05- OpenCV：图像操作和图像混合

目录

一、图像操作

1、读写图像

2、读写像素

3、修改像素值

4、Vec3b与Vec3F

5、相关的代码演示

二、图像混合

1、理论-线性混合操作

2、相关API(addWeighted)

3、代码演示（完整的例子）

一、图像操作

1、读写图像

（1）imread 可以指定加载为灰度或者RGB图像

（2）Imwrite 保存图像文件，类型由扩展名决定

2、读写像素

（1）读一个GRAY像素点的像素值（CV_8UC1）

Scalar intensity = img.at<uchar>(y, x);
或者 
Scalar intensity = img.at<uchar>(Point(x, y));

（2）读一个RGB像素点的像素值

Vec3f intensity = img.at<Vec3f>(y, x);
float blue = intensity.val[0];
float green = intensity.val[1];
float red = intensity.val[2];
3、修改像素值

（1）灰度图像

 img.at<uchar>(y, x) = 128;

（2）RGB三通道图像

img.at<Vec3b>(y,x)[0]=128; // blue 
img.at<Vec3b>(y,x)[1]=128; // green 
img.at<Vec3b>(y,x)[2]=128; // red

（3）空白图像赋值

img = Scalar(0);

（4）ROI选择

Rect r(10, 10, 100, 100); 
Mat smallImg = img(r);
4、Vec3b与Vec3F

（1）Vec3b对应三通道的顺序是blue、green、red的uchar类型数据。

（2）Vec3f对应三通道的float类型数据

（3）把CV_8UC1转换到CV32F1实现如下：

src.convertTo(dst, CV_32F);
5、相关的代码演示
#include <opencv2/core/core.hpp> 
#include <opencv2/imgcodecs.hpp> 
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace cv;
using namespace std;
int main(int argc, char** args) {
	Mat image = imread("D:/test.jpg", IMREAD_COLOR);
	if (image.empty()) {
		cout << "could not find the image resource..." << std::endl;
		return -1;
	}

	Mat grayImg;
	cvtColor(image, grayImg, COLOR_BGR2GRAY);
	Mat sobelx; 
	Sobel(grayImg, sobelx, CV_32F, 1, 0);
	double minVal, maxVal;
	minMaxLoc(sobelx, &minVal, &maxVal); //find minimum and maximum intensities
	Mat draw;
	sobelx.convertTo(draw, CV_8U, 255.0 / (maxVal - minVal), -minVal * 255.0 / (maxVal - minVal));
	/*
	int height = image.rows;
	int width = image.cols;
	int channels = image.channels();
	printf("height=%d width=%d channels=%d", height, width, channels);
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			if (channels == 3) {
				image.at<Vec3b>(row, col)[0] = 0; // blue
				image.at<Vec3b>(row, col)[1] = 0; // green
			}
		}
	}
	*/
	namedWindow("My Image", CV_WINDOW_AUTOSIZE);
	imshow("My Image", draw);
	waitKey(0);
	return 0;
}

效果展示：

bitwise_not(）这接口使用：逐位取反

#include<opencv2\opencv.hpp>
#include<iostream>

using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("test.jpg");
	if (!src.data)
	{
		printf("could not load image...\n");
	}

	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

    // 单通道的Mat
	Mat gray_src;
	cvtColor(src, gray_src, COLOR_RGB2GRAY);// 颜色空间的转换
	int nc = src.channels();

    // 图像像素操作，取反后，看输出是什么样子
	for (int row = 0; row < src.rows; row++)
	{
		for (int col = 0; col < src.cols; col++)
		{
			if (nc == 1)
			{
				int gray = gray_src.at<uchar>(row, col);
				gray_src.at<uchar>(row, col) = 255 - gray;
			}
			else if (nc == 3)
			{
				int b = src.at<Vec3b>(row, col)[0];
				int g = src.at<Vec3b>(row, col)[1];
				int r = src.at<Vec3b>(row, col)[2];
				dst.at<Vec3b>(row, col)[0] = 255 - b;
				dst.at<Vec3b>(row, col)[1] = 255 - g;
				dst.at<Vec3b>(row, col)[2] = 255 - r;
                
                //取最大值为灰度像素值
        	    //gray_src.at<uchar>(row, col) = max(r, max(b, g));
            
