C 语言

关注公众号 jb51net

关闭
首页 > 软件编程 > C 语言 > c++图像像素计算

c++实现图像像素计算的示例详解

作者:程序小K

我们知道每张图像都能够用矩阵来表示,矩阵中每个元素的值表示了图像中每个像素值,像素值的大小就对应着图像的亮暗,本文主要来和大家介绍一下C++进行图像像素计算的相关知识,感兴趣的可以了解下

我们知道每张图像都能够用矩阵来表示,矩阵中每个元素的值表示了图像中每个像素值,像素值的大小就对应着图像的亮暗。因此找到矩阵中的最大值,就是找到了图像中灰度值最大的像素,计算矩阵所有元素的平均值就是计算图像像素平均灰度,平均灰度表示图像整体的亮暗程度。

图像像素计算有以下几种:

1、寻找图像中最大像素值和最小像素值

可以利用opencv的minMaxLoc()函数实现

void cv::minMaxLoc(InputArray src,
                   double * minVal,
                   double * maxVal = 0,
                   Point * minLoc = 0,
                   Point * maxLoc = 0,
                   InputArray mask = noArray())

src:需要寻找最大值和最小值的图像或者矩阵,要求必须是单通道矩阵

Point数据类型是用于表示图像的像素坐标,由于图像的像素坐标轴以左上角为坐标原点,水平方向为x轴,垂直方向为y轴,因此Point(x,y)对应于图像的行和列表示为Point(列数,行数)。在OpenCV中对于2D坐标和3D坐标都设置了多种数据类型,针对2D坐标数据类型定义了整型坐标cv::Point2i(或者cv::Point)、double型坐标cv::Point2d、浮点型坐标cv::Point2f,对于3D坐标同样定义了上述的坐标数据类型,只需要将其中的数字“2”变成“3”即可。对于坐标中x、y、z轴的具体数据,可以通过变量的x、y、z属性进行访问,例如Point.x可以读取坐标的x轴数据。

对于多通道矩阵数据,利用cv::Mat::reshape()将多通道变成单通道,或者分别寻找每个通道的最值,然后再进行比较寻找到全局最值。

具体使用案例如下:

#include<iostream>
#include<vector>
#include<string>
#include <opencv2/opencv.hpp>
#include "opencv/highgui.h"
 
using namespace std;
using namespace cv;
 
int main(int argc,char** argv) {
    cout<<"OpenCv Version: "<<CV_VERSION<<endl;//输出使用的opencv版本号
    Mat img=imread('1.jpg');//单通道图像
    Mat imgs=imread("2.jpg");//多通道图像
    double minVal,maxVal;//用于存放矩阵中的最大值和最小值
    Point minIdx,maxIdx;//用于存放矩阵中的最大值和最小值的位置
 
    /*寻找单通道矩阵中的最值*/
    minMaxLoc(img,&maxVal,&minVal,&minIdx,&maxIdx);
    cout << "img中最大值是:" << maxVal << " " << "在矩阵中的位置:" << maxIdx << endl;
    cout << "img中最小值是:" << minVal << " " << "在矩阵中的位置:" << minIdx << endl;
 
    /*寻找多通道矩阵中的最值*/
    Mat imgs_re=imgs.reshape(1,4);//将多通道矩阵变成单通道矩阵
    minMaxLoc(imgs_re,&minVal,&maxVal,&minIdx,&maxIdx);
    cout << "img中最大值是:" << maxVal << " " << "在矩阵中的位置:" << maxIdx << endl;
    cout << "img中最小值是:" << minVal << " " << "在矩阵中的位置:" << minIdx << endl;
    return 0;
}

2、计算图像的均值和标准差

如果我们想知道图像的亮暗程度变化,可以求图像的均值来判断。均值越大,说明图像越亮。图像标准差表示图像中明暗变化程度,标准差越大表示图像中明暗变化越明显。

我们可以利用cv::mean()函数用于计算图像的平均值,也可以利用meanStdDev()函数用于同时计算图像的均值和标准方差。

cv::Scalar cv::mean(InputArray src,InputArray mask = noArray())

该函数用来求取图像矩阵的每个通道的平均值,函数的第一个参数用来输入待求平均值的图像矩阵,其通道数目可以在1到4之间。需要注意的是,该函数的返回值是一个cv::Scalar类型的变量,函数的返回值有4位,分别表示输入图像4个通道的平均值,如果输入图像只有1个通道,那么返回值的后三位都为0,例如输入该函数一个单通道平均值为1的图像,输出的结果为[1,0,0,0],可以通过cv::Scalar[n]查看第n个通道的平均值。该函数的第二个参数用于控制图像求取均值的范围,在第一个参数中去除第二个参数中像素值为0的像素,当不输入第二个参数时,表示求取第一个参数全部像素的平均值。

void cv::meanStdDev(InputArray src,OutputArray mean,OutputArray stddev,InputArray mask = noArray())

该函数的第一个参数与前面mean()函数第一个参数相同,都可以是1-4通道的图像,不同之处在于该函数没有返回值,图像的均值和标准方差输出在函数的第二个和第三个参数中,区别于mean()函数,用于存放平均值和标准方差的是Mat类型变量,变量中的数据个数与第一个参数通道数相同,如果输入图像只有一个通道,该函数求取的平均值和标准方差变量中只有一个数据。

具体使用案例如下:

