OpenCV学习笔记（三）——图像简单处理

一、图像线性混合

    在OpenCV中提供了一个API可以实现两张图片的线性融合，此函数的声明如下：

可以看出这个函数最小需要6个参数，其中参数解释如下：

    第一个参数，InputArray类型的src1，表示需要加权的第一个数组，常常填一个Mat。

    第二个参数，alpha，表示第一个数组的权重。

    第三个参数，src2，表示第二个数组，它需要和第一个数组拥有相同的尺寸和通道数。

    第四个参数，beta，表示第二个数组的权重值。

    第五个参数，dst，输出的数组，它和输入的两个数组拥有相同的尺寸和通道数。

    第六个参数，gamma，一个加到权重总和上的标量值。看下面的式子自然会理解。

    第七个参数，dtype，输出阵列的可选深度，有默认值-1。;当两个输入数组具有相同的深度时，这个参数设置为-1（默认值），即等同于src1.depth（）。

    那么它的原理是什么呢？其实很简单：如果用数学公式来表达，addWeighted函数计算如下两个数组（src1和src2）的加权和，得到结果输出给第四个参数。即addWeighted函数的作用可以被表示为为如下的矩阵表达式为：

                                                        

    其中的，是多维数组元素的索引值。而且，在遇到多通道数组的时候，每个通道都需要独立地进行处理。另外需要注意的是，当输出数组的深度为CV_32S时，这个函数就不适用了，这时候就会内存溢出或者算出的结果压根不对。 

理论和函数的讲解就是上面这些，接着我们来看代码实例：

#include 
#include 


using namespace cv;
using namespace std;
int main()
{
	double alpha = 0.5;
	Mat img1, img2,dst;
	img1 = imread("test5.jpg");
	img2 = imread("test6.jpg");
	if (img1.empty())
	{
		printf("could not load the picture1...");
	}
	else if (img2.empty())
	{
		printf("could not load the picture2...");
	}

	if (img1.rows == img2.rows&&img1.cols == img2.cols&&img1.type() == img2.type())
	{
		addWeighted( img1,alpha,img2,(1.0-alpha),0.0,dst);
		namedWindow("图片1：", CV_WINDOW_AUTOSIZE);
		imshow("图片1：", img1);
		namedWindow("图片2：", CV_WINDOW_AUTOSIZE);
		imshow("图片2：", img2);
		namedWindow("混合后：", CV_WINDOW_AUTOSIZE);
		imshow("混合后：", dst);
	}
	else
	{
		printf( "could not  linear blend...");
	}	
	waitKey(0);
	system("PAUSE");
	return 0;
}

运行程序，结果如下：

二、亮度和对比度增强

       图像对比度是通过灰度级范围来度量的，而灰度级范围可通过观察灰度直方图得到，灰度级范围越大代表对比度越高；反之，对比度越低，低对比度的图像在视觉上给人的感觉是看起来不够清晰的，所以通过算法调整图像的灰度值，从而调整图像的对比度是有必要的。最简单的一种对比度增强方法是通过灰度值的线性变换来实现的。

        假设输入图像为，宽为、高为，输出图像记为，图像的线性变换可以利用以下公式定义：

因此，当时，为的一个副本；如果，则输出图像的对比度比有所增大；如果，则输出图像的对比度比有所减小。而值的改变，影响的是输出图像的亮度，当时，亮度增加；时，亮度减小。

    举例：假设图像的灰度级范围是[50,100]，通过的线性变换，可以将输出图像的灰度级拉伸到[100,200]，灰度级范围有所增加，从而提高了对比度；而如果令，则输出图像的灰度级会压缩到[25,50]，灰度级范围有所减小，则降低了对比度。

      这就是为什么我们拿到彩色图像以后往往会转化为灰度图进行处理，这位这样相当于只要处理一个通道。如果是三通道，原理是一样的，只不过我们需要对每一个通道都做上述转换步骤。接下来我们对三通道的彩色图像进行线性变换：

#include 
#include 


using namespace cv;
using namespace std;
int main()
{
		Mat src, dst;
		src = imread("test3.png");
		if (src.empty())
		{
			printf("could not load image...\n");
			return -1;
		}

		// 亮度和对比度调整
		int height = src.rows;
		int width = src.cols;
		dst = Mat::zeros(src.size(), src.type());
		float alpha = 1.5;
		float beta = 30;
		Mat m1;
		if (src.depth() != CV_32F)
		{
			src.convertTo(m1, CV_32F);
		}
		for (int row = 0; row < height; row++)
		{
			for (int col = 0; col < width; col++)
			{
				if (src.channels() == 3) 
				{
					float b = m1.at(row, col)[0];//蓝通道
					float g = m1.at(row, col)[1]; // 绿通道
					float r = m1.at(row, col)[2]; // 红通道			
					dst.at(row, col)[0] = saturate_cast(b*alpha + beta);
					dst.at(row, col)[1] = saturate_cast(g*alpha + beta);
					dst.at(row, col)[2] = saturate_cast(r*alpha + beta);
				}
				else if (src.channels() == 1)
				{
					float v = src.at(row, col);
					dst.at(row, col) = saturate_cast(v*alpha + beta);
				}
			}
		}
		namedWindow("调整前：", CV_WINDOW_AUTOSIZE);
		imshow("调整前：", src);
		namedWindow("调整后：", CV_WINDOW_AUTOSIZE);
		imshow("调整后：", dst);
		 waitKey(0);
		system("PAUSE");
		return 0;
}

运行程序，如下所示：

三、线性变换API

    其实，在OpenCV中，就提供了API接口来实现上述的线性变换，其函数声明如下：

  其中参数的关系为,  的数据类型和输入矩阵的数据类型是相同的。

我们用上面介绍的API接口来实现同样的操作：

#include 
#include 


using namespace cv;
using namespace std;
int main()
{
		Mat src, dst;
		src = imread("test3.png");
		if (src.empty())
		{
			printf("could not load image...\n");
			return -1;
		}

		// 亮度和对比度调整
		int height = src.rows;
		int width = src.cols;
		dst = Mat::zeros(src.size(), src.type());
		float alpha = 1.5;
		float beta = 30;
		convertScaleAbs(src, dst, 1.5, 30);  //调用API接口
		namedWindow("调整前：", CV_WINDOW_AUTOSIZE);
		imshow("调整前：", src);
		namedWindow("调整后：", CV_WINDOW_AUTOSIZE);
		imshow("调整后：", dst);
		 waitKey(0);
		system("PAUSE");
		return 0;
}