C++下OpenCV学习笔记 ----图像叠加与混合

C++下OpenCV学习笔记

----图像叠加与混合

一.感兴趣区域：ROI

1. 定义方法
   （1）Rect定义法

Mat imageRoi;
imageRoi = image(Rect(500, 250, image.cols, image.rows));

        （2）Range定义法

Mat imageRoi;
imageRoi = image(Range(250, 250 + image.rows), Range(200, 200 + image.cols));

2. 掩膜（mask）与感兴趣区域（ROI）
   （1）定义
   用预先制作的感兴趣区域掩膜与待处理图像相乘，得到感兴趣区域图像，感兴趣区域内图像值保持不变，而区外图像值都为0。
   （2）代码实现

#include
using namespace cv;
int main()
{
	Mat srcImage1 = imread("C://Users//441//Desktop//ZL//夏目//1.jpg");
	Mat srcImage2 = imread("C://Users//441//Desktop//ZL//夏目//th（2）.jpg");
	Mat imageRoi = srcImage1(Rect(0, 277, srcImage2.cols, srcImage2.rows));
	Mat mask = imread("C://Users//441//Desktop//ZL//夏目//th（2）.jpg", 0);
	srcImage2.copyTo(imageRoi, mask);
	namedWindow("ROI图像叠加");
	imshow("ROI图像叠加", srcImage1);
	waitKey(0);
}

srcImage1的尺寸为820x461；
srcImage2的尺寸为252x184.

        （3）运行结果

二.线性混合操作

1. 原理
   G(x) = (1 - a)F(x) + aQ(x)

>>a的取值范围为0到1之间
>>F(x)和Q(x)为参与混合的两幅图像,G(x)表示输出图像
>>通过对两幅图像的每个像素值做线性加权得到最终的输出图像
>>两幅图像的大小和类型必须完全一致

2. 实现
   主要运用addWeighted函数实现。

三.计算数组的加权和：addWeighted函数

---->初识addWeighted函数

1. 原理
   void addWeighted(InputArray src1,double alpha,InputArray src2,double beta,double gamma,OutputArray dst,int dytpe=-1);
   addWeighted函数计算两个数组（src1和src2）的加权和：
   dst = src1[I] * alpha + src[2] * beta + gamma;

>>I为多维数组的索引值
>>当输出数组深度为CV_32S时，函数不适用，内存溢出或结果错误。

2. 当两幅图片尺寸不同时的叠加
   （1）代码实现

#include 
using namespace cv;

int main()
{
    Mat src1 = imread("C:\\Users\\441\\Desktop\\ZL\\夏目\\1.jpg");
    Mat src2 = imread("C:\\Users\\441\\Desktop\\ZL\\夏目\\th（2）.jpg");
    Mat dst;

    double alpha = 0.3;
    double beta;
    beta = (1.0 - alpha);

    Mat imageRoi = src1(Rect(0, 277, src2.cols, src2.rows));
    addWeighted(src2, alpha, imageRoi, beta, 0, imageRoi);

    imshow("图2", src2);
    imshow("图2`", imageRoi);
    imshow("mixed", src1);
    waitKey(0);
    return 0;
}

        （2）运行结果

四.颜色通道的分离与合并

1. 通道分离：split( )函数
   （1）原型
   void split(const Mat& src,Mat *mvBegin);

第一个参数：表示要分离颜色通道的矩阵
第二个参数：表示Mat数组的首地址

       void split(InputArray m, OutputArrayOfArrays mv);

第一个参数：表示要分离颜色通道的矩阵
第二个参数：表示一个vector对象

        （2）代码实现

#include
using namespace cv;
int main()
{
	Mat src = imread("C:\\Users\\441\\Desktop\\ZL\\夏目\\色阶图.png");
	imshow("原图", src);
	Mat channels[3];
	split(src, channels);
	imshow("B", channels[0]);
	imshow("G", channels[1]);
	imshow("R", channels[2]);
	waitKey(0);
}

#include
using namespace cv;
int main()
{
	Mat src = imread("C:\\Users\\441\\Desktop\\ZL\\夏目\\色阶图.png");
	imshow("原图", src);
	std::vector<Mat> channels;
	split(src, channels);
	imshow("B", channels.at(0));
	imshow("G", channels.at(1));
	imshow("R", channels.at(2));
	waitKey(0);
}

        （3）运行结果

2. 通道合并：merge( )函数
   （1）原型
   void merge(const Mat* mv, size_tcount, OutputArray dst);

第一个参数：表示要被合并的矩阵
第二个参数：表示输入矩阵的个数（当输入矩阵为空白的数组时，必须大于1）
第三个参数：表示输出的矩阵（与原矩阵拥有相同尺寸和深度，通道数量是矩阵阵列中的通道总数）

       void merge(InputArrayOfArrays mv,OutputArray dst);

