c++實(shí)現(xiàn)圖像像素計(jì)算的示例詳解

更新時(shí)間：2023年12月22日 10:20:20 作者：程序小K

我們知道每張圖像都能夠用矩陣來(lái)表示,矩陣中每個(gè)元素的值表示了圖像中每個(gè)像素值,像素值的大小就對(duì)應(yīng)著圖像的亮暗,本文主要來(lái)和大家介紹一下C++進(jìn)行圖像像素計(jì)算的相關(guān)知識(shí),感興趣的可以了解下

我們知道每張圖像都能夠用矩陣來(lái)表示，矩陣中每個(gè)元素的值表示了圖像中每個(gè)像素值，像素值的大小就對(duì)應(yīng)著圖像的亮暗。因此找到矩陣中的最大值，就是找到了圖像中灰度值最大的像素，計(jì)算矩陣所有元素的平均值就是計(jì)算圖像像素平均灰度，平均灰度表示圖像整體的亮暗程度。

圖像像素計(jì)算有以下幾種：

1、尋找圖像中最大像素值和最小像素值

可以利用opencv的minMaxLoc()函數(shù)實(shí)現(xiàn)

void cv::minMaxLoc(InputArray src,
                   double * minVal,
                   double * maxVal = 0,
                   Point * minLoc = 0,
                   Point * maxLoc = 0,
                   InputArray mask = noArray())

src：需要尋找最大值和最小值的圖像或者矩陣，要求必須是單通道矩陣

minVal：圖像或者矩陣中的最小值。
maxVal：圖像或者矩陣中的最大值。
minLoc：圖像或者矩陣中的最小值在矩陣中的坐標(biāo)。
maxLoc：圖像或者矩陣中的最大值在矩陣中的坐標(biāo)。
mask：掩模，用于設(shè)置在圖像或矩陣中的指定區(qū)域?qū)ふ易钪怠?/li>

Point數(shù)據(jù)類(lèi)型是用于表示圖像的像素坐標(biāo)，由于圖像的像素坐標(biāo)軸以左上角為坐標(biāo)原點(diǎn)，水平方向?yàn)閤軸，垂直方向?yàn)閥軸，因此Point(x,y)對(duì)應(yīng)于圖像的行和列表示為Point(列數(shù)，行數(shù))。在OpenCV中對(duì)于2D坐標(biāo)和3D坐標(biāo)都設(shè)置了多種數(shù)據(jù)類(lèi)型，針對(duì)2D坐標(biāo)數(shù)據(jù)類(lèi)型定義了整型坐標(biāo)cv::Point2i(或者cv::Point)、double型坐標(biāo)cv::Point2d、浮點(diǎn)型坐標(biāo)cv::Point2f，對(duì)于3D坐標(biāo)同樣定義了上述的坐標(biāo)數(shù)據(jù)類(lèi)型，只需要將其中的數(shù)字“2”變成“3”即可。對(duì)于坐標(biāo)中x、y、z軸的具體數(shù)據(jù)，可以通過(guò)變量的x、y、z屬性進(jìn)行訪(fǎng)問(wèn)，例如Point.x可以讀取坐標(biāo)的x軸數(shù)據(jù)。

對(duì)于多通道矩陣數(shù)據(jù)，利用cv::Mat::reshape()將多通道變成單通道，或者分別尋找每個(gè)通道的最值，然后再進(jìn)行比較尋找到全局最值。

具體使用案例如下：

#include<iostream>
#include<vector>
#include<string>
#include <opencv2/opencv.hpp>
#include "opencv/highgui.h"
 
using namespace std;
using namespace cv;
 
int main(int argc,char** argv) {
    cout<<"OpenCv Version: "<<CV_VERSION<<endl;//輸出使用的opencv版本號(hào)
    Mat img=imread('1.jpg');//單通道圖像
    Mat imgs=imread("2.jpg");//多通道圖像
    double minVal,maxVal;//用于存放矩陣中的最大值和最小值
    Point minIdx,maxIdx;//用于存放矩陣中的最大值和最小值的位置
 
    /*尋找單通道矩陣中的最值*/
    minMaxLoc(img,&maxVal,&minVal,&minIdx,&maxIdx);
    cout << "img中最大值是：" << maxVal << " " << "在矩陣中的位置:" << maxIdx << endl;
    cout << "img中最小值是：" << minVal << " " << "在矩陣中的位置:" << minIdx << endl;
 
    /*尋找多通道矩陣中的最值*/
    Mat imgs_re=imgs.reshape(1,4);//將多通道矩陣變成單通道矩陣
    minMaxLoc(imgs_re,&minVal,&maxVal,&minIdx,&maxIdx);
    cout << "img中最大值是：" << maxVal << " " << "在矩陣中的位置:" << maxIdx << endl;
    cout << "img中最小值是：" << minVal << " " << "在矩陣中的位置:" << minIdx << endl;
    return 0;
}

