图像基本操作

0. 打开图片

	string imagename = "lena.jpg";   //绝对地址
	Mat img = imread(imagename);
	if(img.empty())
	{
		return -1;
	}
	imgShow(imagename, img);

 

像素数据属性：

一幅图片可以用 a[height][width][channels]表示，Mat类似于映射到一维数组，其中每个像素点的rgb分量按照bgr的顺序连续存放。

像素点数：

int tot = img.size().area() * img.channels();

 高和宽：

	int height = img.size().height;
	int width  = img.size().width;

 每个像素点类型为uchar(unsigned char):

img.data[i];

 

 1. rgb转为灰度图像

灰度：YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，用亮度值表示灰度

Y=0.3R+0.59G+0.11B

 简单的方法：用Y替换rgb分量

	for (int i = 0; i < tot; i+=3) {
		unsigned int temp = (unsigned int)(0.3*img.data[i+2] + 0.59*img.data[i+1] + 0.11*img.data[i]);
		img.data[i] = img.data[i+1] = img.data[i+2] = temp;
	}

 

 

2. 直方图均衡化

直方图均衡化使用的是频率累加曲线进行映射（区别于直方图规定化/直方图匹配）

简单方法：计算累加频率曲线，分别对rgb三个通道进行均衡化

单通道均衡化：

void equalization(Mat &img, int tot, int offSet)
{
	int cnt[256];
	int cdfMin = tot;
	memset(cnt, 0, sizeof(cnt));
	for (int i = 0; i < tot; i += 3) {
		++cnt[ img.data[i+offSet] ];
	}
	for (int i = 1; i < 256; ++i) {
		cnt[i] += cnt[i-1];
	}
	for (int i = 0; i < 256; ++i) {
		if (0!=cnt[i] && cdfMin>cnt[i]) cdfMin = cnt[i];
	}

	for (int i = 0; i < tot; i += 3) {
		unsigned int temp = (unsigned int)((cnt[ img.data[i+offSet] ]-cdfMin)*255.0 / (img.size().area()-cdfMin));
		img.data[i+offSet] = temp;
	}
}

 rgb三通道均衡化：

	equalization(img, tot, 0);
	equalization(img, tot, 1);
	equalization(img, tot, 2);

 

 

3. 简单马赛克

简单方法：选取固定大小的矩形区域，用其中某一个点值代替区域内所有像素值

len为矩形宽度，矩形大小为len*len

	for (int i = 0; i < height; ++i) {
		for (int j = 0; j < width; ++j) {
			int k = i*width*3+j*3;
			int t = (i-i%len)*width*3+(j-j%len)*3;
			img.data[k] = img.data[t];
			img.data[k+1] = img.data[t+1];
			img.data[k+2] = img.data[t+2];
		}
	}

 

 

4. 反色变换：y = 255 - x;

5. gama变换：y = c * x^gama

注意满足 L-1 = c * (L-1)^gama， L=256

用颜色表的方法可能会稍微快点。

	for (int i = 0; i < tot; i+=3) {
		int temp = (int) (c * pow(img.data[i], gama));
		img.data[i] = img.data[i+1] = img.data[i+2] = temp;
	}

 gama = 0.2, 1, 3.0分别如下：