opencv 学习: 05 像素处理

1.像素操作

图像处理归根到底是对图像像素的操作。

像素操作少不了对像素的遍历，而且要高效的遍历，因为像素数据量通常非常巨大。

以灰度图为例，其实一张图片就是一个矩阵，矩阵中的每个数字都表示一个像素。

灰度图，是一张由只包含明暗程度信息的像素组成的。通常，如果每个像素是unsigned 8-bit 格式，则 0 代表纯黑，255 代表纯白。

彩色图，是由红绿蓝三个色彩元素组成一个像素。每个像素中的各个色彩元素值，表示各自色彩的亮度。

这是由人的视觉系统决定的。

通常，8位已经足够，也有一些特殊应用需要16位（例如医学成像）。OpenCV还允许用其他类型的像素类型，创建矩阵（或图像），例如，整数（CV_32U 或 CV_32S）和浮点（CV_32F）数字。

这对于存储非常有用，例如，在某些图像处理任务中存储中间值。

大多数运算可以应用于任何类型的矩阵；另一些则需要特定类型的工作，仅使用给定数量的通道。因此，为了避免常见的编程错误，很好地理解函数或方法的前提条件是必不可少的。

1.1 操作像素值

只需要指明像素的行列位置，既可以获取到对应像素的值，对于灰度图就是一个数值，对于多通道的彩色图，将返回一个vector.

为了只管展示对像素的操作，简单实现一个椒盐噪声方法。

顾名思义，椒盐噪声是一种特殊类型的噪声，一些随机选择的像素被白色或黑色像素所取代。这种类型的噪声可能发生在故障通信中，某些像素值在传输过程中丢失。例子中，只是简单随机选中一些像素值进行赋值。

void salt(cv::Mat& image, int amount) {
int rows,cols;
for (size_t i = 0; i < amount; i++)
{
//std::rand() function returns a value between 0 and RAND_MAX
rows = rand() % image.rows;
cols = rand() % image.cols;
if (image.channels() == 1) {//灰度图像
image.at<uchar>(rows, cols) = 255;}else { //彩色图像image.at<cv::Vec3b>(rows, cols)[0] = 255;image.at<cv::Vec3b>(rows, cols)[1] = 255;image.at<cv::Vec3b>(rows, cols)[2] = 255;}}}

cv::Mat 包含多个对图片属性进行读写的方法。

对于公有的成员变量，如 rows 、cols 可以直接获取图片的高度和宽度。

对于像素的读写，可使用 at(int y, int x) 方法。但是，方法返回的类型必须在编译时已知，因为由于 cv:: mat 可以保存任何类型的元素，因此程序员需要指定预期的返回类型。

这也是为什么 at 方法被实现为 模板方法。所以，需要在调用时，指明类型：

image.at<uchar>(row, col) = 255;

注意：at 方法不会进行任何类型转换。所以，确保与像素类型匹配是编程人员的职责。

彩色图像中，每个像素有RGB三个分量。因此，cv::Mat 会返回包含三个 8-bit 值的 vector。 opencv 为这个类型定义了一个专用类型 cv::Vec3b . 对应的赋值语句就写成了如下方式：

//channel 代表0、1、2某个通道 
//opencv 以 BGR 的顺序存储数据，通道 0 代表 Blue 通道，以此类推。
image.at<cv::Vec3b>(row,col)[channel] = value;

对于两元素和四元素向量（cv::Vec2bandcv::Vec4b）以及其他元素类型也存在类似的向量类型。例如，对于双元素浮点向量，类型名的最后一个字母将被替换为 f ， 即 cv::Vec2f 。在 short 类型的情况下，最后一个字母被替换为 s，对于 integer 被替换为 i，对于双精度浮点向量被替换为 d。