2、計(jì)算圖像的均值和標(biāo)準(zhǔn)差

如果我們想知道圖像的亮暗程度變化，可以求圖像的均值來(lái)判斷。均值越大，說(shuō)明圖像越亮。圖像標(biāo)準(zhǔn)差表示圖像中明暗變化程度，標(biāo)準(zhǔn)差越大表示圖像中明暗變化越明顯。

我們可以利用cv::mean()函數(shù)用于計(jì)算圖像的平均值，也可以利用meanStdDev()函數(shù)用于同時(shí)計(jì)算圖像的均值和標(biāo)準(zhǔn)方差。

cv::Scalar cv::mean(InputArray src,InputArray mask = noArray())

src：待求平均值的圖像矩陣。
mask：掩模，用于標(biāo)記求取哪些區(qū)域的平均值。

該函數(shù)用來(lái)求取圖像矩陣的每個(gè)通道的平均值，函數(shù)的第一個(gè)參數(shù)用來(lái)輸入待求平均值的圖像矩陣，其通道數(shù)目可以在1到4之間。需要注意的是，該函數(shù)的返回值是一個(gè)cv::Scalar類(lèi)型的變量，函數(shù)的返回值有4位，分別表示輸入圖像4個(gè)通道的平均值，如果輸入圖像只有1個(gè)通道，那么返回值的后三位都為0，例如輸入該函數(shù)一個(gè)單通道平均值為1的圖像，輸出的結(jié)果為[1,0,0,0]，可以通過(guò)cv::Scalar[n]查看第n個(gè)通道的平均值。該函數(shù)的第二個(gè)參數(shù)用于控制圖像求取均值的范圍，在第一個(gè)參數(shù)中去除第二個(gè)參數(shù)中像素值為0的像素，當(dāng)不輸入第二個(gè)參數(shù)時(shí)，表示求取第一個(gè)參數(shù)全部像素的平均值。

void cv::meanStdDev(InputArray src,OutputArray mean,OutputArray stddev,InputArray mask = noArray())

src：待求平均值的圖像矩陣。
mean：圖像每個(gè)通道的平均值，參數(shù)為Mat類(lèi)型變量。
stddev：圖像每個(gè)通道的標(biāo)準(zhǔn)方差，參數(shù)為Mat類(lèi)型變量。
mask：掩模，用于標(biāo)記求取哪些區(qū)域的平均值和標(biāo)準(zhǔn)方差。

該函數(shù)的第一個(gè)參數(shù)與前面mean()函數(shù)第一個(gè)參數(shù)相同，都可以是1-4通道的圖像，不同之處在于該函數(shù)沒(méi)有返回值，圖像的均值和標(biāo)準(zhǔn)方差輸出在函數(shù)的第二個(gè)和第三個(gè)參數(shù)中，區(qū)別于mean()函數(shù)，用于存放平均值和標(biāo)準(zhǔn)方差的是Mat類(lèi)型變量，變量中的數(shù)據(jù)個(gè)數(shù)與第一個(gè)參數(shù)通道數(shù)相同，如果輸入圖像只有一個(gè)通道，該函數(shù)求取的平均值和標(biāo)準(zhǔn)方差變量中只有一個(gè)數(shù)據(jù)。

具體使用案例如下：

#include<iostream>
#include<vector>
#include<string>
#include <opencv2/opencv.hpp>
#include "opencv/highgui.h"
 
using namespace std;
using namespace cv;
 
int main(int argc,char** argv) {
    cout<<"OpenCv Version: "<<CV_VERSION<<endl;
    Mat img=imread("3.jpg");//單通道圖像或矩陣
    Mat imgs=imread("4.jpg");//多通道圖像或矩陣
 
    cout << "/* 用meanStdDev同時(shí)求取圖像的均值和標(biāo)準(zhǔn)方差 */" << endl;
    Scalar myMean;
    myMean=mean(imgs);
    cout<<"imgs均值 = "<<myMean<<endl;
    cout<<"imgs第一個(gè)通道的均值 = "<<myMean[0]<<" "
        <<"imgs第二個(gè)通道的均值 = "<<myMean[1]<<endl;
 
    cout << "/* 用meanStdDev同時(shí)求取圖像的均值和標(biāo)準(zhǔn)方差 */" << endl;
    Mat myMeanMat,myStddevMat;
 
    meanStdDev(img,myMeanMat,myStddevMat);
    cout << "img均值=" << myMeanMat << " " << endl;
    cout << "img標(biāo)準(zhǔn)方差=" << myStddevMat << endl << endl;
    meanStdDev(imgs,myMeanMat,myStddevMat);
    cout << "img均值=" << myMeanMat << " " << endl;
    cout << "img標(biāo)準(zhǔn)方差=" << myStddevMat << endl << endl;
    return 0;
}