                //取最小值为灰度像素值
				//gray_src.at<uchar>(row, col) = min(r, min(b, g));
			}
		}
	}
    // 最后一个if的操作，就是3色通道的rgb都取反，可以用下面的接口代替
    //bitwise_not(src, dst);//能实现一样的效果

	namedWindow("mask_result", CV_WINDOW_AUTOSIZE);
	imshow("mask_result", dst);

	//imshow("mask_result", gray_src); //输出灰色图像

	waitKey(0);
	return 0;
    
}

运行代码得出最后的效果：

二、图像混合

1、理论-线性混合操作

其中      的取值范围为0~1之间

2、相关API(addWeighted)

addWeighted 是OpenCV中的一个函数，用于对两个图像进行加权相加。它可以用于图像融合、图像混合以及图像叠加等应用。

函数原型如下：


void cv::addWeighted(
    InputArray src1,
    double alpha,
    InputArray src2,
    double beta,
    double gamma,
    OutputArray dst,
    int dtype = -1

)

参数说明：

  • src1：第一个输入图像。
  • alpha：第一个输入图像的权重。
  • src2：第二个输入图像。
  • beta：第二个输入图像的权重。
  • gamma：加到结果上的标量值。
  • dst：输出图像，与输入图像具有相同的尺寸和类型。
  • dtype：可选参数，指定输出图像的数据类型，默认为-1，表示与输入图像保持一致。

关键代码实现


cv::Mat image1 = cv::imread("image1.jpg");
cv::Mat image2 = cv::imread("image2.jpg");

cv::Mat blendedImage;
double alpha = 0.5;  // 第一个图像的权重

double beta = 0.5;   // 第二个图像的权重

double gamma = 0.0;  // 加到结果上的标量值


cv::addWeighted(image1, alpha, image2, beta, gamma, blendedImage);

cv::imshow("Blended Image", blendedImage);
cv::waitKey(0);

代码将加载两张图像，然后用 addWeighted 函数将它们进行加权相加，并将结果显示在窗口中。

你可以根据实际需求调整 alpha、beta 和 gamma 的值，以及选择不同的图像作为输入来实现不同的效果。

3、代码演示（完整的例子）
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv) {
	Mat src1, src2, dst;
	src1 = imread("D:/vcprojects/images/LinuxLogo.jpg");
	src2 = imread("D:/vcprojects/images/win7logo.jpg");
	if (!src1.data) {
		cout << "could not load image Linux Logo..." << endl;
		return -1;
	}
	if (!src2.data) {
		cout << "could not load image WIN7 Logo..." << endl;
		return -1;
	}

	double alpha = 0.5;
	if (src1.rows == src2.rows && src1.cols == src2.cols && src1.type() == src2.type()) {
		// addWeighted(src1, alpha, src2, (1.0 - alpha), 0.0, dst);
		// multiply(src1, src2, dst, 1.0);
		
		imshow("linuxlogo", src1);
		imshow("win7logo", src2);
		namedWindow("blend demo", CV_WINDOW_AUTOSIZE);
		imshow("blend demo", dst);
	}
	else {
		printf("could not blend images , the size of images is not same...\n");
		return -1;
	}

	waitKey(0);
	return 0;
}

效果如下：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/312850.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

JVM基础（7）——ParNew垃圾回收器

JVM基础（7）——ParNew垃圾回收器

作者简介&#xff1a;大家好&#xff0c;我是smart哥&#xff0c;前中兴通讯、美团架构师&#xff0c;现某互联网公司CTO 联系qq&#xff1a;184480602&#xff0c;加我进群&#xff0c;大家一起学习&#xff0c;一起进步&#xff0c;一起对抗互联网寒冬 学习必须往深处挖&…
阅读更多...
信息系统中的需求分析

信息系统中的需求分析

软件需求是指用户对新系统在功能、行为、性能、设计约束等方面的期望。根据IEEE的软件工程标准词汇表&#xff0c;软件需求是指用户解决问题或达到目标所需的条件或能力&#xff0c;是系统或系统部件要满足合同、标准、规范或其他正式规定文档所需具有的条件或能力&#xff0c;…
阅读更多...
监督学习 - 支持向量机（Support Vector Machines，SVM）

