网站设计的主题wordpress文章列表全文

当前位置： 首页 > news >正文

网站设计的主题,wordpress文章列表全文,微信公众号上发布wordpress,网站建设是怎么挣钱目录 Mat 存储方法 创建一个指定像素方式的图像。 尽管我们完全可以把cv::Mat当作一个黑盒#xff0c;但是笔者的建议是仍然要深入理解和学习cv::Mat自身的构造逻辑和存储原理#xff0c;这样在查找问题#xff0c;或者是遇到一些奇奇怪怪的图像显示问题的时候能够快速的想…目录 Mat 存储方法 创建一个指定像素方式的图像。 尽管我们完全可以把cv::Mat当作一个黑盒但是笔者的建议是仍然要深入理解和学习cv::Mat自身的构造逻辑和存储原理这样在查找问题或者是遇到一些奇奇怪怪的图像显示问题的时候能够快速的想到问题的跟源。这是笔者打算从这里开始的一个重要的目的 在实际上我们有多种方法从现实世界获取数字图像数码相机、扫描仪、计算机断层扫描和磁共振成像等。当然对于每一个初学者更多可能是从我们的摄像头开始的。在每种情况下我们人类看到的都是图像。但是当将其转换为我们的数字设备时我们记录的是图像每个点的数值。也就是说我们使用数值来存储记录图像的信息。然后真正显示的时候控制设备按照我们存储的信息还原出来。就是这样的比如说下面这种 这个图太经典了任何一个阅读过《学习Opencv3》的朋友都会知道这张图片我们人眼看到的是一个车子但是对于计算机而言只不过是一个包含像素点所有强度值的矩阵。我们获取和存储像素值的方式可能因我们的需求而异但最终计算机世界中的所有图像都可以简化为数值矩阵和描述矩阵本身的其他信息。OpenCV 是一个计算机视觉库其主要重点是处理和操纵这些信息。因此您需要熟悉的第一件事是 OpenCV 如何存储和处理图像。 Mat OpenCV 自 2001 年以来一直存在。当时该库是围绕 C 接口构建的为了将图像存储在内存中他们使用了一个名为 IplImage 的 C 结构。这是您在大多数旧教程和教育材料中都会看到的。问题在于它把 C 语言的所有缺点都带到了桌面上。最大的问题是手动内存管理。它建立在用户负责处理内存分配和释放的假设之上。虽然这对于较小的程序来说不是问题但一旦您的代码库增长处理所有这些问题就会更加困难而不是专注于解决您的开发目标。 幸运的是C 出现了并引入了类的概念通过自动内存管理或多或少让用户更容易使用。好消息是 C 与 C 完全兼容因此进行更改不会出现兼容性问题。因此OpenCV 2.0 引入了一个新的 C 接口提供了一种新的方式这意味着您不需要摆弄内存管理从而使您的代码更简洁编写更少实现更多。 C 接口的主要缺点是目前许多嵌入式开发系统仅支持 C。因此除非您针对的是嵌入式平台否则使用旧方法是没有意义的除非您是受虐狂程序员而且您在自找麻烦。 关于 Mat您需要知道的第一件事是您不再需要手动分配内存并在不需要时立即释放它。虽然这样做仍然是可能的但大多数 OpenCV 函数都会自动分配其输出数据。如果您传递已经为矩阵分配所需空间的现有 Mat 对象这将被重用这是一个不错的奖励。换句话说我们始终只使用执行任务所需的内存。 Mat 基本上是一个包含两个数据部分的类矩阵头包含矩阵大小、用于存储的方法、矩阵存储在哪个地址等信息和指向包含像素值的矩阵的指针根据选择的存储方法采用任何维度。矩阵头大小是恒定的但是矩阵本身的大小可能因图像而异并且通常大几个数量级。 我们知道OpenCV 是一个图像处理库。它包含大量图像处理函数。为了解决计算难题大多数时候您最终会使用库中的多个函数。因此将图像传递给函数是一种常见的做法。我们不应忘记我们正在讨论图像处理算法这些算法往往计算量很大。我们最不想做的事情是通过对可能很大的图像进行不必要的复制来进一步降低程序的速度。 为了解决这个问题OpenCV 使用引用计数系统。这个想法是每个 Mat 对象都有自己的头但是可以通过让它们的矩阵指针指向同一地址来在两个 Mat 对象之间共享矩阵。此外复制运算符只会复制头和指向大矩阵的指针而不是数据本身。 我们可以具备尝试性质的测试一下。比如说 Mat A, C; // 仅创建头部分 A imread(argv[1], IMREAD_COLOR); // 在这里我们将知道使用的方法分配矩阵 Mat B(A); // 使用复制构造函数 C A; // 赋值运算符 所有上述对象最终都指向同一个数据矩阵使用其中任何一个进行修改也会影响所有其他对象。