C++ OpenCV学习之图像像素值统计

目录
  • 1.常用的像素值统计
  • 2.像素值统计计算
  • 3.图像统计值分析
  • 本课所用API查阅

opencv知识点：

图像像素最小/最大值 - minMaxLoc

图像像素均值/标准差 - meanStdDev

本课所解决的问题：

如何获取图像像素的最小/最大值？

如何获取图像像素的均值/标准差？

通过图像像素统计值我们能干什么？

1.常用的像素值统计

在图像分析的时候，我们经常需要对单通道图像的像素进行统计，以下4种是比较常用的

最小值（min）

最大值（max）

平均值（mean）

标准差（standard deviation）

要求这4种统计，我们就要用到以下两个API

  • minMaxLoc
  • meanStdDev

这两个API非常有用，日后有很多地方用得到

2.像素值统计计算

接下来，我们来应用两个API，求取4种像素值统计

首先是最小值，最大值

//函数定义
void pixel_statistics_demo(Mat& image);
//函数实现
void QuickDemo::pixel_statistics_demo(Mat& image) {

    double minv, maxv;
    Point minLoc, maxLoc;

    std::vector<Mat> mvt;
    split(image, mvt);

    /*
    minMaxLoc
        求取单通道图像像素的最小值，最大值
            共6个参数
                第1个参数 输入单通道图像
                第2个参数 输出最小值
                第3个参数 输出最大值
                第4个参数 输出最小值点的坐标
                第5个参数 输出最大值点的坐标
            
                第6个参数 输入图像的子数组（有时候我们会求取ROI区域的最小/最大值，就会传入mask图像）
                        （这里的子数组，是一种图像掩模，可以实现加东西/扣东西） 
    */
    for (int i = 0; i < mvt.size(); i++) {
        minMaxLoc(mvt[i], &minv, &maxv, &minLoc, &maxLoc);
        std::cout << "通道：" << i << " 最小值：" << minv << " 最大值：" << maxv << std::endl;
    }

}

然后是，平均值和标准差

void QuickDemo::pixel_statistics_demo(Mat& image) {

    Mat mean, stddev;

    meanStdDev(image, mean, stddev);
    /*
    meanStdDev
        求取平均值，标准差
            共4个参数
                第1个参数 输入
                第2个参数 输出图像像素的平均值，每个通道都会输出一个
                第3个参数 输出图像像素的标准差，每个通道都会输出一个
                
                第4个参数 输入图像的子数组（有时候我们会求取ROI区域的平均值/标准差，就会传入mask图像）
                        （这里的子数组，是一种图像掩模，可以实现加东西/扣东西） 
    */
    std::cout << "平均值" << std::endl << mean << std::endl;
    std::cout << "标准差" << std::endl<<stddev << std::endl;
}

上图中，输出平均值和标准差，是把所有通道的都输出了，那如果怎么输出单通道的呢？

很简单，只要用到Mat::at

//opencv为了保证精度，平均值，标准差矩阵的数据类型是double类型
std::cout<<"平均值"<< mean.at<double>(0, 0)<<std::endl;
std::cout << "标准差" << stddev.at<double>(0, 0) << std::endl;

3.图像统计值分析

这里简单提一下图像分析的事情

图像的平均值和标准差会给我们带来一定的信息

比如：当平均值恒定，标准差很小时，我们可以想到是基本纯色的图片，也就是低对比度的图

在图像分析的时候，我们关注图像的有效信息，也就是ROI区域。

通过图像像素的统计值，我们就可以对图像的有效信息作出判断。

比如，当图像标准差很小时，图像所携带的有效信息会很少，我们就要对图像进行筛选，通过一些手段过滤掉一些东西。

本课所用API查阅

1.minMaxLoc

2.meanStdDev

3.Mat::at

虽然有12种重载，但只有6种传参方式

1.单维度坐标——i0：沿维度 0 的索引

2.双维度坐标——row 沿维度 0 的索引 ；col 沿维度 1 的索引

3.三维度坐标——i0 沿维度 0 的索引；i1 沿维度 1 的索引；i2 沿维度 2 的索引

4.维度数组坐标——int数组

5.维度数组坐标——vector数组

6.点的坐标——point类

以上就是C++ OpenCV学习之图像像素值统计的详细内容，更多关于OpenCV像素值统计的资料请关注我们其它相关文章！

赞 (0)

相关推荐

  • Python+OpenCV图片局部区域像素值处理改进版详解

    Python+OpenCV图片局部区域像素值处理改进版详解

    上个版本的Python OpenCV图片局部区域像素值处理,虽然实现了我需要的功能,但还是走了很多弯路,我意识到图片本就是数组形式,对于8位灰度图,通道数为1,它就是个二位数组,这样就没有必要再设置ROI区域,复制出来这块区域再循环提取像素存入数组进行处理了,可以直接将图片存入数组,再利用numpy进行切分相应的数组操作就可以了,这样一想就简单很多了,这篇我会贴出修改后的代码,直接省去了大段的代码啊. ps:这次我重新装的opencv3.2.0版本,代码里面直接用cv2了 # 查看opencv版

