C++基于灰度图上色GrayToColorFromOther的实现
目录
- 场景需求
- 功能函数代码
- C++测试代码
场景需求
之前有提到给灰度图上色的需求，在此基础上，还有一种需求，就是基于另一张参考灰度图的色板来给当前的灰度图上色，比如参考灰度图的数值区间为-10到10，颜色从蓝到绿再到红，而当前的灰度图的数据区间为-1到1，若基于参考灰度图的色板确定数据对应的颜色，则当前灰度图的颜色应该在绿色左右波动。
下方为具体实现函数和测试代码。
功能函数代码
/**
* @brief GrayToColorFromOther 灰度图上色，基于参考灰度图的色板
* @param phase1 输入的灰色图像，通道为1，提供色板
* @param phase2 输入的灰色图像，通道为1，基于phase1的色板绘色
* @return 上色后的图像
*/
cv::Mat GrayToColorFromOther(cv::Mat &phase1, cv::Mat &phase2)
{
CV_Assert(phase1.channels() == 1);
CV_Assert(phase2.channels() == 1);
if (phase1.empty() || phase2.empty())
{
cv::Mat result = cv::Mat::zeros(100, 100, CV_8UC3);
return result;
}
cv::Mat temp, result, mask;
double max1, min1;
int row = phase2.rows;
int col = phase2.cols;
// 确定参考灰度图的数据范围
cv::minMaxIdx(phase1, &min1, &max1, nullptr, nullptr, phase1 == phase1);
// 将当前灰度图以参考灰度图的数据范围作标准，进行数据变换
temp = phase2.clone();
for (int i = 0; i < row; ++i)
{
float *t2 = temp.ptr<float>(i);
for (int j = 0; j < col; ++j)
{
t2[j] = 255.0f*(phase2.at<float>(i, j) - min1) / (max1 - min1);
}
}
temp.convertTo(temp, CV_8UC1);
// 创建掩膜，目的是为了隔离nan值的干扰
mask = cv::Mat::zeros(phase2.size(), CV_8UC1);
mask.setTo(255, phase2 == phase2);
// 初始化三通道颜色图
cv::Mat color1, color2, color3;
color1 = cv::Mat::zeros(temp.size(), temp.type());
color2 = cv::Mat::zeros(temp.size(), temp.type());
color3 = cv::Mat::zeros(temp.size(), temp.type());
// 基于灰度图的灰度层级，给其上色，最底的灰度值0为蓝色（255，0,0），最高的灰度值255为红色（0,0,255），中间的灰度值127为绿色（0,255,0）
for (int i = 0; i < row; ++i)
{
uchar *c1 = color1.ptr<uchar>(i);
uchar *c2 = color2.ptr<uchar>(i);
uchar *c3 = color3.ptr<uchar>(i);
uchar *r = temp.ptr<uchar>(i);
uchar *m = mask.ptr<uchar>(i);
for (int j = 0; j < col; ++j)
{
if (m[j] == 255)
{
if (r[j] > (3 * 255 / 4) && r[j] <= 255)
{
c1[j] = 255;
c2[j] = 4 * (255 - r[j]);
c3[j] = 0;
}
else if (r[j] <= (3 * 255 / 4) && r[j] > (255 / 2))
{
c1[j] = 255 - 4 * (3 * 255 / 4 - r[j]);
c2[j] = 255;
c3[j] = 0;
}
else if (r[j] <= (255 / 2) && r[j] > (255 / 4))
{
c1[j] = 0;
c2[j] = 255;
c3[j] = 4 * (255 / 2 - r[j]);
}
else if (r[j] <= (255 / 4) && r[j] >= 0)
{
c1[j] = 0;
c2[j] = 255 - 4 * (255 / 4 - r[j]);
c3[j] = 255;
}
else {
c1[j] = 0;
c2[j] = 0;
c3[j] = 0;
}
}
}
}
// 三通道合并，得到颜色图
vector<cv::Mat> images;
images.push_back(color3);
images.push_back(color2);
images.push_back(color1);
cv::merge(images, result);
return result;
}
C++测试代码
#include<iostream>
#include<opencv2/opencv.hpp>
#include<ctime>
using namespace std;