实际上不同的对象只是为相同的底层数据提供不同的访问方法。然而它们的标题部分是不同的。现在您可能会问 - 如果矩阵本身可能属于多个 Mat 对象那么当不再需要它时谁负责清理它简短的回答是最后一个使用它的对象。这是通过使用引用计数机制来处理的。每当有人复制 Mat 对象的标题时矩阵的计数器就会增加。每当清理标题时此计数器就会减少。当计数器达到零时矩阵将被释放。有时您也希望复制矩阵本身因此 OpenCV 提供了 cv::Mat::clone() 和 cv::Mat::copyTo() 函数。 笔者在develop_example/examples/basicusage示例子程序中书写了验证程序看官可以移步查看。这是显示的效果 哦实在是太长了 值得一提的是如果我们想要完全拷贝一个矩阵的时候 Mat F A.clone(); Mat G; A.copyTo(G); 现在修改 F 或 G 不会影响 A 的标头指向的矩阵。您需要记住的是 OpenCV 函数的输出图像分配是自动的除非另有说明。 您无需考虑使用 OpenCV 的 C 接口进行内存管理。 赋值运算符和复制构造函数仅复制标头。 可以使用 cv::Mat::clone() 和 cv::Mat::copyTo() 函数复制图像的底层矩阵。
真正有趣的部分是您可以创建仅引用完整数据的一部分的标题。例如要在图像中创建感兴趣的区域 (ROI)只需创建一个新的头部 Mat D (A, Rect(10, 10, 100, 100) ); // 使用矩形 Mat E A(Range::all(), Range(1,3)); // 使用行和列边界 存储方法 这是关于如何存储像素值。您可以选择颜色空间和使用的数据类型。颜色空间是指我们如何组合颜色成分以编码给定的颜色。最简单的是灰度其中我们可以处理的颜色是黑色和白色。这些组合使我们能够创建多种灰色阴影。 对于丰富多彩的方式我们有更多的方法可供选择。它们中的每一个都将其分解为三个或四个基本组件我们可以使用这些组合来创建其他组件。最流行的是 RGB主要是因为这也是我们的眼睛构建颜色的方式。它的基本颜色是红色、绿色和蓝色。为了对颜色的透明度进行编码有时会添加第四个元素 alpha (A)。 但是还有许多其他颜色系统每个都有自己的优势 RGB 是最常见的因为我们的眼睛使用类似的东西但请记住OpenCV 标准显示系统使用 BGR 颜色空间红色和蓝色通道交换位置组成颜色。 HSV 和 HLS 将颜色分解为色调、饱和度和值/亮度分量这是我们描述颜色的更自然的方式。例如您可能会忽略最后一个组件从而使您的算法对输入图像的光照条件不太敏感。 YCrCb 是流行的 JPEG 图像格式。 CIE L*ab 是一个感知均匀的颜色空间如果您需要测量给定颜色与另一种颜色的距离它会派上用场。
每个构建组件都有自己的有效域。这导致了所使用的数据类型。我们如何存储组件定义了我们对其域的控制。最小的数据类型是 char这意味着一个字节或 8 位。这可能是无符号的因此可以存储从 0 到 255 的值或有符号的从 -127 到 127 的值。虽然在三个组件如 RGB的情况下这个宽度已经提供了 1600 万种可能的颜色来表示但我们可以通过对每个组件使用浮点4 字节 32 位或双精度8 字节 64 位数据类型来获得更精细的控制。不过请记住增加组件的大小也会增加内存中整个图片的大小。 关于这些内容笔者后面会进行更加详细的介绍。 创建一个指定像素方式的图像。 你已经学会了如何使用 cv::imwrite() 函数将矩阵写入图像文件。没有你跳过了0.beginners的篇章去看看吧但是出于调试目的查看实际值会更方便。你可以使用 Mat 的 运算符来执行此操作。请注意这仅适用于二维矩阵。 虽然 Mat 作为图像容器确实很有效但它也是一个通用矩阵类。因此可以创建和操作多维矩阵。你可以用多种方式创建 Mat 对象对于二维和多通道图像我们首先定义它们的大小按行数和列数。然后我们需要指定用于存储元素的数据类型和每个矩阵点的通道数。为此我们根据以下约定构建了多个定义 CV[每项的位数][有符号或无符号][类型前缀]C[通道号] 例如CV_8UC3 表示我们使用 8 位长的无符号字符类型每个像素有三个这样的类型来形成三个通道。最多有四个通道的预定义类型。cv::Scalar 是四个元素的短向量。指定它您可以使用自定义值初始化所有矩阵点。