OpenCV常用的图像和矩阵操作总结.docx

OpenCV常用的图像和矩阵操作总结.docx

《OpenCV常用的图像和矩阵操作总结.docx》由会员分享，可在线阅读，更多相关《OpenCV常用的图像和矩阵操作总结.docx（16页珍藏版）》请在冰豆网上搜索。

OpenCV常用的图像和矩阵操作总结

OpenCv常用图像和矩阵操作

cvmSet（M,i,j,;Mb->Mc

cvDiv（Ma,Mb,Mc）;      Mb ->Mc

cvAddS（Ma,cvScalar,Mc）;Vb->res

学习资料

书籍

LearningOpenCV（影印版）

作者：

GaryBradski,AdrianKaehler

出版社：

东南大学出版社

学习OpenCV（中文版）

作者：

GaryBradski,AdrianKaehler

译者：

于仕琪刘瑞祯

出版社：

清华大学出版社

OpenCV中文教程

作者：

刘瑞祯于仕琪

网站：

本地安装目录

在安装目录\docs下有各种学习资料

只用在本地安装目录下面就可以查询到大部分需要的信息，当然也可以直接XX，google

图像IplImage

StructureIplImage

OpenCv中图像的结构体为IplImage，位于头文件中，IplImage结构体的定义如下：

32F64F　　只有cvCreateImage可以创建交叉存取图像*/

　　intorigin;/*图像原点位置：

0表示顶-左结构,1表示底-左结构*/

　　intalign;/*图像行排列方式（4or8），在OpenCV被忽略，使用widthStep代替*/

　　intwidth;/*图像宽像素数*/

　　intheight;/*图像高像素数*/

　　struct_IplROI*roi;/*图像感兴趣区域，当该值非空时，

　　只对该区域进行处理*/

　　struct_IplImage*maskROI;/*在OpenCV中必须为NULL*/

　　void*imageId;/*同上*/

　　struct_IplTileInfo*tileInfo;/*同上*/

　　intimageSize;/*图像数据大小（在交叉存取格式下ImageSize=image->height*image->widthStep），单位字节*/

　　char*imageData;/*指向排列的图像数据*/

　　intwidthStep;/*排列的图像行大小，以字节为单位*/

　　intBorderMode[4];/*边际结束模式,在OpenCV被忽略*/

　　intBorderConst[4];/*同上*/

　　char*imageDataOrigin;/*指针指向一个不同的图像数据结构（不是必须排列的），是为了纠正图像内存分配准备的*/

　　}IplImage;}

IplImage;

参数widthStep包括相邻行的同列点之间的字节数。

仅凭变量width是不能计算这个值的，因为为了处理过程更高效每行都会用固定的字节数来对齐；因此在第i行末和第i+1行开始处可能会有些冗于字节。

参数imageData包含一个指向第一行图像数据的指针。

如果图像中有些独立的平面（如当dataOrder=IPL_DATA_ORDER_PLANE）那么把它们作为单独的图像连续摆放，总行数为height和nChannels的乘积。

但通常情况下，它们是交错的，使得行数等于高度，而且每一行都有序地包含交错的通道。

ROI--感兴趣的区域（ROI），实际上它是另一个IPL/IPP结构IplROI的实例。

IplROI包含xOffset，yOffset，height，width和coi成员变量，其中COI代表channelofinterest（感兴趣的通道）。

ROI的思想是：

一旦设定ROI，通常作用于整幅图像的函数便会只对ROI所表示的子图像进行操作。

如果IplImage变量中设置了ROI，则所有的OpenCV函数就会使用该ROI变量。

如果COI被设置成非0值，则对该图像的操作就只作用于被指定的通道上了。

不幸的是，许多OpenCV函数都忽略参数COI。

图像的常用操作

图像载入函数

　　函数cvLoadImage载入指定图像文件，并返回指向该文件的IplImage指针。

函数支持bmp、jpg、png、tiff等格式的图像。

其函数原型如下：

　　IplImage*cvLoadImage（constchar*filename,intiscolor）;

　　其中，filename是待载入图像的名称，包括图像的扩展名；iscolor是一个辅助参数项，可选正数、零和负数三种值，正数表示作为三通道图像载入，零表示该图像作为单通道图像，负数表示载入图像的通道数由图像文件自身决定。

窗口定义函数

　　函数cvNamedWindow定义一个窗口，用于显示图像。

其函数原型如下：

　　intcvNamedWindow（constchar*name,unsignedlongflags）;

　　其中，name是窗口名，flags是窗口属性指标值，可以选择CV_WINDOW_AUTOSIZE和0两种值。

CV_WINDOW_AUTOSIZE表示窗口尺寸与图像原始尺寸相同，0表示以固定的窗口尺寸显示图像。

图像显示函数

　　函数cvShowImage是在指定的窗口中显示图像，其函数原型如下：

　　voidcvShowImage（constchar*name,constCvArr*image）;