监督学习 - 支持向量机（Support Vector Machines，SVM）

什么是机器学习 支持向量机&#xff08;Support Vector Machines&#xff0c;SVM&#xff09;是一种强大的机器学习算法&#xff0c;可用于解决分类和回归问题。SVM的目标是找到一个最优的超平面&#xff0c;以在特征空间中有效地划分不同类别的样本。 基本原理 超平面 在二…
阅读更多...
亚马逊卖家福音：鲲鹏系统全自动化操作，让你的账号更安全、生意更畅通

亚马逊卖家福音：鲲鹏系统全自动化操作，让你的账号更安全、生意更畅通

我想向大家分享一款让我的生意更轻松、更高效的神奇工具——亚马逊鲲鹏系统。这是一款功能齐全的全自动化操作软件&#xff0c;简直就是我的电商利器。下面我将为大家详细介绍一下我在使用这个系统时的真实体验。 首先&#xff0c;亚马逊鲲鹏系统的全自动批量注册买家号功能真是…
阅读更多...
maya , motionbuilder 骨骼动画相关操作与脚本

maya , motionbuilder 骨骼动画相关操作与脚本

文章目录 maya 解除/增加父子关系maya 修改骨骼局部坐标系mb同时打开两个动画文件显示骨骼局部坐标系删除不需要的骨骼重命名骨骼 maya 解除/增加父子关系 解触: 右键->操作->解除父子关系 增加&#xff1a;鼠标中键拖拽 maya 修改骨骼局部坐标系 注意一般就是改旋转&…
阅读更多...
练习-sizeof()和strlen()

练习-sizeof()和strlen()

目录 前言解题技巧一、sizeof()练习题1.1 整型数组1.1.1 一维整型数组1.1.2 二维整型数组 1.2 字符数组1.3 字符指针 二、strlen()练习题2.1 字符数组初始化时不包含\02.2 字符数组初始化包含\02.3 字符指针指向字符串常量 总结 前言 最近有点疲倦&#xff0c;啊啊啊&#xff…
阅读更多...
CentOS7 搭建Hadoop集群

CentOS7 搭建Hadoop集群

1.环境准备 准备三台Linux&#xff08;CentOS7&#xff09;服务器 IP服务器名称192.168.11.136Master192.168.11.137Slave01192.168.11.138Slave02 1.2修改配置文件 1.2.1修改hosts文件 # Master服务器 vi /etc/hosts192.168.11.137 Slave01 192.168.11.138 Slave02 192.1…
阅读更多...
微短剧市场暴涨267.65%，用微短剧场景AUI Kit精巧入局

微短剧市场暴涨267.65%，用微短剧场景AUI Kit精巧入局

微短剧&#xff0c;不仅上头&#xff0c;更要上心。 微短剧&#xff0c;深度“拿捏”了这个碎片化时代&#xff0c;也是刚过去的2023年绕不开的热词。 与传统影视剧制作精益求精、耗时长相反&#xff0c;门槛与耗时“双低”恰恰成为了微短剧的独特优势&#xff0c;使其走上以量…
阅读更多...
普通卷积、转置卷积（transposed convolution)的原理及运算步骤解释

普通卷积、转置卷积（transposed convolution)的原理及运算步骤解释

1.首先声明一点&#xff0c;转置卷积不是卷积的逆运算&#xff0c;转置卷积也是一种卷积方式&#xff0c;作用是进行上采样&#xff01;主要出现在分割和对抗神经网络模型中比较多。 2.其次&#xff0c;transposed convolution、fractionally-strided convolution 和 deconvol…
阅读更多...
Hadoop分布式文件系统(三)

Hadoop分布式文件系统(三)

目录 一、Hadoop 1、MapReduce 1.1、理解MapReduce思想 1.2、分布式计算概念 1.3、MapReduce介绍 1.4、MapReduce特点 1.5、MapReduce局限性 1.6、MapReduce实例进程 1.7、MapReduce阶段组成 1.8、MapReduce数据类型 1.9、MapReduce官方示例 2、YARN 一、Hadoop 1…
阅读更多...
leetcode 每日一题 2024年01月11日 统计出现过一次的公共字符串

leetcode 每日一题 2024年01月11日 统计出现过一次的公共字符串

题目 2085. 统计出现过一次的公共字符串 给你两个字符串数组 words1 和 words2 &#xff0c;请你返回在两个字符串数组中 都恰好出现一次 的字符串的数目。 示例 1&#xff1a; 输入&#xff1a;words1 ["leetcode","is","amazing","a…
阅读更多...
yolov8 瑞芯微 RKNN 的 C++部署，部署工程难度小、模型推理速度快

