Ricerca…


Osservazioni

Fai attenzione a conoscere il tipo di cv::Mat hai a che fare. Ad esempio, se hai un cv::Mat di tipo CV_8UC3 , ma image.at<uchar>(r,c) con image.at<uchar>(r,c) non si verificherà alcun errore, ma il tuo programma avrà un comportamento inaspettato.

Accedi ai singoli valori dei pixel con cv :: Mat :: at ()

Per accedere ai valori dei pixel in un oggetto cv::Mat OpenCV, devi prima conoscere il tipo di matrice.

I tipi più comuni sono:

  • CV_8UC1 per CV_8UC1 a 1-bit in scala di grigi a 1 canale;
  • CV_32FC1 per immagini in scala di grigi a 1 canale in virgola mobile a 32 bit;
  • CV_8UC3 per immagini a colori a 3 canali a 8 bit; e
  • CV_32FC3 per immagini a colori a 3 canali in virgola mobile a 32 bit.

L'impostazione predefinita con cv::imread creerà una matrice CV_8UC3 .

Per accedere ai singoli pixel, il modo più sicuro, anche se non il più efficiente, è utilizzare il metodo cv::Mat::at<T>(r,c) dove r è la riga della matrice c è la colonna . L'argomento modello dipende dal tipo di matrice.

Diciamo che hai un'immagine cv::Mat image . A seconda del tipo, il metodo di accesso e il tipo di pixel sono diversi.

  • Per CV_8UC1 : uchar pixelGrayValue = image.at<uchar>(r,c) .
  • Per CV_8UC3 : cv::Vec3b pixelColor = image.at<cv::Vec3b>(r,c) . L'oggetto cv::Vec3b rappresenta una tripletta di valori uchar (interi tra 0 e 255).
  • Per CV_32FC1 : float pixelGrayValue = image.at<float>(r,c) .
  • Per CV_32FC3 : cv::Vec3f pixelColor = image.at<cv::Vec3f>(r,c) . L'oggetto cv::Vec3f rappresenta una tripletta di valori float .

Nota che OpenCV rappresenta le immagini in ordine di riga maggiore , come ad esempio Matlab o come convenzione in Algebra. Pertanto, se le coordinate del tuo pixel sono (x,y) , accederai al pixel usando image.at<..>(y,x) .

In alternativa, at<> supporta anche l'accesso tramite un singolo argomento cv::Point .
In questo caso, l'accesso viene eseguito in colonne-principali :

image.at<..>(cv::Point(x,y));

Dai un'occhiata alla documentazione di OpenCV per maggiori dettagli su questo metodo.

Efficace accesso ai pixel usando cv :: Mat :: ptr pointer

Se l'efficienza è importante, un modo veloce per iterare su pixel in un oggetto cv::Mat è usare il suo metodo ptr<T>(int r) per ottenere un puntatore all'inizio della riga r (indice basato su 0).

In base al tipo di matrice, il puntatore avrà un modello diverso.

  • Per CV_8UC1 : uchar* ptr = image.ptr<uchar>(r);
  • Per CV_8UC3 : cv::Vec3b* ptr = image.ptr<cv::Vec3b>(r);
  • Per CV_32FC1 : float* ptr = image.ptr<float>(r);
  • Per CV_32FC3 : cv::Vec3f* ptr = image.ptr<cv::Vec3f>(r);

Questo oggetto ptr può quindi essere usato per accedere al valore del pixel sulla riga r e sulla colonna c chiamando ptr[c] .

Per illustrare questo, ecco un esempio in cui cariciamo un'immagine dal disco e invertiamo i suoi canali Blu e Rosso, operando pixel per pixel:

#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>

int main(int argc, char** argv) {
    cv::Mat image = cv::imread("image.jpg", CV_LOAD_IMAGE_COLOR);

    if(!image.data) {
        std::cout << "Error: the image wasn't correctly loaded." << std::endl;
        return -1;
    }

    // We iterate over all pixels of the image
    for(int r = 0; r < image.rows; r++) {
        // We obtain a pointer to the beginning of row r
        cv::Vec3b* ptr = image.ptr<cv::Vec3b>(r);

        for(int c = 0; c < image.cols; c++) {
            // We invert the blue and red values of the pixel
            ptr[c] = cv::Vec3b(ptr[c][2], ptr[c][1], ptr[c][0]);
        }
    }

    cv::imshow("Inverted Image", image);
    cv::waitKey();

    return 0;
}

Impostazione e acquisizione dei valori dei pixel di un'immagine grigia in C ++

// PixelAccessTutorial.cpp : Defines the entry point for the console 
// Environment: Visual studio 2015, Windows 10
// Assumptions: Opecv is installed configured in the visual studio project
// Opencv version: OpenCV 3.1

#include "stdafx.h"
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<string>
#include<iostream>

int main()
{

    cv::Mat imgOriginal;        // input image
    cv::Mat imgGrayscale;        // grayscale of input image

    std::cout << "Please enter an image filename : ";
    std::string img_addr;
    std::cin >> img_addr;

    std::cout << "Searching for " + img_addr << std::endl;

    imgOriginal = cv::imread(img_addr);            // open image

        if (imgOriginal.empty()) {                                    // if unable to open image
            std::cout << "error: image not read from file\n\n";        // show error message on command line
            return(0);                                                // and exit program
        }

    cv::cvtColor(imgOriginal, imgGrayscale, CV_BGR2GRAY);        // convert to grayscale

    const int channels = imgGrayscale.channels();
    printf("Number of channels = %d", channels);

    cv::Mat output ;
    imgGrayscale.copyTo(output); // Just to make sure the Mat objects are of the same size. 