  • C++ OpenCV实现像素画的示例代码

    C++ OpenCV实现像素画的示例代码

    目录 准备工作 代码实现 完整代码 最近在学习OpenCV,准备后续更新一波OpenCV相关的内容.代码实现主要是以 C++ 为主, 另外为了辅助学习,还会使用C# 开发一款桌面的软件,用于演示各种功能. 今天我给大家准备了一个类似于打马赛克的功能.通过像素的变化,演示一个像素画的功能.像素画在 NFT 中特别的流行. 准备工作 需要安装好 OpenCV,OpenCV的安装过程在这里不再赘述.另外我们准备了一个图片. 代码实现 首先我们需要在 CmakeLists.txt 文件中, 添加 Ope

  • Python OpenCV处理图像之图像像素点操作

    Python OpenCV处理图像之图像像素点操作

    本文实例为大家分享了Python OpenCV图像像素点操作的具体代码,供大家参考,具体内容如下 0x01. 像素 有两种直接操作图片像素点的方法: 第一种办法就是将一张图片看成一个多维的list,例如对于一张图片im,想要操作第四行第四列的像素点就直接 im[3,3] 就可以获取到这个点的RGB值. 第二种就是使用 OpenCV 提供的 Get1D. Get2D 等函数. 推荐使用第一种办法吧,毕竟简单. 0x02. 获取行和列像素 有一下四个函数: cv.GetCol(im, 0): 返回第

  • opencv3/C++图像像素操作详解

    RGB图像转灰度图 RGB图像转换为灰度图时通常使用: 进行转换,以下尝试通过其他对图像像素操作的方式将RGB图像转换为灰度图像. #include<opencv2/opencv.hpp> #include<math.h> using namespace cv; int main() { //像素操作 Mat src,dst; src = imread("E:/image/image/daibola.jpg"); if(src.empty()) { printf

  • Python+OpenCV图片局部区域像素值处理详解

    背景故事:我需要对一张图片做一些处理,是在图像像素级别上的数值处理,以此来反映图片中特定区域的图像特征,网上查了很多,大多关于opencv的应用教程帖子基本是停留在打开图片,提取像素重新写入图片啊之类的基本操作,我是要取图片中的特定区域再提取它的像素值,作为一个初学者开始接触opencv简直一脸懵,慢慢摸索着知道了opencv的一些函数是可以实现的像SetImageROI()函数设置ROI区域,即感兴趣区域,就很好用啊,总之最后是实现了自己想要的功能.现在看个程序确实是有点挫,也有好多多余的没必

  • OpenCV半小时掌握基本操作之像素加减乘除&逻辑运算

    OpenCV半小时掌握基本操作之像素加减乘除&逻辑运算

    目录 概述 加减乘除 相加 相减 相乘 相除 逻辑运算 逻辑与 逻辑或 逻辑反 [OpenCV]⚠️高手勿入! 半小时学会基本操作⚠️像素加减乘除 & 逻辑运算 概述 OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. 加减乘除 原图: 相加 import cv2 def add(image1, image2): """相加""" result = cv2.add(i

  • Python OpenCV对图像像素进行操作

    Python OpenCV对图像像素进行操作

    目录 遍历并修改图像像素值 图像的加减乘除运算 遍历并修改图像像素值 在使用opencv处理图像时,有时需要对图像的每个像素点进行处理,比如取反.修改值等操作,就需要通过h和w遍历像素.依然以下图为例: 具体代码: import cv2 as cv import numpy as np def image_pixel(image_path: str): img = cv.imread(image_path, cv.IMREAD_COLOR) cv.imshow('input', img) h,

  • C++ OpenCV学习之图像像素值统计

    C++ OpenCV学习之图像像素值统计

    目录 1.常用的像素值统计 2.像素值统计计算 3.图像统计值分析 本课所用API查阅 opencv知识点: 图像像素最小/最大值 - minMaxLoc 图像像素均值/标准差 - meanStdDev 本课所解决的问题: 如何获取图像像素的最小/最大值? 如何获取图像像素的均值/标准差? 通过图像像素统计值我们能干什么? 1.常用的像素值统计 在图像分析的时候,我们经常需要对单通道图像的像素进行统计,以下4种是比较常用的 最小值(min) 最大值(max) 平均值(mean) 标准差(stan

  • C++ opencv学习之图像像素的逻辑操作

    C++ opencv学习之图像像素的逻辑操作

    目录 1.API和相关知识 1. rectangele 绘制矩形 2.位运算 2.实例代码 补充:OpenCV--C++图像像素处理-二值化 总结 1.API和相关知识 1. rectangele 绘制矩形 共7个参数            第1个参数 输入            第2个参数 矩形左上坐标            第3个参数 矩形右下坐标            第4个参数 矩形颜色            第5个参数 线宽                            如果参

