影像操作

目錄

• 輸入/輸出
  • 影像
• 影像基本操作
  • 訪問畫素強度值
  • 記憶體管理與引用計數
  • 基本操作
  • 影像視覺化

上一個教程： 矩陣的掩膜操作
下一個教程： 使用 OpenCV 新增（混合）兩張影像

相容性	OpenCV >= 3.0

輸入/輸出

影像

從檔案載入影像

C++

        Mat img = imread(filename);

Java

Mat img = Imgcodecs.imread(filename);

Python

img = cv.imread(filename)

如果讀取 JPG 檔案，預設會建立一個三通道影像。如果需要灰度影像，請使用

C++

        Mat img = imread(filename, IMREAD_GRAYSCALE);

Java

Mat img = Imgcodecs.imread(filename, Imgcodecs.IMREAD_GRAYSCALE);

Python

img = cv.imread(filename, cv.IMREAD_GRAYSCALE)

注意

檔案的格式由其內容（前幾個位元組）決定。要將影像儲存到檔案，請使用

C++

        imwrite(filename, img);

Java

Imgcodecs.imwrite(filename, img);

Python

    cv.imwrite(filename, img)

注意

檔案的格式由其副檔名決定。

使用 cv::imdecode 和 cv::imencode 從/向記憶體而非檔案讀寫影像。

影像基本操作

訪問畫素強度值

為了獲取畫素強度值，您需要知道影像的型別和通道數。以下是一個單通道灰度影像（型別 8UC1）以及畫素座標 x 和 y 的示例：

C++

            Scalar intensity = img.at<uchar>(y, x);

Java

byte[] imgData = new byte[(int) (img.total() * img.channels())];
img.get(0, 0, imgData);
byte intensity = imgData[y * img.cols() + x];

Python

_intensity = img[y,x]

僅限 C++ 版本：`intensity.val[0]` 包含一個 0 到 255 之間的值。請注意 x 和 y 的順序。由於在 OpenCV 中影像與矩陣由相同的結構表示，我們對這兩種情況使用相同的約定——0-based 行索引（或 y 座標）在前，0-based 列索引（或 x 座標）在後。此外，您也可以使用以下表示法（僅限 C++）：

            Scalar intensity = img.at<uchar>(Point(x, y));

現在讓我們考慮一個具有 BGR 顏色順序的三通道影像（imread 返回的預設格式）：

C++ 程式碼

            Vec3b intensity = img.at<Vec3b>(y, x);
            uchar blue = intensity.val[0];
            uchar green = intensity.val[1];
            uchar red = intensity.val[2];

Python

_blue = img[y,x,0]
_green = img[y,x,1]
_red = img[y,x,2]

對於浮點影像（例如，透過對三通道影像執行 Sobel 演算法可以得到此類影像），您可以使用相同的方法（僅限 C++）：

            Vec3f intensity = img.at<Vec3f>(y, x);
            float blue = intensity.val[0];
            float green = intensity.val[1];
            float red = intensity.val[2];

同樣的方法也可以用來改變畫素強度：

C++

img.at<uchar>(y, x) = 128;

Java

byte[] imgData = new byte[(int) (img.total() * img.channels())];
imgData[y * img.cols() + x] = (byte) 128;
img.put(0, 0, imgData);

Python

img[y,x] = 128

OpenCV 中有一些函式，特別是 `calib3d` 模組中的函式，例如 `cv::projectPoints`，它們接受 `Mat` 形式的 2D 或 3D 點陣列。矩陣應只包含一列，每行對應一個點，矩陣型別應分別為 `32FC2` 或 `32FC3`。這樣的矩陣可以很容易地從 std::vector 構造（僅限 C++）：

vector<Point2f> points;
            //... 填充陣列
            Mat pointsMat = Mat(points);

可以使用相同的 Mat::at 方法訪問此矩陣中的一個點（僅限 C++）：

            Point2f point = pointsMat.at<Point2f>(i, 0);

記憶體管理與引用計數

`Mat` 是一個結構體，它儲存矩陣/影像的特性（行數、列數、資料型別等）以及指向資料的指標。因此，擁有多個 `Mat` 例項對應同一資料是可行的。一個 `Mat` 維護一個引用計數，該計數指示當 `Mat` 的特定例項被銷燬時資料是否需要被釋放。以下是建立兩個不復制資料的矩陣的示例（僅限 C++）：

std::vector<Point3f> points;
        // .. 填充陣列
        Mat pointsMat = Mat(points).reshape(1);

結果，我們得到一個三列的 `32FC1` 矩陣，而不是一列的 `32FC3` 矩陣。pointsMat 使用來自 `points` 的資料，並且在銷燬時不會釋放記憶體。然而，在這種特定情況下，開發人員必須確保 `points` 的生命週期長於 `pointsMat`。如果我們需要複製資料，可以透過例如 `cv::Mat::copyTo` 或 `cv::Mat::clone` 來完成。

C++

        Mat img = imread("image.jpg");
        Mat img1 = img.clone();

Java

Mat img = Imgcodecs.imread("image.jpg");
Mat img1 = img.clone();

Python

img = cv.imread('image.jpg')
_img1 = np.copy(img)

