前言

---

　　经过的怎样读取图片，我们可以做一些有趣的图像变换，下面我们首先介绍使用遍历的方法实现，然后我们使用内置的函数实现。

 

矩阵掩码实现

---

　　矩阵掩码，和卷积神经网络中的卷积类似。一个例子如下：

　　现在我们看看怎么实现：

1 void Sharpen(const Mat& myImage, Mat& Result) 2 { 3     CV_Assert(myImage.depth() == CV_8U); 4  5     Result.create(myImage.size(), myImage.type()); 6     const int nChannels = myImage.channels(); 7  8     for (int j=1; j
     
      (j-1);10         const uchar * current = myImage.ptr
      
       (j);11         const uchar * next = myImage.ptr
       
        (j+1);12 13         uchar * output = Result.ptr
        
         (j);14 15         // 用连续存储的索引方法，所以每个点有三个uchar值16         // saturate_cast溢出保护17         for (int i=nChannels; i < nChannels * (myImage.cols-1); ++i) {18             *output++ = saturate_cast
         
          (5 * current[i]19             - current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);20         }21 22         // 四周设置为023         Result.row(0).setTo(Scalar(0));24         Result.row(Result.rows-1).setTo(Scalar(0));25         Result.col(0).setTo(Scalar(0));26         Result.col(Result.cols-1).setTo(Scalar(0));27     }28 }
         
        
       
      
     

 

 我们看看结果：

 

 

 因为掩码是增强中间，削弱四周，下面如果我们换掩码，使用内置函数看看效果：

1 void SharpenUseFilter2D(const Mat& src, Mat& dst) {2     Mat kern = (Mat_
     
      (3, 3) << 0,-1,0,3                                     -1,-1,5,4                                     0,-1,0);5     filter2D(src, dst, src.depth(), kern);6 }
     

 

 下面是增强右边元素，减弱左边元素的效果（类似浮雕的效果，大家可以换着掩码来玩）：

 

 

 图片混合

---

 

　　下面是线性混合操作：

　　这个可以实现幻灯片的淡入淡出，通过修改alpha值。

1 resize(src1, src1, cv::Size(200, 200));2 resize(src2, src2, cv::Size(200, 200));3 4 namedWindow("123");5 6 beta = 1.0 - alpha;7 // dst = alpha * src1 + beta * src2 + gamma8 // 这里gamma设置为0.09 addWeighted(src1, alpha, src2, beta, 0.0, dst);

 

 　　下面看看结果：

　　

 

 自己实现的简陋版本，除去错误检查等：

1 void addWeight(Mat& src1, double w1, Mat& src2, double w2, Mat& dst) 2 { 3     dst.create(src1.size(), src2.type()); 4      5     Mat_
     
       _src1 = src1; 6     Mat_
      
        _src2 = src2; 7     Mat_
       
         _dst = dst; 8  9     for (int i=0; i
       
      
     

 

 

 

改变图片的对比度和亮度

---

1     Mat new_image = Mat::zeros(image.size(), image.type()); 2  3     alpha = 1.2; // 1.0-3.0 4     beta = 50;    // 0-100 5  6     for (int y=0; y
     
      (y, x)[c] = saturate_cast
      
       11                     (alpha * (image.at
       
        (y, x)[c]) + beta);12         }13     }14 15     Mat new_image_2 = Mat::zeros(image.size(), image.type());16     // -1 代表输入输出类型一样17     image.convertTo(new_image_2, -1, alpha, beta);
       
      
     

 

 结果如下：

 

 基本绘图

---

可以查阅一下网址

• 如何用 在图像中定义 2D 点
• 如何以及为何使用
• 用OpenCV的函数 绘 直线
• 用OpenCV的函数 绘 椭圆
• 用OpenCV的函数 绘 矩形
• 用OpenCV的函数 绘 圆
• 用OpenCV的函数 绘 填充的多边形

而产生随机数可以使用 RNG rng( 0xFFFFFFFF ); 这样就可以生成符合一定分布的数，例如高斯分布 rng.uniform(1, 10);

 

 

快速傅里叶变换

---

 

（上图来源：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/core/discrete_fourier_transform/discrete_fourier_transform.html）

1     // 当图片大小是2，3，5的倍数的时候，傅里叶变换表现最高 2     // 所以先获得最好的尺寸 m，n 3     // 然后再进行填充 4     Mat padded; 5     int m = getOptimalDFTSize(I.rows); 6     int n = getOptimalDFTSize(I.cols); 7     copyMakeBorder(I, padded, m-I.rows, 0, n-I.cols, 0, BORDER_CONSTANT, Scalar::all(0)); 8  9     // 对于每个原图，结果是两个图像值10     // 因为需要储存复数部分，所以需要添加一个额外通道11     // 存到complexI中12     Mat planes[] = {Mat_
     