其中，name是窗口名称，image是图像类型指针，一般是IplImage指针。

图像保存函数

　　函数cvSaveImage以指定的文件名保存IplImage类型的指针变量，其函数原型如下：

　　intcvSaveImage（constchar*filename,constCvArr*image）;

其中，filename是图像保存路径和名称，image是IplImage指针变量。

Trick：

如果要保存一组图像到result文件夹,图像个数为n,保存名称按照一定的序号递增，假设为，，，，…,，则

操作为：

char*f[30];

for（inti=0;i

{

sprintf（f,”result/imgTmp%”,i）;

cvSaveImage（f,img）;

}

借用sprintf函数即可以完成依次命名的功能。

图像销毁函数

　　函数cvReleaseImage销毁已定义的IplImage指针变量，释放占用内存空间。

其函数原型如下：

　　voidcvReleaseImage（IplImage**image）;

其中，image为已定义的IplImage指针。

存取图像像素

包括获取像素值和对像素值赋值

●直接获取

假设图像为IplImage*img,图像的depth=IPL_DEPTH_8U（每个像素用8bits表示），获取像素坐标（x,y）的操作为

1.灰度图像（单通道img->nChannels=1）

对像素赋值：

（（char*）（img->imageData+y*imge->widthStep））[x]=255;

获取像素值：

intgrayValue=（（char*）（img->imageData+y*imge->widthStep））[x];

2.彩色图像（单通道img->nChannels=1）

对像素赋值：

（（char*）（img->imageData+y*imge->widthStep））[3*x]=255;

（（char*）（img->imageData+y*imge->widthStep））[3*x+1]=255;

（（char*）（img->imageData+y*imge->widthStep））[3*x+2]=255;

获取像素值：

ucharb=（（char*）（img->imageData+y*imge->widthStep））[x];

ucharg=（（char*）（img->imageData+y*imge->widthStep））[x];

ucharr=（（char*）（img->imageData+y*imge->widthStep））[x];

注意：

注意（char*）这个指针的强制转换是针对img->imageData+y*imge->widthStep的，也就是针对图像的行指针进行的转换，注意括弧的范围。

当image->depth为其他值时，则可能每个像素的数据类型需要进行（int*）,（float*）,（double*）等转换。

参数widthStep是相邻行的同列点之间的字节数。

仅凭变量width是不能计算这个值的，因为为了处理过程更高效每行都会用固定的字节数来对齐；因此在第i行末和第i+1行开始处可能会有些冗于字节。

一次在进行行切换时,一定要widthStep来进行内存的偏移,而不是用depth*width.

一般的情况下，假设有N-通道，类型为T的图像：

I（x,y）c~（（T*）（img->imageData+img->widthStep*y））[x*N+c]y的位置

例子:

void saturate_sv（ IplImage* img ）

 { 

  for（ int y=0; yheight; y++ ）

 { 

    uchar* ptr = （uchar*） （ Img->imageData + y * img->widthStep  ）; 

    for（ int x=0; xwidth; x++ ） 

{ 

 ptr[3*x] = 255; 

      ptr[3*x+1] = 255; 

      ptr[3*x+2] = 255; 

    } 

  } 

} 

在以上程序中，我们用指针ptr指向第y行的起始位置。

接着，我们从指针中析出饱和度和高度在x维的值。

因为这是一个三通道图像，所以C通道在x行的位置是3*x+c。

该使用方法是受限的

ucharb,g,r;

b=img->imageData[img->widthStep*row+col*3]

g=img->imageData[img->widthStep*row+col*3+1];

r=img->imageData[img->widthStep*row+col*3+2];

由于imageData指针始终是char*类型的，因此该方法只适用于8bits/pixel的图像表示，其他的图像类型则需要进行指针转换。

●宏

可以使用宏CV_IMAGE_ELEM（image_header,elemtype,y,x_Nc）

I（x,y）c~CV_IMAGE_ELEM（img,T,y,x*N+c），其中c为通道的序号，如彩色图像c=0，1，2

不过使用该宏是也要小心数据类型elemtype的问题。

也有针对各种图像（包括4通道图像）和矩阵的函数（cvGet2D,cvSet2D），但是它们非常慢。

注：

该宏在每次调用时，都会重新计算指针的位置。

这意味着，先查找数据区中第0个元素的位置，然后，根据参数中的行和列，计算所需要的元素的地址偏移量，然后将地址偏移量与第0个元素的地址相加，获得所需要的元素的地址。