可以為每個函式提供一個空的輸出 `Mat`。每個實現都會為目標矩陣呼叫 `Mat::create`。如果矩陣為空，此方法會為其分配資料。如果它不為空且具有正確的大小和型別，則此方法不執行任何操作。但是，如果大小或型別與輸入引數不同，則資料將被釋放（並丟失），並分配新的資料。例如：

C++

        Mat img = imread("image.jpg");
        Mat sobelx;
        Sobel(img, sobelx, CV_32F, 1, 0);

Java

Mat img = Imgcodecs.imread("image.jpg");
Mat sobelx = new Mat();
Imgproc.Sobel(img, sobelx, CvType.CV_32F, 1, 0);

Python

img = cv.imread('image.jpg')
_sobelx = cv.Sobel(img, cv.CV_32F, 1, 0)

基本操作

矩陣上定義了許多方便的運算子。例如，下面是如何從現有的灰度影像 img 建立一個黑色影像：

C++

img = Scalar(0);

Java

                byte[] imgData = new byte[(int) (img.total() * img.channels())];
Arrays.fill(imgData, (byte) 0);
img.put(0, 0, imgData);

Python

img[:] = 0

選擇感興趣區域

C++

            Rect r(10, 10, 100, 100);
            Mat smallImg = img(r);

Java

                Rect r = new Rect(10, 10, 100, 100);
Mat smallImg = img.submat(r);

Python

_smallImg = img[10:110,10:110]

從彩色到灰度的轉換

C++

        Mat img = imread("image.jpg"); // 載入一個 8UC3 影像
        Mat grey;
        cvtColor(img, grey, COLOR_BGR2GRAY);

Java

Mat img = Imgcodecs.imread("image.jpg"); // 載入一個 8UC3 影像
Mat grey = new Mat();
Imgproc.cvtColor(img, grey, Imgproc.COLOR_BGR2GRAY);

Python

img = cv.imread('image.jpg')
_grey = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

將影像型別從 8UC1 更改為 32FC1

C++

src.convertTo(dst, CV_32F);

Java

src.convertTo(dst, CvType.CV_32F);

Python

_dst = src.astype(np.float32)

影像視覺化

在開發過程中檢視演算法的中間結果非常有用。OpenCV 提供了一種方便的影像視覺化方法。可以使用以下方法顯示 8U 影像：

C++

        Mat img = imread("image.jpg");
        namedWindow("image", WINDOW_AUTOSIZE);
        imshow("image", img);
        waitKey();

Java

Mat img = Imgcodecs.imread("image.jpg");
HighGui.namedWindow("image", HighGui.WINDOW_AUTOSIZE);
HighGui.imshow("image", img);
HighGui.waitKey();

Python

img = cv.imread('image.jpg')
    cv.namedWindow('image', cv.WINDOW_AUTOSIZE)
    cv.imshow('image', img)
    cv.waitKey()

呼叫 `waitKey()` 會啟動一個訊息傳遞迴圈，等待“image”視窗中的按鍵。32F 影像需要轉換為 8U 型別。例如：

C++

        Mat img = imread("image.jpg");
        Mat grey;
        cvtColor(img, grey, COLOR_BGR2GRAY);
        Mat sobelx;
        Sobel(grey, sobelx, CV_32F, 1, 0);
        double minVal, maxVal;
        minMaxLoc(sobelx, &minVal, &maxVal); // 找到最小和最大強度值
        Mat draw;
sobelx.convertTo(draw, CV_8U, 255.0/(maxVal - minVal), -minVal * 255.0/(maxVal - minVal));
        namedWindow("image", WINDOW_AUTOSIZE);
        imshow("image", draw);
        waitKey();

Java

Mat img = Imgcodecs.imread("image.jpg");
Mat grey = new Mat();
Imgproc.cvtColor(img, grey, Imgproc.COLOR_BGR2GRAY);
Mat sobelx = new Mat();
Imgproc.Sobel(grey, sobelx, CvType.CV_32F, 1, 0);
MinMaxLocResult res = Core.minMaxLoc(sobelx); // 找到最小和最大強度值
Mat draw = new Mat();
            double maxVal = res.maxVal, minVal = res.minVal;
sobelx.convertTo(draw, CvType.CV_8U, 255.0 / (maxVal - minVal), -minVal * 255.0 / (maxVal - minVal));
HighGui.namedWindow("image", HighGui.WINDOW_AUTOSIZE);
HighGui.imshow("image", draw);
HighGui.waitKey();

Python

img = cv.imread('image.jpg')
_grey = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
_sobelx = cv.Sobel(grey, cv.CV_32F, 1, 0)
    # 找到最小和最大強度值
minVal = np.amin(sobelx)
maxVal = np.amax(sobelx)
draw = cv.convertScaleAbs(sobelx, alpha=255.0/(maxVal - minVal), beta=-minVal * 255.0/(maxVal - minVal))
    cv.namedWindow('image', cv.WINDOW_AUTOSIZE)
    cv.imshow('image', draw)
    cv.waitKey()

注意

這裡不需要 `cv::namedWindow`，因為它緊接著 `cv::imshow`。然而，它可以用於更改視窗屬性或在使用 `cv::createTrackbar` 時。