      (padded), Mat::zeros(padded.size(), CV_32F)};13     Mat complexI;14     merge(planes, 2, complexI);15 16     dft(complexI, complexI);17 18     // 将复数转化成幅度19     split(complexI, planes);    // planes[0] = Re(DFT(I), planes[1] = Im(DFT(I))20     magnitude(planes[0], planes[1], planes[0]);    // planes[0] = sqrt([0]**2 + [1]**2)21     Mat magI = planes[0];22 23     // 为了使变化可以观察，高低连续变换，需要尺度缩放24     magI += Scalar::all(1);25     log(magI, magI);26 27     // 剪切和重分布图像象限28     magI = magI(Rect(0, 0, magI.cols & -2, magI.rows & -2));29 30     int cx = magI.cols/2;31     int cy = magI.rows/2;32 33     Mat q0(magI, Rect(0, 0, cx, cy)); // 上左34     Mat q1(magI, Rect(cx, 0, cx, cy));// 上右35     Mat q2(magI, Rect(0, cy, cx, cy));// 下左36     Mat q3(magI, Rect(cx, cy, cx, cy));// 下右37 38     Mat tmp;39     q0.copyTo(tmp);40     q3.copyTo(q0);41     tmp.copyTo(q3);42 43     q1.copyTo(tmp);44     q2.copyTo(q1);45     tmp.copyTo(q2);46 47     // 归一化48     normalize(magI, magI, 0, 1, CV_MINMAX);
     

 

 

输出为XML或者YAML文件

---

　　输出为XML或者YAML需要借助 FileStorage 和 FileNode 。

　　首先声明文件名

1 string filename = "store.xml";

　　对于写入：

1 FileStorage fs(filename, FileStorage::WRITE); // 记得释放, fs.release();

　　对于读取：

1 FileStorage fs;2 fs.open(filename, FileStorage::READ);

 

内置对象的写入读取

1 // 写入2 fs << "iterationNr" << 100;3 4 //读取5 int itNr;6 itNr = (int) fs["iterationNr"];

存储效果如下：

 

序列的写入读取

// 序列写入需要使用[]fs << "strings" << "[";fs << "image1.jpg" << "Awesoneness" << "babonn.jpg";fs << "]";// 读取需要迭代器FileNode n = fs["strings"];if (n.type() != FileNode::SEQ) {    cerr << "string is not a sequence!" << endl;    return 1;}FileNodeIterator it = n.begin(), it_end = n.end();for (; it != it_end; ++it)    cout << (string)*it << endl;

 存储效果：

 

Map的写入读取

// map的写入需要{}fs << "Mapping";fs << "{
    " << "One" << 1;fs << "Two" << 2 << "}";// 读取n = fs["Mapping"];cout << "Two " << (int)(n["Two"]) << ";";cout << "One " << (int)(n["One"]) << endl << endl;

存储效果：

 

矩阵的写入读取

1 Mat R = Mat_
     
      ::eye(3, 3);2 fs << "R" << R;3 4 Mat R;5 fs["R"] >> R;
     

 

 存储效果：

 

 自定义对象的写入和读取

 首先自定义对象：

1 class MyData 2 { 3 public: 4     MyData(): A(0), X(0), id() {}; 5  6     explicit MyData(int): A(97), X(CV_PI), id("mydata1234") {}; 7  8     void write(FileStorage& fs) const { 9         fs << "{
    " << "A" << A << "X" << X <<"id" << id << "}"; // 自定义写入10     }11 12     void read(const FileNode& node) { // 自定义读取13         A = (int)node["A"];14         X = (double)node["X"];15         id = (string)node["id"];16     }17 public:18     int A;19     double X;20     string id;21 };

 然后还要重载全局的读取和写入函数：

1 static void write(FileStorage& fs, const std::string&, const MyData& x) { 2     x.write(fs); 3 } 4  5 static void read(const FileNode& node, MyData& x, const MyData& default_value = MyData()) { 6     if (node.empty()) 7         x = default_value; 8     else 9         x.read(node);10 }

 

这样就可以写入和读取：

1 MyData m(1);2 fs << "MyData" << m;3 4 fs["MyData"] >> m;

存储效果如下：

 

和OpenCV1混合

详见