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(,,CV_8U);
 uchar* p = lookUpTable.data;
 for(int i=; i<; i++)
 {
     p[i] = i/*;
 }

 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());
 Rect r1(,,mask.cols,);
 mask(r1).setTo();

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

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

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(,,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();
 //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 = ; y < srcImage.rows; y++)
     {
         for (int x = ; x < srcImage.cols; x++)
         {
             for (int nChannel = ; nChannel < ; 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 = ;
     g_nBright = ;

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

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

     ShowResult();

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