**********************
操作图像
**********************

.. highlight:: cpp

输入/输出
============

图像
------

从文件中读入一副图像： ::

    Mat img = imread(filename)
    
如果你读入一个jpg文件，缺省情况下将创建一个3通道图像。如果你需要灰度（单通道）图像，使用如下语句： ::

    Mat img = imread(filename, 0);

将图像保存到一个文件： ::

    Mat img = imwrite(filename);

XML/YAML
--------
    
TBD

基本图像操作
============================

获取像素的亮度值
--------------------------------

要获取像素的亮度值，你必须知道图像的类型和通道的数目。如下例子展示了获取单通道灰度图（类型 8UC1）的(x, y)位置处的像素值： ::

    Scalar intensity = img.at<uchar>(x, y);

``intensity.val[0]`` 中保存从0到255的值。现在我们看一下3通道图像如何获取像素值，颜色顺序为 ``BGR`` （ ``imread`` 返回的缺省顺序)： ::

    Vec3b intensity = img.at<Vec3b>(x, y);
    uchar blue = intensity.val[0];
    uchar green = intensity.val[1];
    uchar red = intensity.val[2];

你可以使用同样的方法处理浮点图像（例如通对一个3通道图像进行Sobel运算得到的浮点图像）： ::

    Vec3f intensity = img.at<Vec3f>(x, y);
    float blue = intensity.val[0];
    float green = intensity.val[1];
    float red = intensity.val[2];

同样的方法也可用于像素值的修改： ::

    img.at<uchar>(x, y) = 128;

一些OpenCV函数，例如calib3d模块中的 ``projectPoints`` 函数，需要以 ``Mat`` 的格式输入二维或者三维的点。这样的矩阵必须有且仅有一列，这样每行对应一个点，矩阵类型需要是32FC2或者32FC3。这样的矩阵可以很容易的从 ``std::vector`` 转换而来： ::

    vector<Point2f> points;
    //... fill the array
    Mat pointsMat = Mat(points);

您也可以通过 ``Mat::at`` 方法来读写矩阵中的一个元素： ::

    Point2f point = pointsMat.at<Point2f>(i, 0);

内存管理和参考计数(reference counting)
----------------------------------------

``Mat`` 内存储了矩阵/图像的属性(行数，列数，数据类型等)以及一个指向数据的指针。因此几个 ``Mat`` 实例可以指向同一个数据。 ``Mat`` 中还记录了参考计数(reference count)，这样在 ``Mat`` 被释放时就知道是否需要释放数据。这儿是一个不需复制数据就创建两个矩阵的例子： ::

    std::vector<Point3f> points;
    // .. fill the array
    Mat pointsMat = Mat(points).reshape(1);

这样我们得到了一个3列的32FC1矩阵，而不是1列的32FC3矩阵。 ``pointsMat`` 使用 ``points`` 的数据，且当它释放时不会是否数据。在这个例子中，开发者需要知道 ``points`` 的生命比 ``pointsMat`` 长。如果我们需要复制数据，那么请使用 ``Mat::copyTo`` 或 ``Mat::clone`` ： ::

    Mat img = imread("image.jpg");
    Mat img1 = img.clone();

在C API中，开发者必须实现创建输出图像然后再调用函数。与之相比不同的是C++ API支持空的 ``Mat`` 类型的输出参数。C++ API会调用 ``Mat::create`` 创建结果矩阵。如果矩阵是空的，那将会申请数据空间；如果非空，且大小和类型符合要求，则该函数不做任何事情；如果大小或类型不符合要求，原来的数据会被释放，然后申请新的数据空间。例如： ::

    Mat img = imread("image.jpg");
    Mat sobelx;
    Sobel(img, sobelx, CV_32F, 1, 0);

底层操作
--------------------

为矩阵定义了一系列方便的操作符。我们可以将一个已经存在的灰度图像 ``img`` 变成全黑色： ::

    img = Scalar(0);

选择感兴趣区域： ::

    Rect r(10, 10, 100, 100);
    Mat smallImg = img(r);

将 ``Mat`` 转为 C API 数据类型： ::

    Mat img = imread("image.jpg");
    IplImage img1 = img;
    CvMat m = img;

注意此处无数据复制操作。

将彩色图像转为灰度图像： ::

    Mat img = imread("image.jpg"); // loading a 8UC3 image
    Mat grey;
    cvtColor(img, grey, CV_BGR2GRAY);

将图像的类型从8UC1转为32FC1： ::

    src.convertTo(dst, CV_32F);

显示图像
------------------

在算法开发过程中，查看算法的中间结果是非常有用的。OpenCV提供了方便查看图像的方法。类型为 ``8U`` 的图像可以使用如下方法显示： ::

    Mat img = imread("image.jpg");

    namedWindow("image", CV_WINDOW_AUTOSIZE);
    imshow("image", img);
    waitKey();

调用 ``waitKey()`` 会进入一个消息循环，来等待 ``image`` 窗口上的按键动作。 类型为 ``32F`` 的图像需要转为 ``8U`` 类型。如下： ::

    Mat img = imread("image.jpg");
    Mat grey;
    cvtColor(img, grey, CV_BGR2GREY);

    Mat sobelx;
    Sobel(grey, sobelx, CV_32F, 1, 0);

    double minVal, maxVal;
    minMaxLoc(sobelx, &minVal, &maxVal); //find minimum and maximum intensities
    Mat draw;
    sobelx.convertTo(draw, CV_8U, 255.0/(maxVal - minVal), -minVal);

    namedWindow("image", CV_WINDOW_AUTOSIZE);
    imshow("image", draw);
    waitKey();

翻译
======================
于仕琪 http://www.opencv.org.cn