yolov8 瑞芯微 RKNN 的 C++部署，部署工程难度小、模型推理速度快

之前写过两次yolov8目标检测部署&#xff0c;后续继续思考&#xff0c;针对部署还有优化空间&#xff0c;本示例的部署方式优化了部署难度&#xff0c;加快了模型推理速度&#xff08;略微增加了后处理的时耗&#xff09;。 特别说明&#xff1a;如有侵权告知删除&#xff0c;…
阅读更多...
支付宝异步验签踩的坑

支付宝异步验签踩的坑

最近公司要做支付宝小程序 我作为服务端就要给小程序配置下单啊&#xff0c;异步回调同步支付状态等功能 就不可避免的使用到了支付宝异步验签 首先背景是我是PHP语言&#xff0c;然后验签方式是RSA2 一开始写原生验签方法&#xff0c;验签失败&#xff0c;后面又搞sdk 验签…
阅读更多...
ABAP message的6种类型

ABAP message的6种类型

ABAP message的6种类型 代码示例&#xff0c; IF lt_bseg[] IS INITIAL. MESSAGE 测试的信息&#xff01; TYPE I. ENDIF.
阅读更多...
[BJDCTF2020]ZJCTF，不过如此

[BJDCTF2020]ZJCTF，不过如此

题目源码&#xff1a; <?phperror_reporting(0); $text $_GET["text"]; $file $_GET["file"]; if(isset($text)&&(file_get_contents($text,r)"I have a dream")){echo "<br><h1>".file_get_contents($tex…
阅读更多...
完全卸载grafana

完全卸载grafana

先停掉grafana sudo systemctl stop grafana-server 查看要卸载的包的名字 yum list installed yum remove grafana-enterprise.x86_64 成功 删除grafana的数据目录 sudo rm -rf /etc/grafana/sudo rm -rf /usr/share/grafana/sudo rm -rf /var/lib/grafana/
阅读更多...
【AT 指令开发】软件框架与接口

【AT 指令开发】软件框架与接口

目录 1 软件逻辑2.代码2.1 at_command.h2.2 at_command.c本文主要用于记录纯MCU无OS下，AT 指令开发软件框架 1 软件逻辑 2.代码 2.1 at_command.h #ifndef AT_COMMAND_H #define AT_COMMAND_Hvoid AT_CMD_Process(uint8_t *uartBuffer, uint8_t dataLen);/*描述AT指令返回值…
阅读更多...
STM32学习笔记二十二：WS2812制作像素游戏屏-飞行射击游戏（12）总结

STM32学习笔记二十二：WS2812制作像素游戏屏-飞行射击游戏（12）总结

至此&#xff0c;飞行射击游戏已经基本实现该有的功能&#xff0c;已经比较接近早期的商业游戏了。 如果采用脚本&#xff0c;可以完成关卡游戏&#xff0c;如果不用&#xff0c;也可以做成无限挑战游戏。 我们汇总一下制作的过程&#xff1a; 1、建模UML 2、主循环处理过程…
阅读更多...
基于JavaWeb+BS架构+SpringBoot+Vue电影订票系统系统的设计和实现

基于JavaWeb+BS架构+SpringBoot+Vue电影订票系统系统的设计和实现

基于JavaWebBS架构SpringBootVue电影订票系统系统的设计和实现 文末获取源码Lun文目录前言主要技术系统设计功能截图订阅经典源码专栏Java项目精品实战案例《500套》 源码获取 文末获取源码 Lun文目录 1 绪 论 3 1.1研究背景和意义 3 1.2拟解决的问题及特性 3 1.3论文的结构 …
阅读更多...
数据库期末复习重点总结

数据库期末复习重点总结

数据库期末复习重点总结 本文为总结&#xff0c;如有不对的地方请指针 第2章 关系模型的介绍 名称符号选择σ投影∏笛卡儿积连接并∪集差-交∩赋值<-更名ρ 除操作 设R和S除运算的结果为T&#xff0c;则T包含所有在R中但不在S中的属性和值&#xff0c;且T的元组与S的元…
阅读更多...
最新文章

Copyright @ 2022~2023