opencv
Modification du contenu de l'image
Recherche…
Définir l'image entière sur une couleur unie
Étant donné une taille de cv::Mat img
non vide, nous pouvons la remplir de plusieurs manières:
img = cv::Scalar(blueVal,greenVal,redVal);
ou, plus général, mask support, cv::Mat::setTo()
:
img.setTo(cv::Scalar(blueVal,greenVal,redVal));
Si vous utilisez l'ancienne API OpenCV C avec IplImage* img
:
Utilisation:
cvSet(img, CV_RGB(redVal,greenVal,blueVal));
Modification des pixels par pixel des images
Dans OpenCV, les images peuvent être RVB / BGR, HSV, niveaux de gris, noir et blanc, etc. Il est essentiel de connaître le type de données avant de traiter les images.
Les types de données d'image sont principalement CV_8UC3
(matrice de uchar à 3 canaux) et CV_8U (matrice de uchar à 1 canal), mais la conversion à d'autres types tels que CV_32FC3, CV_64F est également possible. (voir types de données )
Considérez que l'image est une image RVB qui est lue par la fonction de imread
.
Mat rgb = imread('path/to/rgb/image', CV_LOAD_IMAGE_COLOR);
//to set RED pixel value of (i,j)th to X,
rgb.at<Vec3b>(i,j)[0] = X;
De même, si l'image est en niveaux de gris,
gray.at<uchar>(i,j) = X;
Notez que, dans OpenCV, les images en noir et blanc sont stockées en tant que type CV_8U avec les valeurs 0 et 255. Par conséquent, la modification des images BW est identique à celle des images grises.
Modification de la couleur de l’image dans OpenCV - kmeans (). Pour analyser tous les pixels d'une image et remplacer les valeurs de pixels par des couleurs génériques.
#include opencv2/opencv.hpp> #include vector> using namespace std; using namespace cv; int main() { Mat3b img = imread("test.jpg"); imshow("Original", img); // Cluster int K = 8; int n = img.rows * img.cols; Mat data = img.reshape(1, n); data.convertTo(data, CV_32F); Mat labels; Mat1f colors; kmeans(data, K, labels, cv::TermCriteria(), 1, cv::KMEANS_PP_CENTERS, colors); for (int i = 0; i < n; ++i) { data.at<float>(i, 0) = colors(labels.at<int>(i), 0); data.at<float>(i, 1) = colors(labels.at<int>(i), 1); data.at<float>(i, 2) = colors(labels.at<int>(i), 2); } Mat reduced = data.reshape(3, img.rows); reduced.convertTo(reduced, CV_8U); imshow("Reduced", reduced); waitKey(0); return 0;
imshow("Original", img); // Cluster int K = 8; int n = img.rows * img.cols; Mat data = img.reshape(1, n); data.convertTo(data, CV_32F); Mat labels; Mat1f colors; kmeans(data, K, labels, cv::TermCriteria(), 1, cv::KMEANS_PP_CENTERS, colors); for (int i = 0; i < n; ++i) { data.at<float>(i, 0) = colors(labels.at<int>(i), 0); data.at<float>(i, 1) = colors(labels.at<int>(i), 1); data.at<float>(i, 2) = colors(labels.at<int>(i), 2); } Mat reduced = data.reshape(3, img.rows); reduced.convertTo(reduced, CV_8U); imshow("Reduced", reduced); waitKey(0); return 0;
}