using namespace cv;
void UnitPolar(int squaresize, cv::Mat& mag,cv::Mat& ang);
void UnitCart(int squaresize, cv::Mat& x, cv::Mat& y);
cv::Mat GrayToColor(cv::Mat &phase);
cv::Mat GrayToColorFromOther(cv::Mat &phase1, cv::Mat &phase2);
int main(void)
{
cv::Mat mag, ang,result,result2;
UnitPolar(2001, mag, ang);
mag.at<float>(10, 10) = nan("");
cv::Mat mag2 = mag / 2;
result = GrayToColor(mag);
result2= GrayToColorFromOther(mag,mag2);
system("pause");
return 0;
}
void UnitPolar(int squaresize, cv::Mat& mag,cv::Mat& ang) {
cv::Mat x;
cv::Mat y;
UnitCart(squaresize, x, y); //产生指定范围内的指定数量点数，相邻数据跨度相同
// OpenCV自带的转换有精度限制，导致结果有一定差异性
//cv::cartToPolar(x, y, mag, ang, false); //坐标转换
mag = cv::Mat(x.size(), x.type());
ang = cv::Mat(x.size(), x.type());
int row = mag.rows;
int col = mag.cols;
float *m, *a, *xx, *yy;
for (int i = 0; i < row; ++i)
{
m = mag.ptr<float>(i);
a = ang.ptr<float>(i);
xx = x.ptr<float>(i);
yy = y.ptr<float>(i);
for (int j = 0; j < col; ++j)
{
m[j] = sqrt(xx[j] * xx[j] + yy[j] * yy[j]);
a[j] = atan2(yy[j], xx[j]);
}
}
}
void UnitCart(int squaresize, cv::Mat& x, cv::Mat& y) {
CV_Assert(squaresize % 2 == 1);
x.create(squaresize, squaresize, CV_32FC1);
y.create(squaresize, squaresize, CV_32FC1);
//设置边界
x.col(0).setTo(-1.0);
x.col(squaresize - 1).setTo(1.0f);
y.row(0).setTo(1.0);
y.row(squaresize - 1).setTo(-1.0f);
float delta = 2.0f / (squaresize - 1.0f); //两个元素的间隔
//计算其他位置的值
for (int i = 1; i < squaresize - 1; ++i) {
x.col(i) = -1.0f + i * delta;
y.row(i) = 1.0f - i * delta;
}
}
/**
* @brief GrayToColor 灰度图上色
* @param phase 输入的灰色图像，通道为1
* @return 上色后的图像
*/
cv::Mat GrayToColor(cv::Mat &phase)
{
CV_Assert(phase.channels() == 1);
cv::Mat temp, result, mask;
// 将灰度图重新归一化至0-255
cv::normalize(phase, temp, 255, 0, cv::NORM_MINMAX);
temp.convertTo(temp, CV_8UC1);
// 创建掩膜，目的是为了隔离nan值的干扰
mask = cv::Mat::zeros(phase.size(), CV_8UC1);
mask.setTo(255, phase == phase);
// 初始化三通道颜色图
cv::Mat color1, color2, color3;
color1 = cv::Mat::zeros(temp.size(), temp.type());
color2 = cv::Mat::zeros(temp.size(), temp.type());
color3 = cv::Mat::zeros(temp.size(), temp.type());
int row = phase.rows;
int col = phase.cols;
// 基于灰度图的灰度层级，给其上色，最底的灰度值0为蓝色（255，0,0），最高的灰度值255为红色（0,0,255），中间的灰度值127为绿色（0,255,0）
// 不要惊讶蓝色为什么是（255,0,0），因为OpenCV中是BGR而不是RGB
for (int i = 0; i < row; ++i)
{
uchar *c1 = color1.ptr<uchar>(i);
uchar *c2 = color2.ptr<uchar>(i);
uchar *c3 = color3.ptr<uchar>(i);
