2022-5-8：OpenCV入门（四）core组件进阶
1.LUT函数：Look up table
Mat lookUpTable(1,256,CV_8U);
u从三个都说副高fdffffDdqqqdqddq FQFQ2Q2W GW 问对方成为亲卫队请问我去问驱蚊器委屈委屈强强
char* p = lookUpTable.data;
for(int i = 0 ; i < 256 ; ++i)
p[i] = table[i];
//然后调用函数（I是输入 J是输出）：
for (int i = 0; i < times; ++i)
LUT(I, lookUpTable, J);
2.计时函数：getTickCount()和getTickFrequency()
getTickCount()返回CPU自某个事件以来走过的时钟周期数
getTickFrequency()返回CPU一秒钟所走的时钟周期数
double time0 = static_cast<double>(getTickCount());//记录起始时间
//进行图像处理操作。。。。。
time0 = ((double)getTickCount() - time0)/getTickFrequency();
cout<<"此方法运行事件："<<time0<<"秒"<<endl;//输出运行时间
3.访问图像中像素的三类方法：
方法一 指针访问：C操作符[];
方法二 迭代器iterator
方法三 动态地址计算
#include //---------------------------------【colorReduce( )函数】---------------------------------
// 描述：使用【指针访问：C操作符[ ]】方法版的颜色空间缩减函数
//----------------------------------------------------------------------------------------------
void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
//参数准备
outputImage = inputImage.clone(); //拷贝实参到临时变量
int rowNumber = outputImage.rows; //行数
int colNumber = outputImage.cols * outputImage.channels(); //列数 x 通道数=每一行元素的个数
//双重循环，遍历所有的像素值
for (int i = 0; i < rowNumber; i++) //行循环
{
uchar* data = outputImage.ptr<uchar>(i); //获取第i行的首地址
for (int j = 0; j < colNumber; j++) //列循环
{
// ---------【开始处理每个像素】-------------
data[j] = data[j] / div * div + div / 2;
//*data++ = *data / div * div + div / 2;//也可以写成这样
// ----------【处理结束】---------------------
} //行处理结束
}
}
//-------------------------------------【colorReduce( )函数】-----------------------------
// 描述：使用【迭代器】方法版的颜色空间缩减函数
//----------------------------------------------------------------------------------------------
void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
//参数准备
outputImage = inputImage.clone(); //拷贝实参到临时变量
//获取迭代器
Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>(); //初始位置的迭代器
Mat_<Vec3b>::iterator itend = outputImage.end<Vec3b>(); //终止位置的迭代器
//存取彩色图像像素
for(;it != itend;++it)
{
// ------------------------【开始处理每个像素】--------------------
(*it)[0] = (*it)[0]/div*div + div/2;
(*it)[1] = (*it)[1]/div*div + div/2;
(*it)[2] = (*it)[2]/div*div + div/2;
// ------------------------【处理结束】----------------------------
}
}
//----------------------------------【colorReduce( )函数】-------------------------------
// 描述：使用【动态地址运算配合at】方法版本的颜色空间缩减函数
//----------------------------------------------------------------------------------------------
void colorReduce(Mat& inputImage, Mat& outputImage, int div)
{
//参数准备
outputImage = inputImage.clone(); //拷贝实参到临时变量
int rowNumber = outputImage.rows; //行数
int colNumber = outputImage.cols; //列数
//存取彩色图像像素
for(int i = 0;i < rowNumber;i++)
{
for(int j = 0;j < colNumber;j++)
{
// ------------------------【开始处理每个像素】--------------------
outputImage.at<Vec3b>(i,j)[0] = outputImage.at<Vec3b>(i,j)[0]/div*div + div/2; //蓝色通道