第一个参数：表示vector容器的阵列
第二个参数：表示输出的矩阵（与原矩阵拥有相同尺寸和深度，通道数量是矩阵阵列中的通道总数）

        （2）代码实现

#include
using namespace cv;
int main()
{
	Mat src = imread("C:\\Users\\441\\Desktop\\ZL\\夏目\\色阶图.png");
	imshow("原图", src);
	Mat channels[3];
	split(src, channels);
	
	Mat blueChannels = channels[0];
	Mat greenChannels = channels[1];
	Mat redChannels = channels[2];

	Mat newsChannels[3] = { blueChannels,greenChannels,redChannels };
	Mat mergeImage;
	merge(newsChannels, 3, mergeImage);
	imshow("merge", mergeImage);
	waitKey(0);
}

#include
using namespace cv;
int main()
{
	Mat src = imread("C:\\Users\\441\\Desktop\\ZL\\夏目\\色阶图.png");
	imshow("原图", src);
	std::vector<Mat> channels;
	Mat blueChannels;
	Mat greenChannels;
	Mat redChannels;
	
	split(src, channels);
	blueChannels = channels.at(0);
	greenChannels = channels.at(1);
	redChannels = channels.at(2);

	Mat mergeImage;
	merge(channels, mergeImage);
	imshow("merge", mergeImage);
	waitKey(0);
}

        （3）运行结果

五.图像的亮度和对比度

1. 定义
   （1）亮度：图像亮度指的是图像的明暗程度。
   （灰度图像，则跟灰度值有关，灰度值越高则图像越亮）
   （2）对比度：图像对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，即指一幅图像灰度反差的大小。
   （灰度图像，设像素值的范围为[a,b]，若b-a的值越接近于255，图像对比度越大，看上去图像更清晰；越接近于0，图像对比度越小，图像越不清晰。）
2. 原理
   g(i, j) = a * f(i, j) + b

>>i和j表示像素位于第i行和第j列
>>f(i, j)表示源图像像素
>>g(i, j)表示输出图像像素
>>a(a > 0)表示增益（gain），常用来控制图像的对比度
>>b表示偏置（bias），常用来控制图像的亮度

 (1)当α=1，β=0时，图像无任何改变；
 (2)当α<1，β=0时，图像对比度下降，图像变暗；
 (3)当α>1，β=0时，图像对比度上升，图像变生动、丰富；
 (4)β上下浮动，图像亮度发生改变，不改变图像对比度；

3. 访问图像的每一个像素
   ---->系统讲解：访问图像像素的三种方法

Mat new_image = Mat::zeros(image.size(), image.type());
for(int y = 0; y < image.rows; y++)
	for(int x = 0; x < image.cols; x++)
		for(int c = 0; c < 3; c++)
			new_image.at<Vec3b>(y, x)[c] = saturate_cast<uchar>((g_nContrastValue*0.01)*(image.at<Vec3b>(y, x)[c]) + g_nBrightValue); 

>>y为行，x为列，c为R、G、B（分别对应0, 1, 2）其中之一
>>因为运算结果可能会超出像素取值范围 （溢出），或是非整数（如果是浮点数的话），用saturate_cast对结果进行转换，以确保它为有效值
if(data < 0)
        data = 0;
else if(data > 255)
        data = 255;

4. 代码实现

```clike
#include
using namespace cv;
using namespace std;
void onChange(Mat image, float g_nContrastValue, float g_nBrightValue)
{
	Mat new_image = Mat::zeros(image.size(), image.type());
	for (int y = 0; y < image.rows; y++)
		for (int x = 0; x < image.cols; x++)
			for (int c = 0; c < 3; c++)
				new_image.at<Vec3b>(y, x)[c] = saturate_cast<uchar>(g_nContrastValue * (image.at<Vec3b>(y, x)[c]) + g_nBrightValue);
		
	imshow("效果图", new_image);
	waitKey(0);
}
int main()
{
	Mat src = imread("C:\\Users\\441\\Desktop\\ZL\\夏目\\1.jpg");
	imshow("原图", src);

	float g_nContrastValue, g_nBrightValue;
	g_nContrastValue = 10.0;
	g_nBrightValue = 0;
	onChange(src, g_nContrastValue, g_nBrightValue);

	g_nContrastValue = 1.0;
	g_nBrightValue = 30;
	onChange(src, g_nContrastValue, g_nBrightValue);

	g_nContrastValue = 10.0;
	g_nBrightValue = 30;
	onChange(src, g_nContrastValue, g_nBrightValue);

	waitKey(0);
}

5. 运行结果
`原图`
 
 `更改对比度后的效果图`
 
  `更改亮度后的效果图`
 
  `更改对比度和亮度后的效果图`