    //Set the threshhold to your desired value
    uchar threshhold = 127; 

    if (channels == 1)
    {
        for (int x = 0; x<imgGrayscale.rows; x++) {
            for (int y = 0; y<imgGrayscale.cols; y++) {
                // Accesssing values of each pixel
                if (imgGrayscale.at<uchar>(x, y) >= threshhold) {
                    // Setting the pixel values to 255 if it's above the threshold
                    output.at<uchar>(x, y) = 254;
                }
                else if (imgGrayscale.at<uchar>(x, y) < threshhold) {
                    // Setting the pixel values to 255 if it's below the threshold
                    output.at<uchar>(x, y) = 0;
                }
                else {
                    // Just in case
                    printf("The value at (%d, %d) are not right. Value: %d\n", x, y, imgGrayscale.at<uchar>(x, y));
                }
            }
        }
    }
    else if (channels == 3)
    {
        // This is only for  gray scale images
        printf("\tThe image has 3 channels. The function does not support images with 3 channels.\n");
    }

    //Create windows to show image
    cv::namedWindow("Gray scale", CV_WINDOW_AUTOSIZE);    
    cv::namedWindow("Binary", CV_WINDOW_AUTOSIZE);        

    cv::imshow("Gray scale", imgGrayscale);        
    cv::imshow("Binary", output);

    cv::waitKey(0);                    // hold windows open until user presses a key

    return 0;
}

Accesso alternativo ai pixel con Matiterator

Non è il modo migliore per scorrere i pixel; tuttavia, è meglio di cv :: Mat :: at <T>.

Supponiamo che tu abbia un'immagine a colori nella tua cartella e vuoi iterare ogni pixel di questa immagine e cancellare i canali verde e rosso (nota che questo è un esempio, puoi farlo in modi più ottimizzati);

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp> 


int main(int argc, char **argv)
{

// Create a container
cv::Mat im; 

//Create a vector
cv::Vec3b *vec;

// Create an mat iterator
cv::MatIterator_<cv::Vec3b> it;

// Read the image in color format
im = cv::imread("orig1.jpg", 1);

// iterate through each pixel
for(it = im.begin<cv::Vec3b>(); it != im.end<cv::Vec3b>(); ++it)
{
    // Erase the green and red channels 
    (*it)[1] = 0;
    (*it)[2] = 0;
}


// Create a new window
cv::namedWindow("Resulting Image");

// Show the image
cv::imshow("Resulting Image", im);

// Wait for a key
cv::waitKey(0);

return 0;
}

Per compilarlo con Cmake:

cmake_minimum_required(VERSION 2.8)
project(Main)
find_package(OpenCV REQUIRED)
add_executable(Main main.cpp)
target_link_libraries(Main ${OpenCV_LIBS})

L'immagine originale: inserisci la descrizione dell'immagine qui

L'immagine elaborata: inserisci la descrizione dell'immagine qui

Nota che non tocchiamo solo il canale blu.

Per maggiori informazioni: http://docs.opencv.org/2.4/opencv_tutorials.pdf Pagina: 145

Pixel Access in Mat

Il singolo accesso ai pixel nella struttura OpenCV Mat può essere ottenuto in diversi modi. Per capire come accedere, è meglio imparare prima i tipi di dati.

Strutture di base spiega i tipi di dati di base. In breve, CV_<bit-depth>{U|S|F}C(<number_of_channels>) è la struttura di base di un tipo. Insieme a questo, è importante capire le strutture Vec .

typedef Vec<type, channels> Vec< channels>< one char for the type>

dove type è uno di uchar, short, int, float, double e i caratteri per ogni tipo sono b, s, i, f, d , rispettivamente.

Ad esempio, Vec2b indica un unsigned char vector of 2 channels .

Considera Mat mat(R,C,T) dove R è #rows, C è #cols e T è type. Alcuni esempi per accedere alla coordinata (i, j) di mat sono:

2D:

If the type is CV_8U or CV_8UC1 ---- //they are alias
mat.at<uchar>(i,j) // --> This will give char value of index (i,j)
//If you want to obtain int value of it
(int)mat.at<uchar>(i,j)

If the type is CV_32F or CV_32FC1 ---- //they are alias
mat.at<float>(i,j) // --> This will give float value of index (i,j)

3D:

If the type is CV_8UC2 or CV_8UC3 or more channels
mat.at<Vec2b/Vec3b>(i,j)[k] // note that (k < #channels)
//If you want to obtain int value of it
(int)mat.at<uchar>(i,j)[k] 

If the type is CV_64FC2 or CV_64FC3 
mat.at<Vec2d/Vec3d>(i,j)[k] // note that k < #channels

Nota che è molto importante inserire il tipo corretto in <...> , altrimenti puoi avere errori di runtime o risultati indesiderati.



Modified text is an extract of the original Stack Overflow Documentation
Autorizzato sotto CC BY-SA 3.0
Non affiliato con Stack Overflow