outputImage.at<Vec3b>(i,j)[1] = outputImage.at<Vec3b>(i,j)[1]/div*div + div/2; //绿色通道
outputImage.at<Vec3b>(i,j)[2] = outputImage.at<Vec3b>(i,j)[2]/div*div + div/2; //红是通道
// -------------------------【处理结束】----------------------------
} // 行处理结束
}
}
``
## 4.ROI(region of interest)：感兴趣区域
```cpp
Mat imageROI;
//方法一
imageROI = srcImage(Rect(200, 250, logoImage.cols, logoImage.rows));
//方法二
//imageROI= srcImage4(Range(250,250+logoImage.rows),Range(200,200+logoImage.cols));
5.分离颜色通道、多通道图像混合
通道分离：split函数
通道合并：merge函数
vector<Mat> channels;
split(srcImage, channels);//分离色彩通道
Mat imageBlueChannel = channels.at(0);
Mat imageGreenChannel = channels.at(1);
Mat imageRedChannel = channels.at(2);
merge(channels, srcImage);//将三个单通道重新合并成一个三通道
6.图像对比度、亮度值调整
#include 
7.离散傅里叶变换
void dft(InputArray src, OutputArray dst, int flags=0, int nonzeroRows=0)//第一个参数为输入矩阵；第二个参数为运算结果；第三个参数为转换的标识符（下表）；第四个参数为想要处理的那一行值，函数会假设只有输入矩阵的第一个非零行包含非零元素。
int getOptimalDFTSize(int vecsize)//返回给定向量尺寸的DFT最优尺寸大小
void copyMakeBorder(InputArray src, OutputArray dst, int top, int bottom, int left, int right, int borderType, const Scalar&value=Scalar() )
//扩充图像边界
//第一个参数为输入图像；第二个参数为输出图像；第三到第六个参数：需要在四个方向边界扩充的像素数；第七个参数为边界类型，常用为BORDER_CONSTANT；第八个参数为const Scalar&类型的value，有默认值Scalar()。
void magnitude(InputArray x,InputArray y,OutputArray magnitude)
//计算二维矢量的幅值
//第一个参数为浮点型X坐标值，实部；第二个参数为浮点型Y坐标值，虚部；第三个参数为输出的幅值
//X和Y的平方和再开根号
void log(InputArray src, OutputArray dst)
//计算自然对数
void normalize(InputArray src, OutputArray dst, double alpha=1,double beta=0, int norm_type=NORM_L2, int dtype=-1, InputArray mask =noArray())
//矩阵归一化
//第一个参数为输入图像；第二个参数为输出图像；第三个参数为归一化后的最大值，第四个参数为归一化后的最小值；第五个参数为归一化类型；第六个参数取负值时，输出矩阵和src有同样的类型，否则有同样的通道数；第七个参数为可选的操作掩膜。
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include 
8.输入输出XML和YAML文件
一. XML、YAML文件的打开
- 文件写操作
//第一种
FileStorage fs
fs.open("abs.xml",FileStorage::WRITE);
//第二种
FileStorage fs("abs.xml",FileStorage::WRITE);
- 文件读操作
//第一种
FileStorage fs
fs.open("abs.xml",FileStorage::READ);
//第二种
FileStorage fs("abs.xml",FileStorage::READ);
二. 进行文件读写操作
- 文本和数字的输入和输出
//写入文件
fs << "iterationNr" << 100;
//读取文件
int itNr;
fs["iterationNr"] >> itNr;
itNr = (int) fs["iterationNr"];
- OpenCV数据结构的输入和输出
//数据结构的初始化
Mat R = Mat_<uchar>::eye(3,3),
Mat T = Mat_<double>::zeros(3,1);
//向 Mat中写入数据
fs << "R" << R;
fs << "T" << T;
//从 Mat中读取数据
fs ["R"] << R;
fs ["T"] >> T;
三. vector(arrays)和maps的输入和输出
对于vector结构输入和输出，要在第一个元素之前加上"[“，最后一个元素之前加上”]"。
fs << "strings" << "[";//开始读入string文本序列
fs << "imagel.jpg" << "Awesomeness" <<"baboon.jpg";
fs << "]";//关闭序列
对于map结构，替换成“{ }”
fs << "Mapping" ;//开始读入Mapping文本序列
fs << "{" << "One" << 1;
fs <<"Twp" << 2 << "}";//关闭序列
四、文件关闭
fs.release();
文件写入示例
#include "opencv2/opencv.hpp"
#include 文件读取示例
#include "opencv2/opencv.hpp"
#include 