C++ opencv小试4

       计算机强大的计算能力使得其可以模拟很多实际电路的处理，数据的表示法与数据的处理方法是程序的精髓所在！要学习OpenCV，第一步就是要了解图像的在opencv规则中的表示方法与访问方法。好在由于Mat与Mat_的存在 ，一切都变得简单了许多。opencv的显示函数能显示uchar和浮点（这个浮点必须在0-1之间，超过1就是最大值，越界总是不好的），经过测试好像很多关于mat的函数都可以用mat_, mat_ 的作用似乎比想象中的要大；

        （1）：图像的读取 用imread函数，这一步可以是Mat的类型，也可以是Mat_类型，当时Mat_类型要预先规定好维度和类型，我们这里直接用Mat_类型去读取图片，减少了后面的互相等于操作,Mat_是要定义类型的，一般的图片都是24位的BGR，安全起见我们直接用Mat_<Vec3f> f;去读取选项里选择CV_LOAD_IMAGE_COLOR，因为维度的不正确会导致出错，灰度图读成3个维度一样的，这是为了统一起见。若用Mat默认读取，则读取的是一个维度的。用Mat_<Vec3f> f的好处是它可以读取近很多图的信息，然后直接开始计算，不管是2位 8位还是多少位的，彩色，灰度，它都可以读取进来，所以非常好用。在大一点可以用double类型的。但一般情况下，数值还是24位的为主。

        （2）：图像的遍历，用了Mat_ ，遍历就十分的简单了。f（1,2）[2];

        （3）：图像的保存；用imwrite函数，这个函数它会按照你Mat_维度来保存你图像的维度，然后全部保存成24位uchar类型。所以保存的图像有点单一。

       Mat_<unsigned short> f;
        f.create(3,3);//会有默认的值，不同类型不同，与Mat一样
          cout<<f<<endl;好吧 我前面的文章错怪Mat_了（等我写完全部再去修改吧），Mat_类型功能十分强大，强大到可以和Mat无异，访问元素还非常的人性化，虽然可能效率低，但在写初稿时，这是十分有用的东西。写出算法了 ，以后可以优化嘛！

       讲完了表示法，接下来讲实际例子。

问题一：灰度化（cvtColor( f,x,CV_BGR2GRAY );）颜色空间转化；

（当输入为 3维的uchar式opencv中的 H分量是 0~180， S分量是0~255， V分量是0~255当输入为float时 H范围0~360，S范围0~1，V范围0~255有点麻烦      比如说彩色转为灰度（灰度不可转为彩色）；用mat的话十分智能，支持自己转化为自己。但不利于我们了解数据类型，所以还是用mat_严格规定的类型来，这样就出现了问题，这个函数要求原始与转化后的类型保持一致。维度从3到1.可以这样去写：Mat_<Vec3f> f;

    Mat_<uchar> gray;
    string name="../Lena.jpg";
    f=imread(name,CV_LOAD_IMAGE_COLOR);
    if (f.empty())
    {
        cout<<"open failed"<<endl;
        return;
    }
    {
        Mat_<float> x;
        cvtColor( f,x,CV_BGR2GRAY);
        gray=x;
        namedWindow("1",CV_WINDOW_AUTOSIZE);
        imshow("1",gray);
        waitKey(0);
    }
    if (gray.type()==CV_8UC1)
    {
        cout<<"dadas"<<endl;
    }

}

块的作用是使出块后，智能指针的空间立即释放。这样就完成了灰度化的转化，（转换类型比较多，要注意，输入类型不同，得出的结果也不同）hsv的转换不涉及维度变换相对简单（支持自己变成自己），在机器学习与模式识别中，并不需要最后将图像显示出来，所以浮点的类型更加便于计算特征，上面的代码中，我们转化了类型，使得opencv能够正确的显示。一般很少用double类型的。函数中 src与dst 的类型必须相同（不含维度）！

问题二：

   像素值的替换压缩。如（2/10）*10 这种做法，这是对整数型的压缩，适用范围较少，我们还是以浮点的方法读入。我们可以用f(i,j)[0]=table（（int）f(i,j)[0]）这种做法去替换，table是一个替换表 ，我们用 LUT的方法来，比较好 ，这个函数类型要求非常严格    int i;
    Mat_<Vec3b> f;
    Mat_<Vec3b> f1;
    Mat_<uchar> table;
    table.create(1,256);
    for (i=0;i<256;i++)
    {
        table(0,i)=(i/10)*10;
    }
    string name="../Lena.jpg";
    f=imread(name,CV_LOAD_IMAGE_COLOR);
    if (f.empty())
    {
        cout<<"open failed"<<endl;
        return;
    }
    LUT(f,table,f1);
    cout<<(int)f(0,1)[1]<<endl;
    cout<<(int)f1(0,1)[1]<<endl;
    namedWindow("1",CV_WINDOW_AUTOSIZE);
    imshow("1",f);

都是uchar类型才能成功，但是研究表明，这种方法的速度非常的快。这里的f1 指向了新的空间。用我们自己的方法int i,j,k;
    Mat_<Vec3f> f;
    Mat_<Vec3f> f1;
    Mat_<int> table;
    table.create(1,256);
    for (i=0;i<256;i++)
    {
        table(0,i)=(i/10)*10;
    }
    string name="../Lena.jpg";
    f=imread(name,CV_LOAD_IMAGE_COLOR);
    if (f.empty())
    {
        cout<<"open failed"<<endl;
        return;
    }
    f1=f.clone();
    for (i=0;i<f.rows;i++)
        for(j=0;j<f.cols;j++)
            for (k=0;k<3;k++)
            {
                f1(i,j)[k]=table(0,(int)(f1(i,j)[k]));
            }

            cout<<(int)f(0,1)[1]<<endl;
            cout<<(int)f1(0,1)[1]<<endl;
            namedWindow("1",CV_WINDOW_AUTOSIZE);
            imshow("1",f);
            waitKey(0);

            if (f.type()==CV_32FC3)
            {
                cout<<"dadas"<<endl;
            }

这里的table用向量也可。

小结：一般的opencv函数有src与dst的，他们的类型有着严格的要求，若src！=dst，他们一般就指向了不同的地方。当然我们也可以不用opencv 的函数，根据对元素的遍历，操作得到想要的结果，这么做也是可以的，但是可能会相对比较麻烦。了解了opencv的函数特性后，用函数可以简化我们的程序，一般来说，opencv函数的优化做的也比较好，速度很快，我们知道输入，输出，可以很好的加快我们程序的构建。