opencv笔记2：图像ROI

opencv笔记2：图像ROI

---

ROI

ROI意思是Region Of Interests,感兴趣区域，是一个图中的一个子区域。
OpenCV中定义的ROI是矩形的。
ROI的用处包括而不限于：提取出ROI区域做进一步处理（比如人脸识别、车牌识别）；将另一张图片贴放到ROI区域。
这里以第二种用处为例，将一个logo图像添加到一张大图上指定的ROI区域。

图像贴放

粗略想想，包括这四个步骤

• 定义大图和小图
• 在大图上定义ROI区域
• 小图贴放到ROI区域
• 显示新的大图

这里在fedora22下使用dnf(yum)安装了opencv3.0，如下代码可以运行良好

#include <iostream>
#include <opencv2/opencv.hpp>
 
using namespace std;
using namespace cv;
 
int main() {
    //【1】定义大图和小图
    //【2】在大图上定义ROI区域
    //【3】小图贴放到ROI区域
    //【4】显示新的大图
 
    //【1】定义大图和小图
    Mat srcImage = imread("/home/chris/workspace/clion/dota_pa.jpg");
    Mat logoImage = imread("/home/chris/workspace/clion/dota_ss.png");
    if(!srcImage.data){
        cerr << "读取srcImage错误！" << endl;
        exit;
    }
    if(!logoImage.data){
        cerr << "读取logoImage错误！" << endl;
        exit;
    }
 
    //【2】在大图上定义ROI区域
    Mat imageROI = srcImage(Rect(20, 25, logoImage.cols, logoImage.rows));
 
    //【3】小图贴放到ROI区域
    logoImage.copyTo(imageROI);
 
    //【4】显示新的大图
    imshow("利用ROI实现图像叠加示例窗口", srcImage);
    waitKey(0);
    destroyAllWindows();
    return 0;
}

这里copyTo()函数中只用到一个参数，浅墨的教程上有第二个参数：图像掩模(mask)，我尝试了下，发现不用mask也没关系，mask的定义也不一定要是灰度图（即imread第二个参数设定为0）。对此，我表示不理解，反正能用就好了。

图像线性混合

直接把logo图替换掉ROI区域的做法通常不是很好，如果能把两者各按一定比例进行混合就显得更好些，这需要用到图像混合技术。
图像线性混合，其实就是不同图片（这里以两张图为例），各自按照一定比例系数进行相加，没什么神奇的地方:

result = alpha*src1 + beta*src2 + gamma

使用函数addWeighted(src1, alpha, src2, beta, gamma, dstImage, dtype=-1)
这里dtype参数，是输出阵列的可选深度，有默认值-1。;当两个输入数组具有相同的深度时，这个参数设置为-1（默认值），即等同于src1.depth（）。

OK，粗略想下线性混合的步骤：

• 定义两幅图像
• 定义权重和偏置量等参数
• 按参数做图像混合
• 显示结果

上代码:

#include <iostream>
#include <opencv2/opencv.hpp>
 
using namespace std;
using namespace cv;
 
int main() {
    //【1】定义两幅图像
    //【2】定义权重和偏置量等参数
    //【3】按参数做图像混合
    //【4】显示结果
 
    //【1】定义两幅图像
    Mat srcImage1 = imread("/home/chris/workspace/clion/mogu.jpg");
    Mat srcImage2 = imread("/home/chris/workspace/clion/rain.jpg");
 
    //【2】定义权重和偏置量等参数
    double alpha = 0.5; //第一幅图的权重
    double beta = 1- alpha; //第二幅图的权重
    double gamma = 0.0; //偏置量
 
    //【3】按参数做图像混合
    Mat dstImage; //目标图像，存放结果
    addWeighted(srcImage1, alpha, srcImage2, beta, gamma, dstImage);
 
    //【4】显示结果
    imshow("线性混合结果", dstImage);
    waitKey(0);
    destroyAllWindows();
 
    return 0;
 
}

好吧，其实这东西很简单。应用到ROI区域，对应的代码为：

#include <iostream>
#include <opencv2/opencv.hpp>
 
using namespace std;
using namespace cv;
 
int main() {
    //【1】定义两幅图像
    //【2】定义ROI区域
    //【3】定义权重和偏置量等参数
    //【4】按参数做图像混合
    //【5】显示结果
 
    //【1】定义两幅图像
    Mat srcImage1 = imread("/home/chris/workspace/clion/dota_pa.jpg");
    Mat srcImage2 = imread("/home/chris/workspace/clion/dota_ss.png");
 
    //【2】定义ROI区域
    Mat imageROI = srcImage1(Rect(20, 25, srcImage2.cols, srcImage2.rows));
 
    //【3】定义权重和偏置量等参数
    double alpha = 0.5; //第一幅图的权重
    double beta = 1- alpha; //第二幅图的权重
    double gamma = 0.0; //偏置量
 
    //【4】按参数做图像混合
    addWeighted(imageROI, alpha, srcImage2, beta, gamma, imageROI);
 
    //【5】显示结果
    imshow("线性混合结果", srcImage1);
    waitKey(0);
    destroyAllWindows();
 
    return 0;
 
}

多通道的分离和混合

既然前面把图像混合讲到了，那么按照通道进行混合也就可以做了！比如要把看起来是白色的logo图，和指定背景图上ROI区域混合，并且希望logo图显示为红色。这就需要ROI图本身为红色通道，logo图读取为灰度图像（保证都是单通道），然后混合，这之后由于ROI区域就是原图中的一个通道上的一个区域，原图像的红色通道变化了，现在把三个通道重新合并回去，就能够得到想要的效果图了。

粗略想下，步骤为：

• 定义义两幅图像
• 分离通道
• 在通道图上定义ROI区域
• 定义权重和偏置量等参数
• 按参数做图像混合
• 合并通道
• 显示结果

对应的代码为：

#include <iostream>
#include <opencv2/opencv.hpp>
 
using namespace std;
using namespace cv;
 
int main() {
    //义两幅图像
    //【2】分离通道
    //【3】在通道图上定义ROI区域
    //【4】定义权重和偏置量等参数
    //【5】按参数做图像混合
    //【6】合并通道
    //【7】显示结果
 
    //【1】定义两幅图像
    Mat srcImage = imread("/home/chris/workspace/clion/dota_pa.jpg");
    Mat logoImage = imread("/home/chris/workspace/clion/dota_logo.jpg", 0);
 
    //【2】分离通道
    vector<Mat> channels;
    split(srcImage, channels);
 
    //【3】在通道图上定义ROI区域
    Mat redChannelImage = channels.at(2);
    Mat imageROI = redChannelImage(Rect(50, 25, logoImage.cols, logoImage.rows));
 
    //【4】定义权重和偏置量等参数
    double alpha = 1.0;
    double beta = 0.5;
    double gamma = 0.0;
 
    //【5】按参数做图像混合
    addWeighted(imageROI, alpha, logoImage, beta, gamma, imageROI);
 
    //【6】合并通道
    merge(channels, srcImage);
 
    //【7】显示结果
    imshow("0通道", srcImage);
    waitKey(0);
    destroyAllWindows();
 
    return 0;
 
}