与OpenCV的第九天

第一件事：分离颜色通道，多通道图像混合

1. split 函数（通道分离）

函数原型：

void split(const Mat& src, Mat* mvbegin);
void split(InputArray m, OutputArrayOfArrays mv);

按原矩阵的各个通道分类，生成一个单通道的矩阵数组。

参数	解释
const Mat& src InputArray m	需要分离通道的多通道矩阵
Mat* mvbegnin OutputArrayOfArrays	输出的单通道数组

示例代码：

cv::Mat srcImage = cv::imread("1.jpg");
std::vector channels;
cv::split(srcImage,channels);
cv::Mat imageBlue = channels.at(0);

2. merge 函数（通道合并）

将多个单通道图像组合为一个多通道图像。
函数原型如下：

void merge(const Mat* mv, size_t count, OutputArray dst);
void merge(InputArrayOfArrays mv, OutputArray dst);

原型一：

参数	解释
const Mat* mv	单通道矩阵数组
size_t count	矩阵数组元素个数
OutputArray dst	输出矩阵，尺寸、深度和m[0]一致。

原型二：

参数	解释
InputArrayOfArrays mv	需要合并通道的多个单通道矩阵
Mat* mvbegnin OutputArray	输出的多通道矩阵

示例代码：

#include 
int main(int argc, const char * argv[]) {
    cv::Mat srcImge = cv::imread("1.jpg");
    std::vector channels;
    cv::split(srcImge, channels);
    
    cv::Mat blue = channels.at(0);
    cv::Mat green = channels.at(1);
    cv::Mat red = channels.at(2);
    
    cv::imshow("blue", blue);
    cv::imshow("green", green);
    cv::imshow("red", red);
    
    
    cv::Mat merImage;
    cv::Mat imgs[] = {blue,green,red};
    cv::merge(imgs, 3, merImage);
    
//    std::vector vector = {blue,green,red};
//    cv::merge(vmers, merImage);
//    或者
//    cv::merge(channels, merImage);
    
    cv::imshow("image", merImage);
    cv::waitKey();
    return 0;
}

发现运行后 blue green red 三个窗口显示的图像颜色都是灰色，这是因为 split 函数生成的都是单通道矩阵和灰度空间矩阵是一模一样的。

blue 窗口

green 窗口

red 窗口

合并生成的图像

第二件事：图像对比度、亮度值调整

理论：
图像的对比度和亮度的调整，其实是图像处理操作中比较简单地一种操作——点操作：仅根据输入的单个像素值（有时会加入某些全局信息）来计算相应的输出像素，如：对比度调整，亮度调整、颜色校正和变换等等。公式如下：

亮度对比度调节公式

• f(x) 代表输入像素 ；
• g(x) 代表输出像素；
• α 通常称为增益（ gain ），这里用来调节对比度；
• b 通常称为偏置（ bias ），这里用来调节亮度。

结合第六天所学的访问图像像素，示例代码：

#include 
#include 

///**
// 亮度对比度调节示例程序全局变量部分
// */
int g_ncurBrightness = 50;
int g_nMaxBrightness = 100;
int g_ncurContrast = 50;
int g_nMaxContrast = 100;
cv::Mat g_srcImg;
cv::Mat g_dstImg;
void on_bcTrackBar(int count, void* userdata){
    int rows = g_srcImg.rows;
    int cols = g_srcImg.cols * g_srcImg.channels();
    double brightness = (double) g_ncurBrightness/g_nMaxBrightness * 100.0;
    double contrast = (double) g_ncurContrast/g_nMaxContrast * 5.0;
    
    for (int i = 0; i < rows; i++) {
        uchar *srcData = g_srcImg.ptr(i);
        uchar *dstData = g_dstImg.ptr(i);
        for (int j = 0; j < cols; j++) {
            int dstValue = srcData[j] * contrast + brightness;
            //溢出保护
            if (dstValue > 255)
                dstValue = 255;
            if (dstValue < 0)
                dstValue = 0;

            dstData[j] = dstValue;
        }
    }
    cv::imshow("run window", g_dstImg);
}
//主函数
int main(int argc, const char * argv[]) {
    g_srcImg = cv::imread("1.jpg");
    g_dstImg = cv::Mat(g_srcImg.size(),g_srcImg.type());
    
    cv::namedWindow("run window");
    cv::createTrackbar("brightness bar", "run window", &g_ncurBrightness, g_nMaxBrightness, on_bcTrackBar);
    cv::createTrackbar("contrast bar", "run window", &g_ncurContrast, g_nMaxContrast, on_bcTrackBar);
    
    on_bcTrackBar(0, 0);
    
    while (char(cv::waitKey(1)) != 'q') {}
    return 0;
}

【原图】

运行效果图