  • Python OpenCV学习之图像形态学

    Python OpenCV学习之图像形态学

    目录 背景 一.图像二值化 二.自适应阈值 三.腐蚀 四.卷积核获取 五.膨胀 六.开运算 七.闭运算 八.形态学梯度 九.顶帽运算 十.黑帽运算 总结 背景 形态学处理方法是基于对二进制图像进行处理的,卷积核决定图像处理后的效果:形态学的处理哦本质上相当于对图像做前处理,提取出有用的特征,以便后续的目标识别等任务: 一.图像二值化 定义:将图像的每个像素变成两种值,如0和255: 全局二值化的函数原型: threshold(img,thresh,maxVal,type) img:最好是灰度图像

  • OpenCV学习之图像的分割与修复详解

    OpenCV学习之图像的分割与修复详解

    目录 背景 一.分水岭法 二.GrabCut法 三.MeanShift法 四.MOG前景背景分离法 五.拓展方法 六.图像修复 总结 背景 图像分割本质就是将前景目标从背景中分离出来.在当前的实际项目中,应用传统分割的并不多,大多是采用深度学习的方法以达到更好的效果:当然,了解传统的方法对于分割的整体认知具有很大帮助,本篇将介绍些传统分割的一些算法: 一.分水岭法 原理图如下: 利用二值图像的梯度关系,设置一定边界,给定不同颜色实现分割: 实现步骤: 标记背景 —— 标记前景 —— 标记未知区域

  • OpenCV学习之图像加噪与滤波的实现详解

    目录 一.实验内容 二.实验环境和配置 三.实验原理及操作 1. 添加噪声 2.噪声二值化 3. 滤波处理 四.实验结果 2.椒盐噪声二值图与白噪声二值图 3.椒盐噪声处理图经处理后图像 4.白噪声处理图经处理后图像 五.结果分析 六.实验源码 一.实验内容 编写一Python程序,要求实现以下功能: 读入一幅图像. 使用两种以上的方法分别向图像中添加噪声. 输出一幅二值图像,图像中未加入噪声的区域为黑色,加入噪声的区域为白色. 使用三种滤波方法对上述添加了噪声的图像进行滤波处理. 输出滤波处理

  • 用python按照图像灰度值统计并筛选图片的操作(PIL,shutil,os)

    我就废话不多说了,大家还是直接看代码吧! import PIL.Image import numpy import os import shutil def sum_right(path): img = PIL.Image.open(path) array = numpy.array(img) num = array.sum(axis=0) print(type(num)) res_left = 0 res_right = 0 for i in range(256,512): res_right

  • Python OpenCV学习之图像滤波详解

    Python OpenCV学习之图像滤波详解

    目录 背景 一.卷积相关概念 二.卷积实战 三.均值滤波 四.高斯滤波 五.中值滤波 六.双边滤波 七.Sobel算子 八.Scharr算子 九.拉普拉斯算子 十.Canny算法 背景 图像滤波的作用简单来说就是将一副图像通过滤波器得到另一幅图像:明确一个概念,滤波器又被称为卷积核,滤波的过程又被称为卷积:实际上深度学习就是训练许多适应任务的滤波器,本质上就是得到最佳的参数:当然在深度学习之前,也有一些常见的滤波器,本篇主要介绍这些常见的滤波器: 一.卷积相关概念 卷积核大小一般为奇数的原因:

  • OpenCV学习之图像形态学处理详解

    目录 1.腐蚀操作 2.膨胀操作 3.开闭运算 4.梯度运算 5.Top Hat Black Hat运算 本文是OpenCV图像视觉入门之路的第11篇文章,本文详细的在图像形态学进行了图像处理,例如:腐蚀操作.膨胀操作.开闭运算.梯度运算.Top Hat Black Hat运算等操作. 1.腐蚀操作 从下面代码中可以看到有三幅腐蚀程度不同的图,腐蚀越严重像素就越模糊 import cv2 import numpy as np from numpy import unicode if __name

  • C++ OpenCV学习之图像金字塔与图像融合详解

    C++ OpenCV学习之图像金字塔与图像融合详解

    目录 1金字塔 2什么是图像金字塔? 3图像金字塔有什么用? 4OpenCV实战图像金字塔 1 金字塔 平时你听到.见到的金字塔是什么样的? 这样? 还是这样? 实际上除了这些,还有图像金字塔   图像金字塔有什么用?为什么要称作图像金字塔?本文带你研究这些问题. 2 什么是图像金字塔? 正如生物视觉系统会处理分层次的尺寸一样,计算机视觉系统实现多分辨率图像处理的基础是图像金字塔. 考虑这样一个场景:输入系统一幅图像来检测人脸.由于事先并不知道人脸在这张图片中可能的尺寸,所以需要根据输入生成一个

随机推荐