3、兩張圖像比較運(yùn)算

opencv提供了求取兩張圖像每一位像素較大或者較小灰度值的max()、min()函數(shù)，這兩個(gè)函數(shù)分別比較兩個(gè)圖像中每一位元素灰度值的大小，保留較大（較?。┑幕叶戎?。

void cv::max(InputArray src1,InputArray src2,OutputArray dst) 
void cv::min(InputArray src1,InputArray src2,OutputArray dst)

src1：第一個(gè)圖像矩陣，可以是任意通道數(shù)的矩陣。
src2：第二個(gè)圖像矩陣，尺寸和通道數(shù)以及數(shù)據(jù)類(lèi)型都需要與src1一致。
dst：保留對(duì)應(yīng)位置較大（較?。┗叶戎岛蟮膱D像矩陣，尺寸、通道數(shù)和數(shù)據(jù)類(lèi)型與src1一致

該函數(shù)的功能相對(duì)來(lái)說(shuō)比較簡(jiǎn)單，就是比較圖像每個(gè)像素的大小，按要求保留較大值或者較小值，最后生成新的圖像。

具體案例如下：

#include<iostream>
#include<vector>
#include<string>
#include <opencv2/opencv.hpp>
#include "opencv/highgui.h"
 
using namespace std;
using namespace cv;
 
int main(int argc,char** argv) {
    cout<<"OpenCv Version: "<<CV_VERSION<<endl;
    //對(duì)兩張彩色圖像進(jìn)行比較運(yùn)算
    Mat img1=imread("l.png");
    Mat img2=imread("2.jpg");
    if(img0.empty()||img1.empty()){
        cout<<"請(qǐng)確認(rèn)圖像文件名稱(chēng)是否正確"<<endl;
        return -1;
    }
    Mat comMin,comMax;
    max(img1,img2,comMax);
    min(img1,img2,comMin);
    imshow("comMin",comMin);
    imshow("comMax",comMax);
 
    //與掩模進(jìn)行比較運(yùn)算
    Mat src1=Mat::zeros(Size(512,512),CV_8UC3);
    Rect rect(100,100,300,300);//起點(diǎn)（100，100）長(zhǎng)300，寬300的矩形
    src1(rect)=Scalar(255,255,255);//生成一個(gè)300*300的掩模
    Mat comsrc1,comsrc2;
    min(img1,src1,comsrc1);
    imshow("comsrc1",comsrc1);
 
    Mat src2=Mat(512,512,CV_8UC3,Scalar(0,0,255));//生成一個(gè)顯示紅色的低通掩模
    min(img1,src2,comsrc2);
    imshow("comsrc2",comsrc2);
 
    //對(duì)兩張圖片灰度圖像進(jìn)行比較運(yùn)算
    Mat img1g,img2g,comMing,comMaxg;
    cvtColor(img1,img1g,COLOR_BGR2GRAY);
    cvtColor(img2,img2g,COLOR_BGR2GRAY);
    max(img1g,img2g,comMaxg);
    max(img1g,img2g,comMaxg);
    imshow("comMing",comMing);
    imshow("comMaxg",comMaxg);
    return 0;
}

4、圖片邏輯運(yùn)算

opencv為兩個(gè)圖像像素之間邏輯運(yùn)算與、或、異或以及非運(yùn)算提供了bitwise_and()、bitwise_or()、bitwise_xor()和bitwise_not()四個(gè)函數(shù)，在進(jìn)行邏輯計(jì)算時(shí)，一定要保證兩個(gè)圖像矩陣之間的尺寸、數(shù)據(jù)類(lèi)型和通道數(shù)相同，多個(gè)通道進(jìn)行邏輯運(yùn)算時(shí)不同通道之間是獨(dú)立進(jìn)行的。

具體案例如下：

#include <opencv2\opencv.hpp>
#include <iostream>
#include <vector>
 
using namespace std;
using namespace cv;
 
int main()
{
   Mat img = imread("lena.png");
   if (img.empty())
  {
     cout << "請(qǐng)確認(rèn)圖像文件名稱(chēng)是否正確" << endl;
      return -1;
   }
   //創(chuàng)建兩個(gè)黑白圖像
  Mat img0 = Mat::zeros(200, 200, CV_8UC1);
  Mat img1 = Mat::zeros(200, 200, CV_8UC1);
  Rect rect0(50, 50, 100, 100);
  img0(rect0) = Scalar(255);//將起點(diǎn)50，50，長(zhǎng)寬100的矩形框區(qū)域像素值置為255，白色
  Rect rect1(100, 100, 100, 100);
  img1(rect1) = Scalar(255);
  imshow("img0", img0);
  imshow("img1", img1);
  //進(jìn)行邏輯運(yùn)算
  Mat myAnd, myOr, myXor, myNot, imgNot;
  bitwise_not(img0, myNot);
  bitwise_and(img0, img1, myAnd);
  bitwise_or(img0, img1, myOr);
  bitwise_xor(img0, img1, myXor);
  bitwise_not(img, imgNot);
  imshow("myAnd", myAnd);
  imshow("myOr", myOr);
  imshow("myXor", myXor);
  imshow("myNot", myNot);
  imshow("img", img);
  imshow("imgNot", imgNot);
  waitKey(0);
  return 0;
  }

到此這篇關(guān)于c++實(shí)現(xiàn)圖像像素計(jì)算的示例詳解的文章就介紹到這了,更多相關(guān)c++圖像像素計(jì)算內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: