《OpenCV3编程入门》学习笔记五：core组件进阶
一：内容介绍
本节主要介绍OpenCV的core模块基础部分：
1. 访问像素的一些方法
2. 图像混合的方法
3. 图像对比度、亮度调整
4. 离散傅里叶变换
5. XML和YAML文件的读取写入
二：学习笔记
- 本章仍是介绍了一些core模块的一些比较简单的应用。
- 在本章的大部分内容中，都透着用数字看待图像的观点。面对一副图像，别人看到的是美丽的画面及展示的内容，你还应该清醒的看到图像背后隐藏的数字，并且看的越深刻越好。本章中，在第三块源码及解析的提示部分大多添加了这些图像变换针对于每个像素的数学公式。都比较简单。
- 个人在示例7图像对比度亮度调整中加入了CLAHE算法的使用示例。CLAHE算法（Contrast Limited Adaptive Histogram Equalization，自适应直方图均衡化）在OpenCV中的使用。关于直方图均衡化和规定化这一块可参见：OpenCV2学习笔记（二）：图像的直方图http://blog.csdn.net/liyuefeilong/article/details/43709359 ，《数字图像处理与机器视觉》3.7节直方图均衡化 3.8节直方图规定化（匹配） 和《数字图像处理原理与实践》2.5节灰度均衡和2.6节直方图规定化。
三：相关源码及解析
本章示例较多，示例列表：
1.用指针访问像素
2.用迭代器访问像素
3.用动态地址计算配合at访问像素
4.遍历图像像素的14种方法
5.初级图像混合
6.多通道图像混合
7.图像对比度、亮度值调整
8.离散傅里叶变换
9.XML和YAML文件写入
10.XML和YAML文件读取
1. 用指针访问图像中的每个像素，缩小颜色空间（即减少图像中颜色的种类）
源码：
#include(i);
for (int j = 0; j < colNumber; j++)
{
data[j] = data[j] / div * div + div / 2;
}
}
} 素材：
效果图：
提示：
对应数学表达公式：I(x,y)= I(x,y)/div *div + div/2;
2 . 用迭代器访问像素，缩小颜色空间（即减少图像中颜色的种类）
源码：
#include::iterator it = outputImage.begin(); //初始位置迭代器
Mat_::iterator itend = outputImage.end(); //终止位置迭代器
for (; it != itend; it++)
{
(*it)[0] = (*it)[0]/div * div + div / 2;
(*it)[1] = (*it)[1] / div * div + div / 2;
(*it)[2] = (*it)[2] / div * div + div / 2;
}
} 素材：
同1
效果图：
同1
提示：
对应数学表达公式：I(x,y)= I(x,y)/div *div + div/2;
3 . 用动态地址计算配合at访问像素，缩小颜色空间（即减少图像中颜色的种类）/font>
源码：
#include(i, j)[0] = outputImage.at(i, j)[0] / div*div + div / 2; //蓝色通道
outputImage.at(i, j)[1] = outputImage.at(i, j)[1] / div*div + div / 2; //绿色通道
outputImage.at(i, j)[2] = outputImage.at(i, j)[2] / div*div + div / 2; //红色通道
}
}
} 素材：
同1
效果图：
同1
提示：
对应数学表达公式：I(x,y)= I(x,y)/div *div + div/2;
4 . 遍历图像像素的14种方法
源码：
素材：
效果图：
提示：
5 . 初级图像混合
源码：
#include素材：
效果图：
提示：
copyto()函数，mask中元素值为非0时才copy
6 . 多通道图像混合
源码：
#include素材：
同5
效果图：
提示：
5中时直接将像素叠加上去，此例程中先用split()分离通道，然后在单通道上使用addWeighted()叠加，最后再使用merge()将各通道合并。
7 . 图像对比度、亮度值调整
源码：
#include(y, x)[c] = saturate_cast((g_nContrastValue*0.01)*(g_srcImage.at(y,x)[c])+g_nBrightValue);
}
}
}
imshow("【原始窗口】", g_srcImage);
imshow("【效果图窗口】", g_dstImage);
}
//Contrast Limited Adaptive histgram equalization/CLAHE
void useCLAHE() {
Mat grayImage;
cvtColor(g_srcImage, grayImage, COLOR_RGB2GRAY);
imshow("【灰度图】", grayImage);
Ptr clahe = createCLAHE();
clahe->setClipLimit(4);
Mat dst;
clahe->apply(grayImage, dst);
imshow("【CLAHE效果图】", dst);
} 素材：
效果图：
提示：
改变图像亮度和对比度的数学表达式：I(x, y) = ContrastValue * I(x, y) + BrightValue;
本示例中在书本例程的基础上添加了CLAHE算法（Contrast Limited Adaptive Histogram Equalization，自适应直方图均衡化）在OpenCV中的使用。关于直方图均衡化和规定化这一块可参见：《数字图像处理与机器视觉》3.7节直方图均衡化 3.8节直方图规定化（匹配） 和《数字图像处理原理与实践》2.5节灰度均衡和2.6节直方图规定化。
8 . 散傅里叶变换
源码：
#include素材：
效果图：
提示：
傅里叶变换，难啃的一块骨头。
9 . XML和YAML文件写入
源码：
#include素材：
无
效果图：
无
提示：
YAML用的还是挺广泛的。
10 . XML和YAML文件读取
源码：
#include素材：
无
效果图：
无
提示：
YAML用的还是挺广泛的。