天津做网站找哪家好,专做农产品的网站,小程序免费制作平台有哪些,上海建筑网页设计我们知道每张图像都能够用矩阵来表示#xff0c;矩阵中每个元素的值表示了图像中每个像素值#xff0c;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#xff0c;就是找到了图像中灰度值最大的像素#xff0c;计算矩阵所有元素的平均值就是计算图像像素平均灰度… 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minVal图像或者矩阵中的最小值。maxVal图像或者矩阵中的最大值。minLoc图像或者矩阵中的最小值在矩阵中的坐标。maxLoc图像或者矩阵中的最大值在矩阵中的坐标。mask掩模用于设置在图像或矩阵中的指定区域寻找最值。
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
#includeiostream
#includevector
#includestring
#include opencv2/opencv.hpp
#include opencv/highgui.husing namespace std;
using namespace cv;int main(int argc,char** argv) {coutOpenCv Version: CV_VERSIONendl;//输出使用的opencv版本号Mat imgimread(1.jpg);//单通道图像Mat imgsimread(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_reimgs.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())
src待求平均值的图像矩阵。mask掩模用于标记求取哪些区域的平均值。 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())src待求平均值的图像矩阵。mean图像每个通道的平均值参数为Mat类型变量。stddev图像每个通道的标准方差参数为Mat类型变量。mask掩模用于标记求取哪些区域的平均值和标准方差。
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
#includeiostream
#includevector
#includestring
#include opencv2/opencv.hpp
#include opencv/highgui.husing namespace std;
using namespace cv;int main(int argc,char** argv) {coutOpenCv Version: CV_VERSIONendl;Mat imgimread(3.jpg);//单通道图像或矩阵Mat imgsimread(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;myMeanmean(imgs);coutimgs均值 myMeanendl;coutimgs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)src1第一个图像矩阵可以是任意通道数的矩阵。src2第二个图像矩阵尺寸和通道数以及数据类型都需要与src1一致。dst保留对应位置较大较小灰度值后的图像矩阵尺寸、通道数和数据类型与src1一致
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
#includeiostream
#includevector
#includestring
#include opencv2/opencv.hpp
#include opencv/highgui.husing namespace std;
using namespace cv;int main(int argc,char** argv) {coutOpenCv Version: CV_VERSIONendl;//对两张彩色图像进行比较运算Mat img1imread(l.png);Mat img2imread(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 src1Mat::zeros(Size(512,512),CV_8UC3);Rect rect(100,100,300,300);//起点100100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 src2Mat(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 vectorusing 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5050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;}
