文章目录

前言
一、多通道的分离合并
- 多通道分离函数split（）
- 多通道合并函数merge（）
二、图像像素统计
- 计算图像的平均值和标准差

前言

记录opencv有关像素操作的一些函数和功能

一、多通道的分离合并

多通道分离函数split（）

形式1：

void split(const Mat & scr,Mat * mvbegin)

scr：待分离的多通道图像

mvbegin：分离后的单通道图像，为数组形式，数组大小需要与图像的通道数相同

形式2：

void split(InputArray m,OutputArrayOfArrays mv)

m：待分离的多通道图像

mv：分离后的单通道图像，为向量（vector）形式

对比：形式1的第二个参数输出一个Mat型的数组，并且数组长度要与图像的通道数相同并且提前定义。

形式2的第二个参数输出一个vector<Mat>容器，不需要知道多通道图像的通道数。

多通道合并函数merge（）

形式1：

void merge(const Mat * mv,size_t count,OutputArray dst)

mv（第一种重载原型参数）：需要合并的图像数组，其中每个图像必须拥有相同的尺寸和数据类型

count：输入的图像数组的长度，其数值必须大于0

dst：合并输出后的图像，与mv[0]具有相同的尺寸和数据类型，通道数等于所有输入图像的通道数总和

形式2：

void merge(InputArrayOfArrays mv,OutputArray dst)

mv（第二种重载原型参数）：需要合并的图像向量（vector），其中每个图像必须拥有相同的尺寸和数据类型

dst：合并输出后的图像，与mv[0]具有相同的尺寸和数据类型，通道数等于所有输入图像的通道数总和

示例程序：

#include<opencv2\opencv.hpp>  //加载OpenCV4的头文件
#include<iostream>
#include<vector>
using namespace std;
using namespace cv; //OpenCV命名空间int main()
{Mat img = imread("lena.jpg");if (img.empty()){cout << "请确认图像文件名称是否正确" << endl;return -1;}Mat HSV;cvtColor(img, HSV, COLOR_RGB2HSV); //RGB图像模型转HSVMat imgs0, imgs1, imgs2;  //用于存放数组类型的结果Mat imgv0, imgv1, imgv2;  //用于存放vector类型的结果Mat result0, result1, result2;  //多通道合并的结果Mat imgs[3];split(img, imgs);  //将img图像的3个通道分别存放到imgs数组中imgs0 = imgs[0];imgs1 = imgs[1];imgs2 = imgs[2];imshow("RGB-B通道", imgs0);  //显示分离后B通道的像素值imshow("RGB-G通道", imgs1);  //显示分离后G通道的像素值imshow("RGB-R通道", imgs2);  //显示分离后R通道的像素值imgs[2] = img;  //将R通道变成完整的RGB三通道模式，是的数组中图像的通道数不一致merge(imgs, 3, result0);  //合并图像//imshow("result0",result0);  //imshow最多显示4个通道，因此结果在Image Watch中查看Mat zero = zero.zeros(img.rows, img.cols, CV_8UC1);  //构建一个全为0的矩阵imgs[0] = zero;imgs[2] = zero;merge(imgs, 3, result1);  //用于还原G通道的真实情况，合并结果为绿色imshow("result1", result1);  //显示合并结果//输入vector参数的多通道分离与合并vector<Mat> imgv;split(HSV, imgv);  //第二个参数为vectorimgv0 = imgv.at(0);imgv1 = imgv.at(1);imgv2 = imgv.at(2);imshow("HSV-H通道", imgv0);  //显示分离后H(色度)通道的像素值imshow("HSV-S通道", imgv1);  //显示分离后S(饱和度)通道的像素值imshow("HSV-V通道", imgv2);  //显示分离后V(亮度)通道的像素值imgv.push_back(HSV);  //将vector中的图像通道数变成不一致merge(imgv, result2);  //合并图像//imshow("result2",result2);  //imshow最多显示4个通道，因此结果在Image Watch中查看waitKey(0);return 0;  //程序结束
}

imgs0（B通道）：

imgs1（G通道）：

imgs2（R通道）：

result0（总共5个通道）:

看起来还有点酷

result1（只显示绿色G通道）：

result2（HSV模型下的5通道图像）：

二、图像像素统计

计算图像的平均值和标准差

形式1：

mean(InputArray src,InputArray mask=noArray())

