C++?opencv學習之圖像像素的邏輯操作

更新時間：2022年11月10日 10:23:25 作者：打醬油的；

圖像的像素操作包括讀寫操作、算數(shù)操作、邏輯運算操作等,下面這篇文章主要給大家介紹了關于C++?opencv學習之圖像像素的邏輯操作的相關資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下

1.API和相關知識

1. rectangele 繪制矩形

共7個參數(shù)
           第1個參數(shù) 輸入
           第2個參數(shù) 矩形左上坐標
           第3個參數(shù) 矩形右下坐標
           第4個參數(shù) 矩形顏色
           第5個參數(shù) 線寬
                           如果參數(shù) >=0，則表示繪制矩形（如為1，表示繪制的矩形邊為1個像素）
                           如果參數(shù) < 0，則表示填充矩形（如-1，表示填充整個矩形）
           第6個參數(shù) lineType
                           關于圖像鋸齒，有幾種方式處理
                               不管不顧，就用LINE_4 或者 LINE_8
                               消除鋸齒，就用LINE_AA （AA就是反鋸齒）
           第7個參數(shù) 縮小圖像，同時縮短矩形左上頂點與（0,0）位置的距離（一般沒用）
                   0表示不變
                   1表示圖像*1/2，同時距離（0,0）的x方向和y方向距離*1/2
                   2表示圖像*（1/2）^2，同時距離（0,0）的x方向和y方向距離*（1/2）^2

第二種

rectangele
   繪制矩形
       共6個參數(shù)
           第1個參數(shù) 輸入
           第2個參數(shù) 矩形的左上點+往對角方向延伸的距離（x1，x2，延伸長度1，延伸長度2）
           第3個參數(shù) 矩形顏色
           第4個參數(shù) 線寬
                           如果參數(shù) >=0，則表示繪制矩形（如為1，表示繪制的矩形邊為1個像素）
                           如果參數(shù) < 0，則表示填充矩形（如-1，表示填充整個矩形）
           第5個參數(shù) lineType
                           關于圖像鋸齒，有幾種方式處理
                               不管不顧，就用LINE_4 或者 LINE_8
                               消除鋸齒，就用LINE_AA （AA就是反鋸齒）
           第6個參數(shù) 縮小圖像，同時縮短矩形左上頂點與（0,0）位置的距離
                   0表示不變
                   1表示圖像*1/2，同時距離（0,0）的x方向和y方向距離*1/2
                   2表示圖像*（1/2）^2，同時距離（0,0）的x方向和y方向距離*（1/2）^2

void QuickDemo::bitwise_demo(Mat& image) {
 
	Mat m1 = Mat::zeros(Size(256, 256), CV_8UC3);
	Mat m2 = Mat::zeros(Size(256, 256), CV_8UC3);
	
	//rectangle有兩種傳參方式，這里分別進行了示范
	rectangle(m1, Point(100, 100), Point(180, 180), Scalar(255, 255, 0), -1, LINE_8,0);
 
	rectangle(m2, Rect(150, 150, 80, 80), Scalar(0, 255, 255), -1, LINE_8, 0);
	
	imshow("m1", m1);
	imshow("m2", m2);
}

2.位運算

在opencv中，圖像的為運算有4種

與
或
非
異或

bitwise_and(m1, m2, dst);

//bitwise_or(m1, m2, dst);

//bitwise_not(m1, dst);

//bitwise_xor(m1, m2, dst);略

2.實例代碼

void QuickDemo::bitwise_demo(Mat& image) {
 
    Mat m1 = Mat::zeros(Size(256, 256), CV_8UC3);
    Mat m2 = Mat::zeros(Size(256, 256), CV_8UC3);
    
    rectangle(m1, Point(100, 100), Point(180, 180), Scalar(255, 255, 0), -1, LINE_4,0);
    
    rectangle(m2, Rect(150, 150, 80, 80), Scalar(0, 255, 255), -1, 0);
    
    Mat dst;
    
    bitwise_and(m1, m2, dst);
    //bitwise_or(m1, m2, dst);
    //bitwise_not(m1, dst);
    //bitwise_xor(m1, m2, dst);
 
    imshow("位運算",dst);
}

補充：OpenCV--C++圖像像素處理-二值化

#include<opencv2/opencv.hpp>
#include<iostream>
#include<vector>
using namespace std;
using namespace cv;
 
int main()
{	
	Mat img = imread("colors.jpg");
	if (img.empty()) {
		cout << "圖片讀取失敗" << endl;
	}
 
	Mat gray;
	cvtColor(img, gray, COLOR_BGR2GRAY);  //將RGB圖像img轉(zhuǎn)為灰度圖gray
 
	// 彩圖BINARY二值化
	Mat binary, binary_inv;
	threshold(img, binary, 125, 255, THRESH_BINARY);
	threshold(img, binary_inv, 125, 255, THRESH_BINARY_INV);
	imshow("binary", binary);
	imshow("binary_inv", binary_inv);
 
	//灰度圖BINARY二值化
	Mat binary_gray, binary_gray_inv;
	threshold(gray, binary_gray,  125, 255,THRESH_BINARY);
	threshold(gray,  binary_gray_inv,125, 255, THRESH_BINARY_INV);
	imshow("binary_gray", binary_gray);
	imshow("binary_gray_inv", binary_gray_inv);
 
	//灰度圖TOZERO二值化
	Mat tozero_gray, tozero_gray_inv;
	threshold(gray, tozero_gray, 125, 255, THRESH_TOZERO);
	threshold(gray, tozero_gray_inv, 125, 255, THRESH_TOZERO_INV);
	imshow("tozero_gray", binary_gray);
	imshow("tozero_gray_inv", binary_gray_inv);
 
	//灰度圖TRUNC二值化
	Mat trunc_gray;
	threshold(gray, trunc_gray, 125, 255, THRESH_TRUNC);
	imshow("trunc_gray", trunc_gray);
 
	Mat gray_thr = imread("colors.jpg", IMREAD_GRAYSCALE);
	//灰度圖OSTU二值化
	Mat otsu_gray;
	threshold(gray_thr, otsu_gray, 100, 255,THRESH_BINARY |  THRESH_OTSU);
	imshow("trunc_gray", otsu_gray);
 
	//灰度圖triangle二值化
	Mat triangle_gray;
	threshold(gray_thr, triangle_gray, 100, 255, THRESH_BINARY | THRESH_TRIANGLE);
	imshow("triangle_gray", triangle_gray);
 
	//灰度圖自適應二值化
	Mat adapt_mean_gray;
	adaptiveThreshold(gray_thr, adapt_mean_gray, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 55, 0);
	imshow("adapt_mean_gray", adapt_mean_gray);
 
	Mat adapt_gauss_gray;
	adaptiveThreshold(gray_thr, adapt_gauss_gray, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 55, 0);
	imshow("adapt_gauss_gray", adapt_gauss_gray);
 
	waitKey(0);
	return 0;
}