openCV._imread opencv

近日，开始学习图像处理，思前想后决定以opencv作为实验基础。遂完成图片读取和显示功能。Imread作为常用的图像读取函数，虽然简单，但是参数的选择非常重要，直接影响到后期处理。同时在调试学习过程中也可以学习到图像处理的知识。 1. 函数原型

   Mat imread(const String& filename,int flags = IMREAD_COLOR);

    返回Mat对象；

参数filename: 待打开图片的绝对地址，需要注意的是，并不是所有文件都可以用它打开，它支持的文件如下；函数识别不是依靠文件的后缀名，而是依靠内容的编码格式；

需要注意的是imread读取数据时会重新排列数据。

• Windows bitmaps – *.bmp, *.dib (always supported)
• JPEG files – *.jpeg, *.jpg, *.jpe (see the Notes section)
• JPEG 2000 files – *.jp2 (see the Notes section)
• Portable Network Graphics – *.png (see the Notes section)
• WebP – *.webp (see the Notes section)
• Portable image format – *.pbm, *.pgm, *.ppm *.pxm, *.pnm (always supported)
• Sun rasters – *.sr, *.ras (always supported)
• TIFF files – *.tiff, *.tif (see the Notes section)
• OpenEXR Image files – *.exr (see the Notes section)
• Radiance HDR – *.hdr, *.pic (always supported)
• Raster and Vector geospatial data supported by Gdal (see the Notes section)

参数flags：打开的参数，这个非常重要，因为如果设置不合适的话，很容易出现预想之外的效果。它可以指导将原图读取时进行一定的转换。默认值是IMREAD_LOAD_GDAL。因此，如果是想直接处理原图，应该设置为IMREAD_UNCHANED。

openCV._imread opencv

2. 通道编码顺序

通道，与像素深度深度有关。灰度图通常是8比特的像素深度，则通道数为1。如果是彩色图，且为RGB编码，那么一般为24比特的像素深度，通道数为3。而有的彩色图的像素深度是16或者32比特。16比特可能有多种情况：一是压缩的RGB格式，二是YUV的输出。无论何种，都是只有2通道，需要手动解析分离。32比特（windows *.bmp）的像素深度对应的彩色图，则表示的是4通道，RGBA，多出的A表示的是透明度的索引。

另外读取时需要注意内部像素的编码顺序，这也依赖于imread的flags选项的取值，如果取值决定转成RGB，那么正常的顺序是BGR，排列顺序如下图所示。如果最后imread输出是四通道，多了Alpha通道，那么顺序是RGBA。

3, 图像像素通道数据访问

这部分可以借鉴网上资料，可以分为三种类型。

3.1 动态访问at<typename>(i,j)

Imread返回的mat类，提供了at模板函数。Image.at<uchar>(i, j)；取出i行j列的数据，uchar可以理解为imread返回之后图像的编码类型（如1所述的通道）。如果是三通道，则可以是Vec3b，四通道则是Vec4b。

//CV_LOAD_IMAGE_UNCHANGED如果要取A分量那么flag最好设置成这个值
Mat image = imread("1_firstlai.png", CV_LOAD_IMAGE_UNCHANGED);

for(int i=0;i<image.rows;i++)

{

    for(int j=0;j<image.cols;j++)

    {

        image.at<Vec3b>(i,j)[0]; //B

        image.at<Vec3b>(i,j)[1]; //G

        image.at<Vec3b>(i,j)[2]; //R

       

        image.at<Vec4b>(i,j)[0]; //B

        image.at<Vec4b>(i,j)[1]; //G

        image.at<Vec4b>(i,j)[2]; //R

        image.at<Vec4b>(i,j)[3]; //A

    }

}

3.2 指针-更加高效

imgage.ptr<uchar>(i)。

int nr=image.rows;

// 将3通道转换为1通道

int nl=image.cols*image.channels();

for(int k=0;k<nr;k++)

{

    // 每一行图像的指针

    const uchar* inData=image.ptr<uchar>(k);

    for(int i=0;i<nl;i++)

    {

        inData[i];

    }

}

本质就是将每行的3/4通道数据转换为1通道数据访问，因为OpenCV内部存储每一行像素数据以及像素内部通道数据都是连续存储的。但是行与行的数据并不一定是连续存储的，所以不能应用在行与行之间。 3.3 结合isContinuous的指针

3.2中已经说明了，OpenCV中行与行之间不一定连续存储，也就是有可能连续存储，而且提供了对应的API支持判断是否连续这一现象，也可基于此，再提高访问速度。

int nr=image.rows;

int nc=image.cols*image.channels();

if(image.isContinuous()){

    nc=nc*nr;

    nr=1;

}

for(int i=0;i<nr;i++){

    // 每一行图像的指针

    const uchar* inData=image.ptr<uchar>(i);

    for(int j=0;j<nc;j++){

        inData[j];

    }

}

3.4 安全但低效的迭代器

3.1-3.3的方法虽然效率高，但是如果操作不小心，容易造成数组越界的Bug。所以opencv提供了一种更安全的访问方法-迭代器。

MatIterator_<Vec3b> it_im, itEnd_im;

it_im    = im.begin<Vec3b>();

itEnd_im = im.end<Vec3b>();

for (; it_im != itEnd_im; it_im++, it_om++){  

    (*it_im)[0] ; //B

    (*it_im)[1] ; //G

    (*it_im)[2] ; //R

}  

——————— 作者：时行居正 来源：CSDN 原文：https://blog.csdn.net/firstlai/article/details/70882240 版权声明：本文为博主原创文章，转载请附上博文链接！

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/184192.html原文链接：https://javaforall.cn