所以，以上的方式虽然很容易使用，但是却不是获得元素的最好方式。

特别是当你要顺序遍历整个图像中所有元素时，这种每次对地址的重复计算就更加显得不合理。

●cvGet2D（）和cvSet2D（）

可以通过cvGet2D（）和cvSet2D（）两个函数加上一个CvScalar结构体做到获取图像的像素点。

OpenCV中，CvScalar结构为：

typedefstructCvScalar

{

    double val[4];

}

CvScalar;

4个double型变量，算法处理时不至于被强制类型转换而降低精度了。

再来看读写函数的定义：

cvGet2D 获得某个点的值,idx0=hight行值,idx1=width列值。

CVAPI（CvScalar） cvGet2D（ const CvArr*arr, int idx0, int idx1）;

cvSet2D 给某个点赋值。

CVAPI（void） cvSet2D（ CvArr*arr, int idx0, int idx1, CvScalar value）;

有上可见，cvGet2D的返回类型和cvSet2D中value的类型都是CvScalar，这样定义一个CvScalar变量再调用函数就OK了。

OpenCV中像素点读写例子：

int main（int argc, char **argv）

{

    IplImage *img= cvLoadImage（argv[1],1）;

    CvScalar pixel;

    for （int i=0;iheight;++i）

    {

        for （int j=0;jwidth;++j）

        {

格式为CV_（S|U|F）C.  

  例如:

CV_8UC1表示8位无符号单通道矩阵,CV_32SC2表示32位有符号双通道矩阵.

 例:

  CvMat*M=cvCreateMat（4,4,CV_32FC1）;

●逐点赋值式初始化

CvMat*mat=cvCreateMat（2,2,CV_64FC1）;

cvZero（mat）;

cvmSet（mat,0,0,1）;

cvmSet（mat,0,1,2）;

cvmSet（mat,1,0,3）;

cvmSet（mat,2,2,4）;

cvReleaseMat（&mat）;

●使用现有数组初始化

doublea[]={1,2,3,4,

              5,6,7,8,

              9,10,11,12};

CvMatmat=cvMat（3,4,CV_64FC1,a）;

简单的方法

从矩阵中得到一个元素的最简单的方法是利用宏CV_MAT_ELEM（）。

这个宏（参见例3-4）传入矩阵、待提取的元素的类型、行和列数4个参数，返回提取出的元素的值。

例3-4：

利用CV_MAT_ELEM（）宏存取矩阵

1.CvMat* mat = cvCreateMat（ 5, 5, CV_32FC1 ）; 

2.float element_3_2 = CV_MAT_ELEM（ *mat, float, 3, 2 ）; 

更进一步，还有一个与此宏类似的宏，叫CV_MAT_ELEM_PTR（）。

CV_MAT_ELEM_PTR（）（参见例3-5）传入矩阵、待返回元素的行和列号这3个参数，返回指向这个元素的指针。

该宏和CV_MAT_ELEM（）宏的最重要的区别是后者在指针解引用之前将其转化成指定的类型。

如果需要同时读取数据和设置数据，可以直接调用CV_MAT_ELEM_PTR（）。

但在这种情况下，必须自己将指针转化成恰当的类型。

例3-5：

利用宏CV_MAT_ELEM_PTR（）为矩阵设置一个数值

1.CvMat* mat = cvCreateMat（ 5, 5, CV_32FC1 ）; 

2.float element_3_2 = ; 

3.*（ （float*）CV_MAT_ELEM_PTR（ *mat, 3, 2 ） ） = element_3_2; 

遗撼的是，这些宏在每次调用的时候都重新计算指针。

这意味着要查找指向矩阵基本元素数据区的指针、计算目标数据在矩阵中的相对地址，然后将相对位置与基本位置相加。

所以，即使这些宏容易使用，但也不是存取矩阵的最佳方法。

在计划顺序访问矩阵中的所有元素时，这种方法的缺点尤为突出。

麻烦的方法

在"简单的方法"中讨论的两个宏仅仅适用于访问1维或2维的数组（回忆一下，1维的数组，或者称为"向量"实际只是一个n×1维矩阵）。

OpenCV提供了处理多维数组的机制。

事实上，OpenCV可以支持普通的N维的数组，这个N值可以取值为任意大的数。

为了访问普通矩阵中的数据，我们可以利用在例3-6和例3-7中列举的cvPtr*D和cvGet*D…等函数族。

cvPtr*D家族包括cvPtr1D（）,cvPtr2D（）,cvPtr3D（）和cvPtrND（）…。

这三个函数都可接收CvArr*类型的矩阵指针参数，紧随其后的参数是表示索引的整数值，最后是一个可选的参数，它表示输出值的类型。

函数返回一个指向所需元素的指针。

对于cvPtrND（）来说，第二个参数是一个指向一个整型数组的指针，这个数组中包含索引的合适数字。

后文会再次介绍此函数（在这之后的原型中，也会看到一些可选参数，必要时会有讲解）。

例3-6：

指针访问矩阵结构

1.uchar* cvPtr1D（ 

2.  const CvArr*  arr, 

3.  int           idx0, 

4.  int*          type = NULL 

5.）; 

6. 