src：待求平均值的图像矩阵

mask：用于标记求取哪些区域的平均值

可以求取的图像通道数为1~4，该函数返回一个Scalar类型的变量，通过Scalar[n]来查看第n个通道的平均值。

形式2：

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

src：待求平均值的图像矩阵

mean：图像每个通道的平均值，参数为Mat类型变量

stddev：图像每个通道的标准差，参数为Mat类型变量

mask：用于标记求取哪些区域的平均值和标准差

该函数没有返回值，因为返回的内容在传入的参数中，第二个参数是平均值，第三个参数是标准差

图像的平均值越大，图像整体越亮；图像的标准差越大，图像中明暗的对于越明显

如果对Scalar类型想有更深入的理解，推荐这位博主的博客：OpenCV学习笔记（3）——Scalar数据类型理解_Lavi的专栏-CSDN博客_scalar

来一个示例程序：

#include<opencv2\opencv.hpp>  //加载OpenCV4的头文件
#include<iostream>
#include<vector>
using namespace std;
using namespace cv; //OpenCV命名空间int main()
{system("color F0");  //更改界面输出颜色float a[12] = { 1,2,3,4,5,10,6,7,8,9,10,0 };Mat img = Mat(3, 4, CV_32FC1, a);  //单通道矩阵，3*4Mat imgs = Mat(2, 3, CV_32FC2, a);  //多通道矩阵,2*3*2cout << "/* 用mean求取图像的平均值 */" << endl;Scalar myMean;myMean = mean(imgs);cout << "imgs平均值=" << myMean << endl;  //输出格式为[0,0,0,0]分别对应第一，二，三，四通道cout << "imgs第一个通道的平均值=" << myMean[0] <<"        "<< "imgs第二个通道的平均值=" << myMean[1] << endl;cout << "/* 用meanStdDev同时求取图像的平均值和标准差 */"<<endl;Mat myMeanMat, myStddevMat;meanStdDev(img, myMeanMat, myStddevMat);  //平均值和标准差cout << "img平均值=" << myMeanMat << endl;cout << "img标准差=" << myStddevMat << endl;meanStdDev(imgs, myMeanMat, myStddevMat);cout << "imgs平均值=" << myMeanMat << endl;cout << "imgs标准差=" << myStddevMat << endl;return 0;  //程序结束
}

根据输出结果可以看出，如果不对某一通道进行针对性输出，那么输出的格式就为[0,0,0,0]格式，分别对应第一，二，三，四通道。

感谢阅读！
也欢迎大家关注小白博主，多多鼓励一下！

opencv学习笔记之像素处理相关推荐

OpenCV 学习笔记-day13 像素值统计统计计算最大最小值，平均值和标准差（minMaxLoc()和meanStdDev()函数的使用）
OpenCV 学习笔记 day13 像素值统计函数 minMaxLoc(); 最大值最小值统计 meanStdDev();平均值和标准方差统计代码 day13 像素值统计函数 minMaxLoc ...
OpenCV学习笔记（四十一）——再看基础数据结构core OpenCV学习笔记（四十二）——Mat数据操作之普通青年、文艺青年、暴力青年 OpenCV学习笔记（四十三）——存取像素值操作汇总co
OpenCV学习笔记(四十一)--再看基础数据结构core 记得我在OpenCV学习笔记(四)--新版本的数据结构core里面讲过新版本的数据结构了,可是我再看这部分的时候,我发现我当时实在是看得太马 ...
opencv学习笔记3：像素处理
学习笔记,看的某宝的一个视频学习的读取像素返回值=图(位置参数) 灰度图读取像素灰度度只有两维 d=img[78,155] print(d) 彩色图读取像素彩色图有三个通道. 注意openc ...
OpenCV学习笔记（二）：3种常用访问图像中像素的方式
OpenCV学习笔记(二):3种常用访问图像中像素的方式 #include <opencv2/opencv.hpp>using namespace cv; using namespace ...
OpenCV学习笔记02--图像像素处理--二值图像、灰度图像、彩色图像像素的处理、numpy.array中的对应的函数
目录 (一)灰度图像像素处理 (二)彩色图像像素处理 (三)numpy.array库在图像处理中的应用 (四)查看图像的属性信息接着笔记01继续总结,当我们读取一幅图像的时候,一般为二值图像.灰度图 ...
OpenCV 学习笔记03 boundingRect、minAreaRect、minEnclosingCircle、boxPoints、int0、circle、rectangle函数的用法...
函数中的代码是部分代码,详细代码在最后 1 cv2.boundingRect 作用:矩形边框(boundingRect),用于计算图像一系列点的外部矩形边界. cv2.boundingRect(arr ...
opencv学习笔记（二）：基于肤色的人手检测
opencv学习笔记(二):基于肤色的人手检测原文:http://blog.csdn.net/wzmsltw/article/details/50849810 先写了人手的检测程序,下一步基于检测程 ...
python做直方图-python OpenCV学习笔记实现二维直方图
本文介绍了python OpenCV学习笔记实现二维直方图,分享给大家,具体如下: 官方文档 – https://docs.opencv.org/3.4.0/dd/d0d/tutorial_py_2d ...
OpenCV学习笔记（五十一）——imge stitching图像拼接stitching OpenCV学习笔记（五十二）——号外：OpenCV 2.4.1 又出来了。。。。。 OpenCV学习笔记（五
OpenCV学习笔记(五十一)--imge stitching图像拼接stitching stitching是OpenCV2.4.0一个新模块,功能是实现图像拼接,所有的相关函数都被封装在Stitch ...

opencv学习笔记之像素处理

文章目录

前言

一、多通道的分离合并

多通道分离函数split（）

多通道合并函数merge（）

二、图像像素统计

计算图像的平均值和标准差

opencv学习笔记之像素处理相关推荐

最新文章

热门文章