OpenCV3编程入门-读书笔记2-core组件

一、颜色空间缩减

1、概念

如果图像是3通道，深度为1个字节，则每个像素有256*256*256种可能值，这么多的可能值会对算法性能造成严重影响。利用颜色空间缩减就能解决这个问题，例如将颜色值0~9取为新值0，10~19取为10，以此类推，这样每个像素有26*26*26种可能值，比上面的可能值要小很多。

2、公式

P_New = ( P_Old / divide ) * divide   (P表示像素值)

3、处理

如果对原图像每个像素都进行上面的公式运算，运算量将非常大。可以将0~255这256种情况对应的新值计算出来，存放在table中，然后将原图像的像素值按照table表取出新值即可。

uchar table[256];

for( int i=0; i<256; i++ )

　　table[i] = ( i / divide ) * divide;

P_New = table[ P_New ];

4、LUT函数

OpenCV提供了LUT函数帮我们完成上面的处理。

示例：

Mat srcImage = imread("test.jpg");
    
Mat lookUpTable(1,256,CV_8U);
uchar* p = lookUpTable.data;
for(int i=0; i<256; i++)
{
    p[i] = i/30*30;
}

Mat destImage;
destImage.create(srcImage.size(),srcImage.type());

LUT(srcImage,lookUpTable,destImage);

imshow("srcImage",srcImage);
imshow("destImage",destImage);

 二、图像叠加

Mat srcImage = imread("E:\\CodeResource\\opencv\\car_pic\\test.jpg");
Mat logoImage = imread("E:\\CodeResource\\opencv\\car_pic\\logo.png");

//255或者1都行，只要非0就行
Mat mask(logoImage.size(),CV_8UC1,Scalar::all(255));
Rect r1(0,10,mask.cols,10);
mask(r1).setTo(0);

//设置感兴趣区域
Mat roiImage = srcImage(Rect(100, 100, logoImage.cols, logoImage.rows));
logoImage.copyTo(roiImage, mask);

imshow("srcImage", srcImage);
waitKey(0);

三、线性混合操作

1、概念

线性混合操作是一种典型的二元(两个输入)的像素操作，它的理论公式如下：

g(x) = (1-a)f1(x) + af2(x)

我们通过在范围0~1间改变alpha值，来对两幅图像产生时间上的叠加效果。

2、示例

//图像线性混合demo
Mat srcImage = imread("E:\\CodeResource\\opencv\\car_pic\\test.jpg");
Mat rainImage = imread("E:\\CodeResource\\opencv\\car_pic\\rain.bmp");
    
double alphaValue = 0.5;
double betaValue = (1.0 - alphaValue);
    
//两个叠加的图片大小需一样
Mat destImage = srcImage(Rect(0,0,rainImage.cols,rainImage.rows));

//alpha表示第一个数组的权重
//betaValue表示第二个数组的权重
//0.0表示加到权重总和上的标量值
addWeighted(destImage,alphaValue,rainImage,betaValue,0.0,destImage);

imshow("srcImage",srcImage);

四、通道分离和混合

1、概述

有时为了更好地分析图像，需要对图像的通道进行分别处理和调整，通过通道分离函数split和通道混合函数merge能够很方便地达到目的。

2、示例

//图像通道分离和混合demo
Mat srcImage = imread("E:\\CodeResource\\opencv\\car_pic\\test.jpg");

vector<Mat> channels;
//通道分离
split(srcImage, channels);
Mat imageDest = channels.at(1);
//通道混合
merge(channels, imageDest);

imshow("imageDest", imageDest);

五、图像对比度和亮度调整

1、算子

图像对比度和亮度调整的算子如下：

g(x) = a*f(x) + b

其中：

（1）f(x)表示源图像

（2）g(x)表示输出图像

（3）a称为增益(gain)，用来控制图像的对比度

（4）b称为偏置(bias)，用来控制图像的亮度

2、示例

#include <opencv/cv.h>
#include <opencv2/highgui.hpp>

using namespace cv;

#include <vector>
using namespace std;

int g_nConstrast;
int g_nBright;
Mat srcImage;
Mat dstImage;

void ShowResult()
{
    for (int y = 0; y < srcImage.rows; y++)
    {
        for (int x = 0; x < srcImage.cols; x++)
        {
            for (int nChannel = 0; nChannel < 3; nChannel++)
            {
                dstImage.at<Vec3b>(y, x)[nChannel] =
                    saturate_cast<uchar>((g_nConstrast*0.01)*(srcImage.at<Vec3b>(y, x)[nChannel]) + g_nBright);
            }
        }
    }
    imshow("srcImage", srcImage);
    imshow("dstImage", dstImage);
}

void OnConstrast(int nValue, void *)
{
    g_nConstrast = nValue;
    ShowResult();
}

void OnBright(int nValue, void *)
{
    g_nBright = nValue;
    ShowResult();
}

int main()
{
    srcImage = imread("test.jpg");
    dstImage.create(srcImage.size(), srcImage.type());

    g_nConstrast = 100;
    g_nBright = 0;

    namedWindow("srcImage", 1);
    namedWindow("dstImage",1);

    createTrackbar("对比度：", "dstImage", &g_nConstrast, 300, OnConstrast);
    createTrackbar("亮度：", "dstImage", &g_nBright, 300, OnBright);

    ShowResult();
    
    while (char(waitKey(1)) != 'q') {}
    return 0;
}