7.uchar* cvPtr2D（ 

8.  const CvArr*  arr, 

9.  int           idx0, 

10. 

11. 

12. 

13.  int           idx1, 

14.  int*          type = NULL 

15.）; 

16. 

17.uchar* cvPtr3D（ 

18.  const CvArr*  arr, 

19.  int           idx0, 

20.  int           idx1, 

21.  int           idx2, 

22.  int*          type = NULL 

23.）; 

24.uchar* cvPtrND（ 

25.  const CvArr*  arr, 

26.  int*          idx, 

27.  int*          type            = NULL, 

28.  int           create_node     = 1, 

29.  unsigned*     precalc_hashval = NULL 

30.）; 

如果仅仅是读取数据，可用另一个函数族cvGet*D。

如例3-7所示，该例与例3-6类似，但是返回矩阵元素的实际值。

例3-7：

CvMat和IPlImage元素函数

1.double cvGetReal1D（ const CvArr* arr, int idx0 ）; 

2.double cvGetReal2D（ const CvArr* arr, int idx0, int idx1 ）; 

3.double cvGetReal3D（ const CvArr* arr, int idx0, int idx1, int idx2 ）; 

4.double cvGetRealND（ const CvArr* arr, int* idx ）; 

5. 

6.CvScalar cvGet1D（ const CvArr* arr, int idx0 ）; 

7.CvScalar cvGet2D（ const CvArr* arr, int idx0, int idx1 ）; 

8.CvScalar cvGet3D（ const CvArr* arr, int idx0, int idx1, int idx2 ）; 

9.CvScalar cvGetND（ const CvArr* arr, int* idx ）; 

cvGet*D中有四个函数返回的是整型的，另外四个的返回值是CvScalar类型的。

这意味着在使用这些函数的时候，会有很大的空间浪费。

所以，只是在你认为用这些函数比较方便和高效率的时候才用它们，否则，最好用cvPtr*D。

用cvPtr*D（）函数族还有另外一个原因，即可以用这些指针函数访问矩阵中的特定的点，然后由这个点出发，用指针的算术运算得到指向矩阵中的其他数据的指针。

在多通道的矩阵中，务必记住一点：

通道是连续的，例如，在一个3通道2维的表示红、绿、蓝（RGB）矩阵中。

矩阵数据如下存储rgbrgbrgb...。

所以，要将指向该数据类型的指针移动到下一通道，我们只需要将其增加1。

如果想访问下一个"像素"或者元素集，我们只需要增加一定的偏移量，使其与通道数相等。

另一个需要知道的技巧是矩阵数组的step元素（参见例3-1和例3-3），step是矩阵中行的长度，单位为字节。

在那些结构中，仅靠cols或width是无法在矩阵的不同行之间移动指针的，出于效率的考虑，矩阵或图像的内存分配都是4字节的整数倍。

所以，三个字节宽度的矩阵将被分配4个字节，最后一个字节被忽略。

因此，如果我们得到一个字节指针，该指针指向数据元素，那么我们可以用step和这个指针相加以使指针指向正好在我们的点的下一行元素。

如果我们有一个整型或者浮点型的矩阵，对应的有整型和浮点型的指针指向数据区域，我们将让step/4与指针相加来移到下一行，对双精度型的，我们让step/8与指针相加（这里仅仅考虑了C将自动地将差值与我们添加的数据类型的字节数相乘）。

例3-8中的cvSet*D和cvGet*D多少有些相似，它通过一次函数调用为一个矩阵或图像中的元素设置值，函数cvSetReal*D（）和函数cvSet*D（）可以用来设置矩阵或者图像中元素的数值。

例3-8：

为CvMat或者IplImage元素设定值的函数

1.void cvSetReal1D（ CvArr* arr, int idx0, double value ）; 

2.void cvSetReal2D（ CvArr* arr, int idx0, int idx1, double value ）; 

3.void cvSetReal3D（ 

4.  CvArr* arr, 

5.  int idx0, 

6.  int idx1, 

7.  int idx2, 

8.  double value 

9.）; 

10.void cvSetRealND（ CvArr* arr, int* idx, double value ）; 

11. 

12.void cvSet1D（ CvArr* arr, int idx0, CvScalar value ）; 

13.void cvSet2D（ CvArr* arr, int idx0, int idx1, CvScalar value ）; 

14.void cvSet3D（ 

15.  CvArr* arr, 

16.  int idx0