文档结构  
翻译进度:已翻译     翻译赏金:0 元 (?)    ¥ 我要打赏

目标

对于OpenCV开发者团队来说不断更新的库是重要的。考虑到方法能够简化工作过程,我们希望保持库的灵活型。新的C++接口是在这方面的一个提升。然而,较差的兼容性仍然很重要。我们不希望为了保持OpenCV库的简单版本打乱你的代码。因此在此基础上添加了一些函数。下面我们会学习到:

  • 与第一版OpenCV库相比第二版有哪些改变
  • 如何向图像中添加高斯噪声
  • 什么是查找表,我们为什么使用它们?
第 1 段(可获 2 积分)

概述

随着做出的改变,你需要学习图像的新的数据结构: Mat - 基础图像容器这个代替了之前的cvMat和IplImage。使用新的函数很简单。你只需要记住一些新的东西。

OpenCV 2 能够重组。不是所有的函数都在一个库中。我们有很多模块,每个模块包括一些数据结构和具有确定功能的相关函数。因此如果你只需要OpenCV的一个子集,你不需要再加载整个大的库。这意味着你只需要包含那些你需要的头文件,例如:

第 2 段(可获 2 积分)
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>

所有和OpenCV相关的东西都放在cv命名控件内,避免与其他库的数据结构和函数冲突。因此,一种方法你可以在使用的OpenCV的东西前加上cv::关键字,另一种方法你可以只加上如下指令:

using namespace cv;  // The new C++ interface API is inside this namespace. Import it.

因为所有函数都已经在命名控件内,我们不需要在名字前加上cv前缀。所有新的C++兼容函数遵守驼峰命名规则。第一个字母是小写(除非是一个名字,例如Canny)并且后续单词以大写字母开头(例如copyMakeBorder)。

第 3 段(可获 2 积分)

现在,你需要记得将所有你用到的模块与应用进行链接,如果你使用的是Windows你需要与使用DLL二进制文件路径链接。更加深入Windows开发的内容请参考如何在Microsoft Visual Studio中使用OpenCV创建应用 ,对于Linux请参考在Eclipse上使用OpenCV(插件 CDT)。

对于转换的Mat对象你可以使用IplImage 或者CvMat操作。在C接口中需要经常使用指针操作,现在不是了。在C++接口中沃恩一般使用Mat对象。这些对象通过赋值能够自动转换成IplImage 或者 CvMat。例如:

第 4 段(可获 2 积分)
Mat I;
IplImage pI = I;
CvMat    mI = I;

如果你想要指针类型那么转换就会稍微优点复杂。编译器不再能自动给出结果,你需要给出明确的目标。这需要调用IplImage和CvMat操作之后得到他们的指针。为了得到指针我们使用&:

Mat I;
IplImage* pI     = &I.operator IplImage();
CvMat* mI        =  &I.operator CvMat();

C接口最大的不足是你需要自己管理所有的内存。你需要之处什么时候释放不再使用的对象是安全的,并确保在项目结束时进行对象释放否则你需要面对麻烦的内存泄漏。OpenCV在解决这方面问题时引入了一系列的智能指针。当不再使用时它会自动释放对象。使用这种声明,指针成为一种专业的Ptr:

第 5 段(可获 2 积分)
Ptr<IplImage> piI = &I.operator IplImage();

从C数据结构中转换到Mat通过内部构造函数实现。例如:

Mat K(piL), L;
L = Mat(pI);

案例研究

现在你了解了大概,下面是一个融合C接口和C++接口的示例。你也能在OpenCV源代码库中sample目录下找到:samples/cpp/tutorial_code/core/interoperability_with_OpenCV_1/interoperability_with_OpenCV_1.cpp。为了后期需要看两者的不同,项目需要支持两种模式:一种混合C和C++接口,另一种纯C++。如果你定义了DEMO_MIXED_API_USE 你运行的是第一种模式。项目分离颜色平面,做写修改最后合并在一起。

第 6 段(可获 2 积分)
#include <stdio.h>
#include <iostream>

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>

using namespace cv;  // The new C++ interface API is inside this namespace. Import it.
using namespace std;
#define DEMO_MIXED_API_USE

int main( int argc, char** argv )
{
    const char* imagename = argc > 1 ? argv[1] : "lena.jpg";

#ifdef DEMO_MIXED_API_USE
    Ptr<IplImage> IplI = cvLoadImage(imagename);      // Ptr<T> is safe ref-counting pointer class
    if(IplI.empty())
    {
        cerr << "Can not load image " <<  imagename << endl;
        return -1;
    }
    Mat I(IplI); // Convert to the new style container. Only header created. Image not copied.
#else
    Mat I = imread(imagename);        // the newer cvLoadImage alternative, MATLAB-style function
    if( I.empty() )                   // same as if( !I.data )
    {
        cerr << "Can not load image " <<  imagename << endl;
        return -1;
    }
#endif
第 7 段(可获 2 积分)

