels.at(1);
addWeighted(imageGreenChannel(Rect(500, 250, logoImage.cols, logoImage.rows)), 1, logoImage, 0.5, 0, imageGreenChannel(Rect(500, 250, logoImage.cols, logoImage.rows)));
merge(channels, srcImage);
//显示效果图
namedWindow("<2>游戏原画+logo绿色通道");
imshow("<2>游戏原画+logo绿色通道", srcImage);
//红色通道部分
Mat imageRedChannel;
logoImage = imread("dota_logo.jpg", 0);
srcImage = imread("dota_jugg.jpg");
if (!logoImage.data)
{
printf("Oh no,读取logoimage错误~!\n");
return false;
}
if (!srcImage.data)
{
printf("Oh no,读取srcImage错误~!\n");
return false;
}
split(srcImage, channels);
//红色
imageRedChannel = channels.at(2);
addWeighted(imageRedChannel(Rect(500, 250, logoImage.cols, logoImage.rows)), 1, logoImage, 0.5, 0, imageRedChannel(Rect(500, 250, logoImage.cols, logoImage.rows)));
merge(channels, srcImage);
namedWindow("<3>游戏原画+logo红色通道");
imshow("<3>游戏原画+logo红色通道", srcImage);
return true;
}