uchar *r = temp.ptr<uchar>(i);
uchar *m = mask.ptr<uchar>(i);
for (int j = 0; j < col; ++j)
{
if (m[j] == 255)
{
if (r[j] > (3 * 255 / 4) && r[j] <= 255)
{
c1[j] = 255;
c2[j] = 4 * (255 - r[j]);
c3[j] = 0;
}
else if (r[j] <= (3 * 255 / 4) && r[j] > (255 / 2))
{
c1[j] = 255 - 4 * (3 * 255 / 4 - r[j]);
c2[j] = 255;
c3[j] = 0;
}
else if (r[j] <= (255 / 2) && r[j] > (255 / 4))
{
c1[j] = 0;
c2[j] = 255;
c3[j] = 4 * (255 / 2 - r[j]);
}
else if (r[j] <= (255 / 4) && r[j] >= 0)
{
c1[j] = 0;
c2[j] = 255 - 4 * (255 / 4 - r[j]);
c3[j] = 255;
}
else {
c1[j] = 0;
c2[j] = 0;
c3[j] = 0;
}
}
}
}
// 三通道合并，得到颜色图
vector<cv::Mat> images;
images.push_back(color3);
images.push_back(color2);
images.push_back(color1);
cv::merge(images, result);
return result;
}
/**
* @brief GrayToColorFromOther 灰度图上色，基于参考灰度图的色板
* @param phase1 输入的灰色图像，通道为1，提供色板
* @param phase2 输入的灰色图像，通道为1，基于phase1的色板绘色
* @return 上色后的图像
*/
cv::Mat GrayToColorFromOther(cv::Mat &phase1, cv::Mat &phase2)
{
CV_Assert(phase1.channels() == 1);
CV_Assert(phase2.channels() == 1);
if (phase1.empty() || phase2.empty())
{
cv::Mat result = cv::Mat::zeros(100, 100, CV_8UC3);
return result;
}
cv::Mat temp, result, mask;
double max1, min1;
int row = phase2.rows;
int col = phase2.cols;
// 确定参考灰度图的数据范围
cv::minMaxIdx(phase1, &min1, &max1, nullptr, nullptr, phase1 == phase1);
// 将当前灰度图以参考灰度图的数据范围作标准，进行数据变换
temp = phase2.clone();
for (int i = 0; i < row; ++i)
{
float *t2 = temp.ptr<float>(i);
for (int j = 0; j < col; ++j)
{
t2[j] = 255.0f*(phase2.at<float>(i, j) - min1) / (max1 - min1);
}
}
temp.convertTo(temp, CV_8UC1);
// 创建掩膜，目的是为了隔离nan值的干扰
mask = cv::Mat::zeros(phase2.size(), CV_8UC1);
mask.setTo(255, phase2 == phase2);
// 初始化三通道颜色图
cv::Mat color1, color2, color3;
color1 = cv::Mat::zeros(temp.size(), temp.type());
color2 = cv::Mat::zeros(temp.size(), temp.type());
color3 = cv::Mat::zeros(temp.size(), temp.type());
// 基于灰度图的灰度层级，给其上色，最底的灰度值0为蓝色（255，0,0），最高的灰度值255为红色（0,0,255），中间的灰度值127为绿色（0,255,0）
for (int i = 0; i < row; ++i)
{
uchar *c1 = color1.ptr<uchar>(i);
uchar *c2 = color2.ptr<uchar>(i);
uchar *c3 = color3.ptr<uchar>(i);
uchar *r = temp.ptr<uchar>(i);
uchar *m = mask.ptr<uchar>(i);
for (int j = 0; j < col; ++j)
{
if (m[j] == 255)
{
if (r[j] > (3 * 255 / 4) && r[j] <= 255)
{
c1[j] = 255;
c2[j] = 4 * (255 - r[j]);
c3[j] = 0;
}
else if (r[j] <= (3 * 255 / 4) && r[j] > (255 / 2))
{
c1[j] = 255 - 4 * (3 * 255 / 4 - r[j]);
c2[j] = 255;
c3[j] = 0;
}