在这里你可以观察到,使用新的结构没有指针问题,仍然可以使用旧的函数,最后只需将结果转换为一个Mat对象。

// convert image to YUV color space. The output image will be created automatically.
Mat I_YUV;
cvtColor(I, I_YUV, COLOR_BGR2YCrCb);

vector<Mat> planes;    // Use the STL's vector structure to store multiple Mat objects
split(I_YUV, planes);  // split the image into separate color planes (Y U V)

因为,我们想要弄乱图像luma组件,我们首先从默认BGR转换到YUV颜色空间,然后将结果分割成单独的平面。 程序这样分割:在第一个例子中,它使用OpenCV(C []运算符,迭代器,单个元素访问)中的三个主要图像扫描算法之一处理每个平面。 在第二次变换中,我们向图像添加一些高斯噪声,然后根据一些公式将通道混合在一起。

第 8 段(可获 2 积分)

扫描版:

// Method 1. process Y plane using an iterator
MatIterator_<uchar> it = planes[0].begin<uchar>(), it_end = planes[0].end<uchar>();
for(; it != it_end; ++it)
{
    double v = *it * 1.7 + rand()%21 - 10;
    *it = saturate_cast<uchar>(v*v/255);
}

for( int y = 0; y < I_YUV.rows; y++ )
{
    // Method 2. process the first chroma plane using pre-stored row pointer.
    uchar* Uptr = planes[1].ptr<uchar>(y);
    for( int x = 0; x < I_YUV.cols; x++ )
    {
        Uptr[x] = saturate_cast<uchar>((Uptr[x]-128)/2 + 128);

        // Method 3. process the second chroma plane using individual element access
        uchar& Vxy = planes[2].at<uchar>(y, x);
        Vxy =        saturate_cast<uchar>((Vxy-128)/2 + 128);
    }
}
第 9 段(可获 2 积分)

在这里你可以观察到,我们可以通过三种方式遍历图像的所有像素:迭代器,C指针和单个元素访问方式。 您可以在如何使用OpenCV教程扫描图像,查找表和时间测量中更加深入的阅读。 从旧的函数名转换很容易。 只需删除cv前缀并使用新的Mat数据结构。 这里有一个使用加权加法函数的例子:

Mat noisyI(I.size(), CV_8U);           // Create a matrix of the specified size and type

// Fills the matrix with normally distributed random values (around number with deviation off).
// There is also randu() for uniformly distributed random number generation
randn(noisyI, Scalar::all(128), Scalar::all(20));

// blur the noisyI a bit, kernel size is 3x3 and both sigma's are set to 0.5
GaussianBlur(noisyI, noisyI, Size(3, 3), 0.5, 0.5);

const double brightness_gain = 0;
const double contrast_gain = 1.7;

#ifdef DEMO_MIXED_API_USE
// To pass the new matrices to the functions that only work with IplImage or CvMat do:
// step 1) Convert the headers (tip: data will not be copied).
// step 2) call the function   (tip: to pass a pointer do not forget unary "&" to form pointers)

IplImage cv_planes_0 = planes[0], cv_noise = noisyI;
cvAddWeighted(&cv_planes_0, contrast_gain, &cv_noise, 1, -128 + brightness_gain, &cv_planes_0);
#else
addWeighted(planes[0], contrast_gain, noisyI, 1, -128 + brightness_gain, planes[0]);
#endif

const double color_scale = 0.5;
// Mat::convertTo() replaces cvConvertScale.
// One must explicitly specify the output matrix type (we keep it intact - planes[1].type())
planes[1].convertTo(planes[1], planes[1].type(), color_scale, 128*(1-color_scale));

// alternative form of cv::convertScale if we know the datatype at compile time ("uchar" here).
// This expression will not create any temporary arrays ( so should be almost as fast as above)
planes[2] = Mat_<uchar>(planes[2]*color_scale + 128*(1-color_scale));

// Mat::mul replaces cvMul(). Again, no temporary arrays are created in case of simple expressions.
planes[0] = planes[0].mul(planes[0], 1./255);
第 10 段(可获 2 积分)

正如你观察到的那样plane变量是Mat类型。 然而,从Mat到IplImage的转换很容易,并且通过使用简单的赋值运算符自动转换。

merge(planes, I_YUV);                // now merge the results back
cvtColor(I_YUV, I, CV_YCrCb2BGR);  // and produce the output RGB image


namedWindow("image with grain", WINDOW_AUTOSIZE);   // use this to create images

#ifdef DEMO_MIXED_API_USE
// this is to demonstrate that I and IplI really share the data - the result of the above
// processing is stored in I and thus in IplI too.
cvShowImage("image with grain", IplI);
#else
imshow("image with grain", I); // the new MATLAB style function show
第 11 段(可获 2 积分)

新的imshow highgui函数接受Mat和IplImage数据结构。 编译并运行程序,如果下面的第一个图片是你的输入,那么你将会得到第二或第三张图片作为你的输出:

The output of the sample

您可以在YouTube here观看此运行时实例,也可以从这里下载源代码,或者在OpenCV源代码库的samples/cpp/tutorial_code/core/interoperability_with_OpenCV_1/interoperability_with_OpenCV_1.cpp中找到它。

第 12 段(可获 2 积分)

文章评论