Sök…


Anmärkningar

Var noga med att vara medveten om vilken typ av cv::Mat du har att göra med. Om du till exempel har en cv::Mat av typen CV_8UC3 , men åtkomst till den med image.at<uchar>(r,c) inträffar inget fel, men ditt program kommer att ha något oväntat beteende.

Få åtkomst till enskilda pixelvärden med cv :: Mat :: at ()

För att få tillgång till pixelvärden i ett OpenCV cv::Mat objekt måste du först känna till vilken typ av matris du har.

De vanligaste typerna är:

  • CV_8UC1 för 8-bitars 1-kanals gråskalebilder;
  • CV_32FC1 för 32-bitars 1-kanals gråskalor med flytande punkt;
  • CV_8UC3 för 8-bitars 3-kanals färgbilder; och
  • CV_32FC3 för 32-bitars 3-kanals färgbilder med flytande punkt.

Standardinställningen med cv::imread skapar en CV_8UC3 matris.

Att få tillgång till enskilda pixlar, det säkraste sättet, men inte den mest effektiva, är att använda cv::Mat::at<T>(r,c) metod där r är raden av matrisen och c är kolonnen. Mallargumentet beror på matrisens typ.

Låt oss säga att du har en cv::Mat image . Enligt sin typ kommer åtkomstmetoden och pixelfärgtypen att vara olika.

  • För CV_8UC1 : uchar pixelGrayValue = image.at<uchar>(r,c) .
  • För CV_8UC3 : cv::Vec3b pixelColor = image.at<cv::Vec3b>(r,c) . Objektet cv::Vec3b representerar en triplett av uchar värden (heltal mellan 0 och 255).
  • För CV_32FC1 : float pixelGrayValue = image.at<float>(r,c) .
  • För CV_32FC3 : cv::Vec3f pixelColor = image.at<cv::Vec3f>(r,c) . Objektet cv::Vec3f representerar en triplett med float .

Observera att OpenCV representerar bilder i rad- huvudordning, som t.ex. Matlab eller som konventionen i Algebra. Således, om dina pixelkoordinater är (x,y) , kommer du åt pixeln med image.at<..>(y,x) .

Alternativt, at<> stöder också åtkomst via ett enda cv::Point argument.
I det här fallet görs åtkomst i kolumn-huvud :

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

Titta på OpenCV-dokumentation för mer information om den här metoden.

Effektiv pixelåtkomst med cv :: Mat :: ptr pekare

Om effektivitet är viktigt är ett snabbt sätt att iterera över pixlar i ett cv::Mat objekt att använda sin ptr<T>(int r) -metod för att få en pekare till början av rad r (0-baserat index).

Enligt matrisstypen kommer pekaren att ha en annan mall.

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

Detta ptr objekt kan sedan användas för att få åtkomst till pixelvärdet på rad r och kolumn c genom att ringa ptr[c] .

För att illustrera detta är här ett exempel där vi laddar en bild från skivan och inverterar dess blå och röda kanaler, med pixel för 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;
}

Ställa in och få pixelvärden för en grå bild i 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;
}

Alternativ pixelåtkomst med Matiterator

Det är inte det bästa sättet att iterera genom pixlarna; det är dock bättre än cv :: Mat :: vid <T>.

Låt oss anta att du har en färgbild i mappen och att du vill iterera varje pixel i denna bild och radera gröna och röda kanaler (Observera att detta är ett exempel, du kan göra det på mer optimerade sätt);

#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;
}

För att kompilera detta med Cmake:

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

Originalbilden: ange bildbeskrivning här

Den bearbetade bilden: ange bildbeskrivning här

Observera att vi inte bara berör den blå kanalen.

För mer information: http://docs.opencv.org/2.4/opencv_tutorials.pdf Sida: 145

Pixel Access i Mat

Individuell pixelåtkomst i OpenCV Mat-strukturen kan uppnås på flera sätt. För att förstå hur du får åtkomst är det bättre att lära sig datatyperna först.

Grundläggande strukturer förklarar de grundläggande datatyperna. Kort CV_<bit-depth>{U|S|F}C(<number_of_channels>) är CV_<bit-depth>{U|S|F}C(<number_of_channels>) den grundläggande strukturen för en typ. Tillsammans med det är det viktigt att förstå Vec strukturer.

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

där typen är en av uchar, short, int, float, double och tecknen för varje typ är b, s, i, f, d , respektive.

Till exempel indikerar Vec2b en unsigned char vector of 2 channels .

Tänk på Mat mat(R,C,T) där R är # rader, C är # kol och T är typ. Några exempel för åtkomst till (i, j) mat är:

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

Observera att det är mycket viktigt att ange rätt typ i <...> , annars kan du ha runtime-fel eller oönskade resultat.



Modified text is an extract of the original Stack Overflow Documentation
Licensierat under CC BY-SA 3.0
Inte anslutet till Stack Overflow