else if (r[j] <= (255 / 2) && r[j] > (255 / 4))
{
c1[j] = 0;
c2[j] = 255;
c3[j] = 4 * (255 / 2 - r[j]);
}
else if (r[j] <= (255 / 4) && r[j] >= 0)
{
c1[j] = 0;
c2[j] = 255 - 4 * (255 / 4 - r[j]);
c3[j] = 255;
}
else {
c1[j] = 0;
c2[j] = 0;
c3[j] = 0;
}
}
}
}
// 三通道合并，得到颜色图
vector<cv::Mat> images;
images.push_back(color3);
images.push_back(color2);
images.push_back(color1);
cv::merge(images, result);
return result;
}
测试效果
图1 参考灰度图上色效果
图2 基于参考灰度图色板的上色效果
如上图所示，为了方便，我生成了一个2001*2001的图像矩阵，并设置了另一个对比图像，该图像为原图像的1/2，那么原图像就是参考灰度图，而对比图像就是需要基于参考灰度图色板上色的灰度图。图1为参考灰度图的上色效果，图2是基于参考灰度图色板给对比图像上色的效果图。原图像的数据从0-1.3左右，其颜色变化从蓝到绿再到红，而对比图像的数据从0-1.3/2左右，则颜色变化为蓝到绿，满足了前面提到的需求。
到此这篇关于C++基于灰度图上色GrayToColorFromOther的实现的文章就介绍到这了,更多相关C++ 灰度图上色GrayToColorFromOther内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！
相关推荐
-
Python读取MRI并显示为灰度图像实例代码
本文实例主要关于Python实现读取MRI(核磁共振成像)为numpy数组,使用imshow显示为灰度. 代码如下: import matplotlib.pyplot as plt import matplotlib.cbook as cbook import matplotlib.cm as cm import numpy as np # Data are 256x256 16 bit integers with cbook.get_sample_data('s1045.ima.gz') as
-
matlab 计算灰度图像的一阶矩,二阶矩,三阶矩实例
一阶矩,定义了每个颜色分量的平均强度 二阶矩,反映待测区域颜色方差,即不均匀性 三阶矩,定义了颜色分量的偏斜度,即颜色的不对称性 close all;clear all;clc; J = imread('lena.jpg'); K = imadjust(J,[70/255 160/255],[]); figure; subplot(121),imshow(J); subplot(122),imshow(K); [m,n] = size(J); mm = round(m/2); mn = roun
-
Android提高之使用NDK把彩图转换灰度图的方法
一般而言在Android上使用JAVA实现彩图转换为灰度图,与J2ME上的实现方法类似,不过遇到频繁地转换或者是大图转换时,就必须使用NDK来提高速度了.本文主要通过JAVA和NDK这两种方式来分别实现彩图转换为灰度图,并给出速度的对比,供大家参考. 先来简单地介绍一下Android的NDK使用步骤: 以NDK r4为例,或许以后新版的NDK的使用方法略有不同. 1.下载支持C++的android-ndk-r4-crystax,支持C++的话可玩性更强. 2.下载cygwin,选择ftp://m
-
python opencv将图片转为灰度图的方法示例
使用opencv将图片转为灰度图主要有两种方法,第一种是将彩色图转为灰度图,第二种是在使用OpenCV读取图片的时候直接读取为灰度图. 将彩色图转为灰度图 import cv2 import numpy as np if __name__ == "__main__": img_path = "timg.jpg" img = cv2.imread(img_path) #获取图片的宽和高 width,height = img.shape[:2][::-1] #将图片缩小
-
python 对一幅灰度图像进行直方图均衡化
from PIL import Image from pylab import * from numpy import * def histeq(im,nbr_bins = 256): """对一幅灰度图像进行直方图均衡化""" #计算图像的直方图 #在numpy中,也提供了一个计算直方图的函数histogram(),第一个返回的是直方图的统计量,第二个为每个bins的中间值 imhist,bins = histogram(im.flatten(
-
python实现彩色图转换成灰度图
本文实例为大家分享了python实现彩色图转换成灰度图的具体代码,供大家参考,具体内容如下 from PIL import Image import os # 图像组成:红绿蓝 (RGB)三原色组成 亮度(255,255,255) image = "Annie1.jpg" img = Image.open(image) img_all = "素描" + image new = Image.new("L", img.size, 255) width
-
Python 将RGB图像转换为Pytho灰度图像的实例
