详解OpenCV图像的概念和基本操作

前言：

opencv最主要的的功能是用于图像处理，所以图像的概念贯穿了整个opencv，与其相关的核心类就是Mat。

像素：

图片尺寸以像素为单位时，每一厘米等于28像素，如1515厘米长度的图片，等于420420像素的长度。一个像素所能表达的不同颜色数取决于比特每像素(BPP)。

灰度图像:8bpp=2的8次方=256色，
高彩色:16bpp=2的16次方=65536色，
真彩色:24bpps=2的24次方=16777216色。

图像分辨率：

图像分辨率是图像总像素的多少，由于图像通常用矩阵表示，所以分辨率常用，mn表示，注意: n 表示行数(代表一列包含的像素)，m表示列数代表一行包含的像素。

640X480表示图像的长和宽分别为640和480，总像素为640X480=307200(相机中所说的30万分辨率)，
800X600表示图像的长和宽分别为800和600，总像素为800X600=480000(相机中所说的50万分辨率)。

图像和矩阵

图像是由像素组成的，而像素实际上就是带有坐标位置和颜色信息的点。我们把图片想象成由若干行，若干列的点组成的， 现实中有RGB颜色系统，我们可以把图中任意一点（位置在第m行，第n列）的点A表示为

A[m,n] = [blue,green,red]
参数解读
m |A点在图像中的第m行
n |A点在图像中的第n列
blue |表示蓝色，三原色（RGB）的第一个数值
green|表示绿色，三原色（RGB）的第二个数值
red |表示红色，三原色（RGB）的第一个数值

每个点对应的亮度可以理解为rgb的值，无符号8位数3维，则一个像素点为3维数组，分别对应RGB的值，在OpenCV中数据类型为:cV_8u3C。
假设Mx N，lij表示第j行j列，对应上图就是M= 300，N= 200。
假设Mx N，lij表示第j行j列，对应上图就是M= 300，N= 200。

注意:在Opencv中三维数组存储RGB值，存储颜色通道的顺序不是RGB，而是BGR，如下图:

Mat排列方式如下:

像素值的读写

很多时候，我们需要读取某个像素值，或者设置某个像素值;在更多的时候，我们需要对整个图像里的所有像素进行遍历。OpenCV提供了多种方法来实现图像的遍历。
方法一：at 函数

     cv::Mat grayim(600, 800, CV_8UC1);
    // 遍历所有像素，并设置像素值
    for( int i = 0; i < grayim.rows; ++i)
    {
        for( int j = 0; j < grayim.cols; ++j )
        {
             grayim.at<uchar>(i,j) = (i+j)%255;
        }

    }
   imshow("grayim",grayim);
    cv::Mat colorim(600, 800, CV_8UC3);
    // 遍历所有像素，并设置像素值
    for( int i = 0; i < colorim.rows; ++i)
    {
        for( int j = 0; j < colorim.cols; ++j )
        {
            cv::Vec3b pixel;
            // 注意：opencv通道顺序，BGR，非RGB
            pixel[0] = i%255;  // Blue
            pixel[1] = j%255;  // Green
            pixel[2] = 0;      // Red
            colorim.at<Vec3b>(i,j) = pixel;
        }
    }
    imshow("colorim",colorim);
    waitKey();

方法一：使用数据指针

 cv::Mat grayim(600, 800, CV_8UC1);
    cv::Mat colorim(600, 800, CV_8UC3);
    //遍历所有像素，并设置像素值
    for( int i = 0; i < grayim.rows; ++i)
    {
        //获取第 i 行首像素指针
        uchar * p = grayim.ptr<uchar>(i);
        //对第 i 行的每个像素(byte)操作
        for( int j = 0; j < grayim.cols; ++j )
        p[j] = (i+j)%255;
    }
    //遍历所有像素，并设置像素值
    for( int i = 0; i < colorim.rows; ++i)
    {
        //获取第 i 行首像素指针
        cv::Vec3b * p = colorim.ptr<cv::Vec3b>(i);
        for( int j = 0; j < colorim.cols; ++j )
        {
            p[j][0] = i%255;    //Blue
            p[j][1] = j%255;    //Green
            p[j][2] = 0;        //Red
        }
    }

    imshow("grayim",grayim);
     imshow("colorim",colorim);

实验效果

图像局部操作

选择单行/单列
示例:A矩阵的第i行，将这一行的所有元素都乘以2，然后赋值给第j行

A.row(j)= A.row(i)*2;

选择多行/多列
Range是OpencV中新增的类，该类有两个关键变量star和end。Range对象可以用来表示矩阵的多个连续的行或者多个连续的列。其表示的范围为从start到end，包含start。

// 创建一个单位阵
Mat A = Mat::eye(10, 10, CV_32S);
// 提取第 1 到 3 列（不包括 3）
Mat B = A(Range::all(), Range(1, 3));
// 提取B的第 5 至 9 行（不包括 9）
// 其实等价于C = A(Range(5, 9), Range(1, 3))
Mat C = B(Range(5, 9), Range::all());

选择指定区域

图像中提取感兴趣区域(Region of interest)有两种方法:
方法—:使用构造函数

//创建宽度为 320，高度为 240 的 3 通道图像
Mat img(Size(320, 240), CV_8UC3);
//roi 是表示 img 中 Rect(10, 10, 100, 100)区域的对象
Mat roi(img, Rect(10, 10, 100, 100));

方法二:使用括号运算符

Mat roi2 = img(Rect(10, 10, 100, 100));
//当然也可以使用Range对象来定义感兴趣区域，如下：
// 用括号运算符
Mat roi3 = img(Range(10, 100), Range(10, 100));
// 用构造函数
Mat roi4(img, Range(10, 100), Range(10, 100));

取对角线元素

矩阵的对角线元素可以使用cv::Mat就的diag()函数获取:

Mat Mat::diag(int d) const

1.当d=0时，表示取主对角线; 当参数d>0是，表示取主对角线下方的次对线，
2. 当d=1时，表示取主对角线下方，且紧贴主多角线的元素;
3. 当参数d<0时，示取主对角线上方的次对角线。如同row()和col)函数,diag()函数也不进行内存复制操作，其复杂度也是0(1)。

到此这篇关于OpenCV图像的概念和基本操作的文章就介绍到这了,更多相关OpenCV图像基本操作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！