所有这些类型都是使用v::Vec<T，N>模板类定义的，其中 T 是类型，N 是 vector 元素的个数。

最后，你可能会发现图像传参，使用的是值传参方式。

这涉及前面的知识，对图像的普通复制时，它们仍然共享相同的图像数据。所以，当在函数内修改图片的内容时，不一定要通过引用来传输图片。顺便提一下，按值传递参数通常使编译器更容易进行代码优化。

1.2 cv::Mat_ 模板类

使用C++模板定义 cv::Mat ，使其变得通用。

使用 cv::Mat 的 at 方法，有时会很麻烦，因为必须在每次调用中将返回的类型，指定为模板参数。

在矩阵类型已知的情况下，以使用 cv::Mat_ ，它是cv::Mat的模板子类。这个类定义了一些额外的方法，但没有新的数据属性，因此指向一个类的指针或引用，可以直接转换到另一个类。在这些额外的方法中，有operator()，它允许直接访问矩阵元素。因此，如果一个图像是对应于 uchar 类型的 cv::Mat 变量，那么可以写下面的代码：

//使用 cv::Mat_ 模板
cv::Mat_<uchar> im(image);// row 100, col 200 的像素被赋值 0im(100,200) = 0;

由于在创建变量时声明了 cv::Mat_ 元素的类型，因此 operator() 方法在编译时就知道要返回哪种类型。这使得代码更简洁，与at 方法效果完全相同。

完整代码：

#include <iostream>#include <opencv2/opencv.hpp>// 盐噪声// 值传图像，因为是引用计数的方式，相当于浅拷贝，其实就会改变原图像void salt(cv::Mat/*&*/ image, int amount){int row, col;for (size_t i = 0; i < amount; i++){// std::rand() function returns a value between 0 and RAND_MAXrow = rand() % image.rows;col = rand() % image.cols;if (image.channels() == 1){ // 灰度图像image.at<uchar>(row, col) = 255;}else{ // 彩色图像image.at<cv::Vec3b>(row, col)[0] = 255;image.at<cv::Vec3b>(row, col)[1] = 255;image.at<cv::Vec3b>(row, col)[2] = 255;}}}// 椒噪声 尝试使用cv::Mat_<>void pepper(cv::Mat image, int amount){int row, col;if (image.channels() == 1){ // 灰度图像cv::Mat_<uchar> temp(image);for (size_t i = 0; i < amount; i++){row = rand() % image.rows;col = rand() % image.cols;temp(row, col) = 0;}}else{ // 彩色图像cv::Mat_<cv::Vec3b> temp(image);for (size_t i = 0; i < amount; i++){row = rand() % image.rows;col = rand() % image.cols;temp(row, col) = cv::Vec3b(0, 0, 0);}}}int main(int argc, char *argv[]){// 检查命令行参数if (argc != 4){std::cerr << "Usage: " << argv[0] << " <input_image> <noise_rate:0.0 ~ 1.0> <output_image>" << std::endl;return -1;}// 读取输入图像和logo图像cv::Mat input_image = cv::imread(argv[1]);// 检查输入图像和logo图像是否成功读取if (input_image.empty()){std::cerr << "Error: Could not open or find input image" << std::endl;}cv::namedWindow("input_image", cv::WINDOW_NORMAL);cv::imshow("input_image", input_image);cv::waitKey(0);float noise_rate = std::stof(argv[2]);if (noise_rate < 0 || noise_rate > 1){std::cerr << "Error: noise_rate must be between 0.0 and 1.0" << std::endl;return -1;}// 细想，其实也不严谨，并不会严格贴近指定的噪声数量。可能存在重复赋值的问题// 只是简单控制下噪声点的数量而已salt(input_image, input_image.total() * noise_rate);pepper(input_image, input_image.total() * noise_rate);cv::imwrite(argv[3], input_image);cv::namedWindow("output_image", cv::WINDOW_NORMAL);cv::imshow("output_image", input_image);cv::waitKey(0);return 0;}

效果：会增加许多的噪点