问题: 我正尝试使用matplotlib读取RGB图像并将其转换为灰度. 在matlab中,我使用这个: img = rgb2gray(imread('image.png')); 在matplotlib tutorial中他们没有覆盖它.他们只是在图像中阅读 import matplotlib.image as mpimg img = mpimg.imread('image.png') 然后他们切片数组,但是这不是从我所了解的将RGB转换为灰度. lum_img = img[:,:,0] 编辑:
-
JavaScript实现256色转灰度图
一幅完整的图像,是由红色.绿色.蓝色三个通道组成的.红色.绿色.蓝色三个通道的缩览图都是以灰度显示的.用不同的灰度色阶来表示" 红,绿,蓝"在图像中的比重.通道中的纯白,代表了该色光在此处为最高亮度,亮度级别是255. 灰度化方法: 1.浮点算法:Gray = R*0.299 + G*0.587 + B*0.114 2.整数方法:Gray = (R*299 + G*587 + B*114 + 500) / 1000 3.移位方法:Gray
-
C++基于灰度图上色GrayToColorFromOther的实现
目录 场景需求 功能函数代码 C++测试代码 场景需求 之前有提到给灰度图上色的需求,在此基础上,还有一种需求,就是基于另一张参考灰度图的色板来给当前的灰度图上色,比如参考灰度图的数值区间为-10到10,颜色从蓝到绿再到红,而当前的灰度图的数据区间为-1到1,若基于参考灰度图的色板确定数据对应的颜色,则当前灰度图的颜色应该在绿色左右波动. 下方为具体实现函数和测试代码. 功能函数代码 /** * @brief GrayToColorFromOther 灰度图上色,基于参考灰度图的色板 * @pa
-
基于OpenCV自定义色条实现灰度图上色功能代码
场景需求 Qt在进行2D图像显示时,有很方便的色条接口,可以让灰度图基于其设计的色条进行上色,比如设置1为红色,0.55为黄色,0.45为绿色,0为蓝色,那么灰度图就会在归一化后按照从蓝到红(从小到大)进行渐变色上色.但是有时候这个接口需要搭配的代码太多,给开发带来一定麻烦,因此我基于其原理写了一个可以替代该功能的函数GrayToColor_ColorBar. 函数原理:首先需要将灰度值图转化为0-255的8通道(uchar)灰度图,运用归一化函数可以实现:之后考虑到
-
C# .Net实现灰度图和HeatMap热力图winform(进阶)
目录 一.前文 二.渐进颜色调色板 三.热力点大小和扩展大小 一.前文 前文可以参考我的前一篇博文:C# .Net实现简易灰度图和酷炫HeatMap热力图winform 但是,先前的热力图效果,我并不满意.不满意的地方主要有三点: 热力图的颜色是通过一个调色板图片来实现,如果想要其他颜色,改起来比较麻烦 热力图的扩散效果不好看,不够渐进 热力图的每个点大小都一致,应该是大小不一才对 因此,我做了改进,上一个图是之前的效果,下一个图是改进后的效果 二.渐进颜色调色板 //创建调色板,颜色映射 pr
-
Android-如何将RGB彩色图转换为灰度图方法介绍
实例:RGB2Grey 项目运行效果图: 源代码: [java] public class MainActivity extends Activity { /* (non-Javadoc) * @see android.app.Activity#onCreate(android.os.Bundle) */ @Override public void onCreate(Bundle savedInstanceState) { sup
-
python中利用matplotlib读取灰度图的例子
代码为: import matplotlib.pyplot as plt #用于显示图片 import matplotlib.image as mpimg # mpimg 用于读取图片 picdir = 'C:\\Users\\wyt\\Desktop\\test\\ship\\012400.jpg' img = mpimg.imread(picdir) plt.imshow(img) plt.title('Original train image') plt.show() 显示结果如下,是以热
-
python-OpenCV 实现将数组转换成灰度图和彩图
主要步骤 1.生成普通python数组(bytearray(),os.urandom()) 2.转换成numpy数组(numpy.array()) 3.通过reshape将数组转换到所需的维数 4.以图像的形式显示出来(cv.imshow()) 代码 import os import cv2 as cv import numpy as np # Make an array of 120000 random bytes randomByteArray = bytearray(os.urandom(
-
Python读取图像并显示灰度图的实现
python读取图像 原图: import cv2 # 利用opencv读取图像 import numpy as np # 利用matplotlib显示图像 import matplotlib.pyplot as plt img = cv2.imread("./lena.png") #读取图像 # 显示图像 plt.imshow(img) plt.axis('off') plt.show() 效果: 问:为什么画出的图像和原图有色差呢? 答:opencv的颜色通道顺序为[B,G,R],