这样你可以猜猜我们的灰度图是如何表达的呢CV_8UC1!可以回去翻翻你数字图像处理的书0~255手指头一算一个字节就能表达 std::cout Creating a image of 2 x 2 (0, 0, 255) Image;cv::Mat simple_image(2, 2, CV_8UC3, cv::Scalar(0, 0, 255));std::cout Opencv Implement the override function of the ofstream to display the cv::Mat\n;std::cout simple_image; // will not be an error! 就是这样我们创建了一个简单的纯红色的图像永远注意我们亲爱的Opencv使用的是BGR顺序来描述我们的图像你可以把行列拉大一些显示出来 笔者的显示如上所示。各位看官可以看着玩更改一下Scalar的值。 你还可以使用 C/C 数组并通过构造函数初始化 int sz[3] {2,2,2}; Mat L(3,sz, CV_8UC(1), Scalar::all(0)); 上例展示了如何创建一个多维矩阵。指定其维度然后传递一个包含每个维度大小的指针其余保持不变。 甚至可以是cv::Mat::create 函数 M.create(4,4, CV_8UC(2)); cout M endl M endl endl; 另外下面的这些内容属于想到了查函数的事情。笔者建议走马观花即可 Mat可以像使用Matlab函数那样的初始化方式 std::cout Also, we can initalize the Mat as Matlab way;cv::Mat E cv::Mat::eye(4, 4, CV_64F);std::cout E std::endl E std::endl std::endl;cv::Mat O cv::Mat::ones(2, 2, CV_32F);std::cout O std::endl O std::endl std::endl;cv::Mat Z cv::Mat::zeros(3, 3, CV_8UC1);std::cout Z std::endl Z std::endl std::endl; opencv自己还提供了其他的数据类型比如说Point2D, Point3D。好消息是他们都实现了各自的打印函数。 cv::Point2f pt(0, 0);cv::Point3f pt3(0, 0, 0);cv::Size sz(10, 10);cv::Rect rect(0, 0, 100, 100);cv::Scalar color(255, 0, 0);cv::Range range(0, 10);cv::Vecint, 3 vec(0, 0, 0);cv::Vec3b vec3b(0, 0, 0);cv::Vec3f vec3f(0, 0, 0);cv::Vec3d vec3d(0, 0, 0);// you can display themstd::cout pt pt std::endl;std::cout pt3 pt3 std::endl;std::cout sz sz std::endl;std::cout rect rect std::endl;std::cout color color std::endl;std::cout range range std::endl;std::cout vec vec std::endl;std::cout vec3b vec3b std::endl;std::cout vec3f vec3f std::endl;std::cout vec3d vec3d std::endl; 当然你可以参考 opencv/samples/cpp/tutorial_code/core/mat_the_basic_image_container/mat_the_basic_image_container.cpp 来进一步学习。 笔者的所有源码地址Charliechen114514/CCPixelCraft: A PixelLevel Image Convertor And Processor. Also Provide Opencv4 Tourial Usage… (github.com)