利用OpenCV处理图像

OpenCV是非常流行的图像处理库，下面介绍一下其对图像的基本操作。

1. 安装与环境

安装还有点儿复杂的，但百度几篇博客基本能解决，这里就不多说了。

安装好后，要在工程中使用OpenCV的头文件和库，需要在CMakeLists.txt中指定：

find_package(OpenCV 4.4)
MESSAGE("OPENCV VERSION: ${OpenCV_VERSION}")
include_directories(${OpenCV_INCLUDE_DIRS})
target_link_libraries(opencv_demo ${OpenCV_LIBS})

2. Demo讲解

2.1 简单读取+展示

  2 #include 
  3 #include 
  4 
  5 using namespace std;
  6 
  7 int main(int argc, char **argv) {
  8     string image_path = "./3.png";
  9     cv::Mat cv_image = cv::imread(image_path, -1);
 10     cv::imshow("hello image", cv_image);
 11     cout << "channel: " << cv_image.channels() << endl;
 12     cout << "row: " << cv_image.rows << endl;
 13     cout << "col: " << cv_image.cols << endl;
 14     cv::waitKey(0);
 15     return 0;
 16 }

1. cv::Mat

cv::Mat是OpenCV提供的用于存储图像的结构，本质上是一个大的二维数组。可以直接在程序中利用[][]访问数组中的元素。

2. cv::imread

cv::imread是读取图像的接口，用于将指定路径的图片读入cv::Mat中。第一个参数就是图片的路径，主流格式都是支持的。第二个参数是一个flag，用于表示读入的方式：

flag=-1：按照原始图像的信息读入

flag=0: 按照灰度图读入

flag=1: 按照彩色图读入（前提是原始图片是彩色的）

3. cv::imshow

cv::imshow用于图片的展示，第一个参数是图片的名字，第二个是存储图片的cv::Mat结构。

通过cv::Mat，可以直接打印出

4. 像素及通道信息

程序除了展示了图片外，还打印了其像素和通道信息：

channel: 4
row: 1080
col: 1920

这些信息是和读入的图片相关的，不同的图片，信息也不一定相同。以这个图片为例，它的像素点有1080行，1920列，所以我们称这个图片的分辨率是1080*1920；通道数为4，是个彩色图片。

    单通道：也就是通常所说的灰度图，每个像素点只有一个值表示，如果图像的深度是4-(256 = 2*2*2*2) 为2^4(下同)，那么他的像素取值范围是:0(黑)~255(白),并且仅用一个数字表示该点的像素值；

    三通道：也就是通过见到的彩色图，每个像素点有三个值表示，如果图像深度是4-(256 = 2*2*2*2),那么他的像素值有红(0~255)、绿(0~255)、蓝(0~255)叠加表示，色彩更加艳丽,每一个像素值为三个数字(a,b,c),分别代表了三原色的一种;
    四通道：也就是在三通道图像基础上加上透明程度，Alpha色彩空间，如果图像深度是4-(256 = 2*2*2*2),那么0是完全透明，255是完全不透明；
 

像素坐标

图片是有一个一个像素组成的，每个像素对应图片上的一个点，为了表示像素的位置，一般在会在图片上建立一个坐标系，然后用坐标来表示像素位置，这种坐标称为像素坐标（u-v坐标）。

（注意在OpenCV中u对应x对应列，v对应y对应行）

2.2 图片的缩放

上面已经说过，demo中的图片是1080*1920的，下面我们用OpenCV提供的接口将其缩小为原来的1/2，再放大到原来的4/3。

  1 
  2 #include 
  3 #include 
  4 
  5 using namespace std;
  6 
  7 int main(int argc, char **argv) {
  8     string image_path = "./3.png";
  9     cv::Mat origin_image = cv::imread(image_path, -1);
 10     cv::imshow("origin image", origin_image);
 11 
 12     cv::Mat down_image;
 13     auto down_cols = round(origin_image.cols*0.5);
 14     auto down_rows = round(origin_image.rows*0.5);
 15     cv::resize(origin_image, down_image,
 16         cv::Size(down_cols, down_rows), 0, 0, cv::INTER_NEAREST);
 17     cv::imshow("down image", down_image);
 18 
 19     cv::Mat up_image;
 20     auto up_cols = round(origin_image.cols*4/3);
 21     auto up_rows = round(origin_image.rows*4/3);
 22     cv::resize(origin_image, up_image,
 23         cv::Size(up_cols, up_rows), 0, 0, cv::INTER_NEAREST);
 24     cv::imshow("up image", up_image);
 25 
 26     cv::waitKey(0);
 27     return 0;
 28 }

主要就是调用了cv::resize接口，然后通过cv::Size指定目标图片的大小即可，非常简单。

最后的参数是插值的方式

// 在opencv中主要有五种常用的插值方式
1. INTER_LINEAR     双线性插值
2. INTER_NEAREST    最邻近插值
3. INTER_CUBIC        双三次样条插值
4. INTER_AREA        邻域像素再取样
5. INTER_LANCZOS4    8X8领域兰索斯插值

2.3 图片裁剪

  2 #include 
  3 #include 
  4 
  5 using namespace std;
  6 
  7 int main(int argc, char **argv) {
  8     string image_path = "./3.png";
  9     cv::Mat origin_image = cv::imread(image_path, -1);
 10     cv::imshow("origin image", origin_image);
 11 
 12     cv::Mat cropped_image = origin_image(cv::Range(80,280), cv::Range(150,330));
 13     cv::imshow("cropped image", cropped_image);
 14 
 15     cv::waitKey(0);
 16     return 0;
 17 }

这个代码也很容易理解，就不解释了。

到目前为止，遇到的接口都很友好，其实以后想要用哪种接口，直接百度一下即可，接口众多，没必要死记硬背。