#include<iostream>
#include<vector>
#include<string>
#include <opencv2/opencv.hpp>
#include "opencv/highgui.h"
 
using namespace std;
using namespace cv;
 
int main(int argc,char** argv) {
    cout<<"OpenCv Version: "<<CV_VERSION<<endl;
    Mat img=imread("3.jpg");//单通道图像或矩阵
    Mat imgs=imread("4.jpg");//多通道图像或矩阵
 
    cout << "/* 用meanStdDev同时求取图像的均值和标准方差 */" << endl;
    Scalar myMean;
    myMean=mean(imgs);
    cout<<"imgs均值 = "<<myMean<<endl;
    cout<<"imgs第一个通道的均值 = "<<myMean[0]<<" "
        <<"imgs第二个通道的均值 = "<<myMean[1]<<endl;
 
    cout << "/* 用meanStdDev同时求取图像的均值和标准方差 */" << endl;
    Mat myMeanMat,myStddevMat;
 
    meanStdDev(img,myMeanMat,myStddevMat);
    cout << "img均值=" << myMeanMat << " " << endl;
    cout << "img标准方差=" << myStddevMat << endl << endl;
    meanStdDev(imgs,myMeanMat,myStddevMat);
    cout << "img均值=" << myMeanMat << " " << endl;
    cout << "img标准方差=" << myStddevMat << endl << endl;
    return 0;
}

3、两张图像比较运算

opencv提供了求取两张图像每一位像素较大或者较小灰度值的max()、min()函数,这两个函数分别比较两个图像中每一位元素灰度值的大小,保留较大(较小)的灰度值。

void cv::max(InputArray src1,InputArray src2,OutputArray dst) 
void cv::min(InputArray src1,InputArray src2,OutputArray dst)

该函数的功能相对来说比较简单,就是比较图像每个像素的大小,按要求保留较大值或者较小值,最后生成新的图像。

具体案例如下:

#include<iostream>
#include<vector>
#include<string>
#include <opencv2/opencv.hpp>
#include "opencv/highgui.h"
 
using namespace std;
using namespace cv;
 
int main(int argc,char** argv) {
    cout<<"OpenCv Version: "<<CV_VERSION<<endl;
    //对两张彩色图像进行比较运算
    Mat img1=imread("l.png");
    Mat img2=imread("2.jpg");
    if(img0.empty()||img1.empty()){
        cout<<"请确认图像文件名称是否正确"<<endl;
        return -1;
    }
    Mat comMin,comMax;
    max(img1,img2,comMax);
    min(img1,img2,comMin);
    imshow("comMin",comMin);
    imshow("comMax",comMax);
 
    //与掩模进行比较运算
    Mat src1=Mat::zeros(Size(512,512),CV_8UC3);
    Rect rect(100,100,300,300);//起点(100,100)长300,宽300的矩形
    src1(rect)=Scalar(255,255,255);//生成一个300*300的掩模
    Mat comsrc1,comsrc2;
    min(img1,src1,comsrc1);
    imshow("comsrc1",comsrc1);
 
    Mat src2=Mat(512,512,CV_8UC3,Scalar(0,0,255));//生成一个显示红色的低通掩模
    min(img1,src2,comsrc2);
    imshow("comsrc2",comsrc2);
 
    //对两张图片灰度图像进行比较运算
    Mat img1g,img2g,comMing,comMaxg;
    cvtColor(img1,img1g,COLOR_BGR2GRAY);
    cvtColor(img2,img2g,COLOR_BGR2GRAY);
    max(img1g,img2g,comMaxg);
    max(img1g,img2g,comMaxg);
    imshow("comMing",comMing);
    imshow("comMaxg",comMaxg);
    return 0;
}

4、图片逻辑运算

opencv为两个图像像素之间逻辑运算与、或、异或以及非运算提供了bitwise_and()、bitwise_or()、bitwise_xor()和bitwise_not()四个函数,在进行逻辑计算时,一定要保证两个图像矩阵之间的尺寸、数据类型和通道数相同,多个通道进行逻辑运算时不同通道之间是独立进行的。

具体案例如下:

#include <opencv2\opencv.hpp>
#include <iostream>
#include <vector>
 
using namespace std;
using namespace cv;
 
int main()
{
   Mat img = imread("lena.png");
   if (img.empty())
  {
     cout << "请确认图像文件名称是否正确" << endl;
      return -1;
   }
   //创建两个黑白图像
  Mat img0 = Mat::zeros(200, 200, CV_8UC1);
  Mat img1 = Mat::zeros(200, 200, CV_8UC1);
  Rect rect0(50, 50, 100, 100);
  img0(rect0) = Scalar(255);//将起点50,50,长宽100的矩形框区域像素值置为255,白色
  Rect rect1(100, 100, 100, 100);
  img1(rect1) = Scalar(255);
  imshow("img0", img0);
  imshow("img1", img1);
  //进行逻辑运算
  Mat myAnd, myOr, myXor, myNot, imgNot;
  bitwise_not(img0, myNot);
  bitwise_and(img0, img1, myAnd);
  bitwise_or(img0, img1, myOr);
  bitwise_xor(img0, img1, myXor);
  bitwise_not(img, imgNot);
  imshow("myAnd", myAnd);
  imshow("myOr", myOr);
  imshow("myXor", myXor);
  imshow("myNot", myNot);
  imshow("img", img);
  imshow("imgNot", imgNot);
  waitKey(0);
  return 0;
  }

到此这篇关于c++实现图像像素计算的示例详解的文章就介绍到这了,更多相关c++图像像素计算内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文