欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

詳解OpenCV圖像的概念和基本操作

 更新時(shí)間:2021年10月09日 10:08:44   作者:C君莫笑  
opencv最主要的的功能是用于圖像處理,所以圖像的概念貫穿了整個(gè)opencv,與其相關(guān)的核心類(lèi)就是Mat。這篇文章主要介紹了OpenCV圖像的概念和基本操作,需要的朋友可以參考下

前言:

opencv最主要的的功能是用于圖像處理,所以圖像的概念貫穿了整個(gè)opencv,與其相關(guān)的核心類(lèi)就是Mat。

像素:

圖片尺寸以像素為單位時(shí),每一厘米等于28像素,如1515厘米長(zhǎng)度的圖片,等于420420像素的長(zhǎng)度。一個(gè)像素所能表達(dá)的不同顏色數(shù)取決于比特每像素(BPP)。

灰度圖像: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。

圖像分辨率:

圖像分辨率是圖像總像素的多少,由于圖像通常用矩陣表示,所以分辨率常用,mn表示,注意: n 表示行數(shù)(代表一列包含的像素),m表示列數(shù)代表一行包含的像素。

640X480表示圖像的長(zhǎng)和寬分別為640和480,總像素為640X480=307200(相機(jī)中所說(shuō)的30萬(wàn)分辨率),
800X600表示圖像的長(zhǎng)和寬分別為800和600,總像素為800X600=480000(相機(jī)中所說(shuō)的50萬(wàn)分辨率)。

圖像和矩陣

圖像是由像素組成的,而像素實(shí)際上就是帶有坐標(biāo)位置和顏色信息的點(diǎn)。我們把圖片想象成由若干行,若干列的點(diǎn)組成的, 現(xiàn)實(shí)中有RGB顏色系統(tǒng),我們可以把圖中任意一點(diǎn)(位置在第m行,第n列)的點(diǎn)A表示為

A[m,n] = [blue,green,red]
參數(shù)解讀
m |A點(diǎn)在圖像中的第m行
n |A點(diǎn)在圖像中的第n列
blue |表示藍(lán)色,三原色(RGB)的第一個(gè)數(shù)值
green|表示綠色,三原色(RGB)的第二個(gè)數(shù)值
red |表示紅色,三原色(RGB)的第一個(gè)數(shù)值

每個(gè)點(diǎn)對(duì)應(yīng)的亮度可以理解為rgb的值,無(wú)符號(hào)8位數(shù)3維,則一個(gè)像素點(diǎn)為3維數(shù)組,分別對(duì)應(yīng)RGB的值,在OpenCV中數(shù)據(jù)類(lèi)型為:cV_8u3C。
假設(shè)Mx N,lij表示第j行j列,對(duì)應(yīng)上圖就是M= 300,N= 200。
假設(shè)Mx N,lij表示第j行j列,對(duì)應(yīng)上圖就是M= 300,N= 200。

在這里插入圖片描述

注意:在Opencv中三維數(shù)組存儲(chǔ)RGB值,存儲(chǔ)顏色通道的順序不是RGB,而是BGR,如下圖:

在這里插入圖片描述

Mat排列方式如下:

在這里插入圖片描述

像素值的讀寫(xiě)

很多時(shí)候,我們需要讀取某個(gè)像素值,或者設(shè)置某個(gè)像素值;在更多的時(shí)候,我們需要對(duì)整個(gè)圖像里的所有像素進(jìn)行遍歷。OpenCV提供了多種方法來(lái)實(shí)現(xiàn)圖像的遍歷。
方法一:at 函數(shù)

     cv::Mat grayim(600, 800, CV_8UC1);
    // 遍歷所有像素,并設(shè)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);
    // 遍歷所有像素,并設(shè)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通道順序,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:使用數(shù)據(jù)指針

 cv::Mat grayim(600, 800, CV_8UC1);
    cv::Mat colorim(600, 800, CV_8UC3);
    //遍歷所有像素,并設(shè)置像素值
    for( int i = 0; i < grayim.rows; ++i)
    {
        //獲取第 i 行首像素指針
        uchar * p = grayim.ptr<uchar>(i);
        //對(duì)第 i 行的每個(gè)像素(byte)操作
        for( int j = 0; j < grayim.cols; ++j )
        p[j] = (i+j)%255;
    }
    //遍歷所有像素,并設(shè)置像素值
    for( int i = 0; i < colorim.rows; ++i)
    {
        //獲取第 i 行首像素指針
        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);

實(shí)驗(yàn)效果

在這里插入圖片描述

圖像局部操作

選擇單行/單列
示例:A矩陣的第i行,將這一行的所有元素都乘以2,然后賦值給第j行

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

選擇多行/多列
Range是OpencV中新增的類(lèi),該類(lèi)有兩個(gè)關(guān)鍵變量star和end。Range對(duì)象可以用來(lái)表示矩陣的多個(gè)連續(xù)的行或者多個(gè)連續(xù)的列。其表示的范圍為從start到end,包含start。

// 創(chuàng)建一個(gè)單位陣
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)
// 其實(shí)等價(jià)于C = A(Range(5, 9), Range(1, 3))
Mat C = B(Range(5, 9), Range::all());

選擇指定區(qū)域

圖像中提取感興趣區(qū)域(Region of interest)有兩種方法:
方法—:使用構(gòu)造函數(shù)

//創(chuàng)建寬度為 320,高度為 240 的 3 通道圖像
Mat img(Size(320, 240), CV_8UC3);
//roi 是表示 img 中 Rect(10, 10, 100, 100)區(qū)域的對(duì)象
Mat roi(img, Rect(10, 10, 100, 100));

方法二:使用括號(hào)運(yùn)算符

Mat roi2 = img(Rect(10, 10, 100, 100));
//當(dāng)然也可以使用Range對(duì)象來(lái)定義感興趣區(qū)域,如下:
// 用括號(hào)運(yùn)算符
Mat roi3 = img(Range(10, 100), Range(10, 100)); 
// 用構(gòu)造函數(shù)
Mat roi4(img, Range(10, 100), Range(10, 100));

取對(duì)角線(xiàn)元素

矩陣的對(duì)角線(xiàn)元素可以使用cv::Mat就的diag()函數(shù)獲取:

Mat Mat::diag(int d) const

1.當(dāng)d=0時(shí),表示取主對(duì)角線(xiàn); 當(dāng)參數(shù)d>0是,表示取主對(duì)角線(xiàn)下方的次對(duì)線(xiàn),
2. 當(dāng)d=1時(shí),表示取主對(duì)角線(xiàn)下方,且緊貼主多角線(xiàn)的元素;
3. 當(dāng)參數(shù)d<0時(shí),示取主對(duì)角線(xiàn)上方的次對(duì)角線(xiàn)。如同row()和col)函數(shù),diag()函數(shù)也不進(jìn)行內(nèi)存復(fù)制操作,其復(fù)雜度也是0(1)。

到此這篇關(guān)于OpenCV圖像的概念和基本操作的文章就介紹到這了,更多相關(guān)OpenCV圖像基本操作內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Python實(shí)現(xiàn)Mysql全量數(shù)據(jù)同步的腳本分享

    Python實(shí)現(xiàn)Mysql全量數(shù)據(jù)同步的腳本分享

    這篇文章主要為大家詳細(xì)介紹了基于Python如何實(shí)現(xiàn)Mysql全量數(shù)據(jù)同步的功能,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起了解一下
    2023-06-06
  • 跟老齊學(xué)Python之折騰一下目錄

    跟老齊學(xué)Python之折騰一下目錄

    本講只關(guān)注os.path,真所謂“弱水三千,只取一瓢”,為什么這么偏愛(ài)它呢?因?yàn)樗颓懊嬉呀?jīng)講過(guò)的文件操作進(jìn)行配合,就能夠隨心所欲操作各個(gè)地方的文件了
    2014-10-10
  • Python import導(dǎo)入上級(jí)目錄文件的方法

    Python import導(dǎo)入上級(jí)目錄文件的方法

    這篇文章主要介紹了Python import導(dǎo)入上級(jí)目錄文件,本文結(jié)合示例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2023-01-01
  • Python實(shí)現(xiàn)遍歷讀取文件或文件夾

    Python實(shí)現(xiàn)遍歷讀取文件或文件夾

    搞機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)算法很多時(shí)候需要遍歷某個(gè)目錄讀取文件,特別是經(jīng)常需要讀取某個(gè)特定后綴的文件。本文為大家準(zhǔn)備了Python遍歷讀取文件或文件夾的示例代碼,需要的可以參考一下
    2022-08-08
  • 解決Pycharm調(diào)用Turtle時(shí) 窗口一閃而過(guò)的問(wèn)題

    解決Pycharm調(diào)用Turtle時(shí) 窗口一閃而過(guò)的問(wèn)題

    今天小編就為大家分享一篇解決Pycharm調(diào)用Turtle時(shí) 窗口一閃而過(guò)的問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-02-02
  • python讀取并定位excel數(shù)據(jù)坐標(biāo)系詳解

    python讀取并定位excel數(shù)據(jù)坐標(biāo)系詳解

    這篇文章主要介紹了python讀取并定位excel數(shù)據(jù)坐標(biāo)系詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-06-06
  • Python基礎(chǔ)異常處理梳理總結(jié)

    Python基礎(chǔ)異常處理梳理總結(jié)

    這篇文章主要介紹了Python基礎(chǔ)異常處理梳理總結(jié),文章圍繞主題展開(kāi)詳細(xì)的內(nèi)容介紹,具有一定的參考價(jià)值,感興趣的小伙伴可以參考一下
    2022-06-06
  • Python輕松查找文本文件最熱門(mén)單詞技巧

    Python輕松查找文本文件最熱門(mén)單詞技巧

    本文將從文件讀取、文本預(yù)處理到單詞頻率統(tǒng)計(jì),以及性能優(yōu)化和數(shù)據(jù)可視化等方面逐步展開(kāi),為你呈現(xiàn)一場(chǎng)深入學(xué)習(xí)的旅程,讓我們一同探索如何用代碼揭示文字中的故事,發(fā)現(xiàn)其中隱藏的信息,從而更好地理解和利用這個(gè)數(shù)字化時(shí)代的寶藏
    2024-01-01
  • Python中json.dumps()和json.dump()的區(qū)別小結(jié)

    Python中json.dumps()和json.dump()的區(qū)別小結(jié)

    在Python中,json.dumps()和json.dump()是兩個(gè)常用的函數(shù),本文主要介紹了Python中json.dumps()和json.dump()的區(qū)別小結(jié),具有一定的參考價(jià)值,感興趣的可以了解一下
    2024-02-02
  • python變量賦值機(jī)制踩坑記錄

    python變量賦值機(jī)制踩坑記錄

    這篇文章主要介紹了python變量賦值機(jī)制踩坑記錄,我們都知道python有深拷貝和淺拷貝,但變量賦值又是什么機(jī)制呢?這是個(gè)容易被忽略卻又極易踩坑的點(diǎn),下面我們來(lái)一探究竟,需要的朋友可以參考一下
    2022-02-02

最新評(píng)論