【OpenCV】图像通道合并与分离,ROI

介绍可以实现图像通道合并与分离的API,这只是一种方式,后续还会介绍其他的合并与分离方法,以及ROI区域截取的方法。相关API:

  • split()

  • merge()

  • Mat对象()

代码:

cpp 复制代码
#include "iostream"
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

int main(int argc, char *argv)
{
	Mat src = imread("C:/Users/Administrator/Desktop/Zooey.png");
	if (src.empty())
	{
		cout << "could not find image file" << endl;
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);

	//【通道分离】
	vector<Mat> mv;
	split(src, mv);	//通道分离API,这里可以看成将一幅图像按通道分成了三幅图像。
	cout << "the size of mv:" << mv.size() << endl;	//容器mv的大小,为3,因为里面存有3个mat对象。
	//显示这三幅图像
	imshow("blue channel", mv[0]);
	imshow("green channel", mv[1]);
	imshow("red channel", mv[2]);

	//【通道合并】
	mv[2] = Scalar(0);	//将红色通道的值归0
	Mat dst;
	merge(mv, dst);	//通道合并API,三幅图合并为一幅
	imshow("red=0", dst);

	//【ROI(region of interest),即感兴趣区域】
	//用Rect定义一个范围,后续来截取这个范围的内容
	Rect roi;
	roi.x = 100;
	roi.y = 100;
	roi.width = 250;
	roi.height = 200;
	//在原图上画出范围
	rectangle(src, roi, Scalar(255, 255, 0), 1, 8);
	//截取,获得一个Mat对象
	Mat sub = src(roi);//注意:此时截取部分sub跟原图src中对应位置的内容是同一个东西,即修改sub,src中对应位置的内容也会改变。Mat sub = src(roi).clone();这种方式,就可以将sub和src之间的联系切断。
	//为了验证上述所说的联系,对截取范围取反
	bitwise_not(sub, sub);
	//显示roi图与原图
	imshow("roi", sub);
	imshow("input", src);


	waitKey(0);
	destroyAllWindows();
	return 0;
}

说下需要注意的点吧:

  • 通道分离、合并可以看成根据通道进行图片的分离与合并,一幅三通道的图片,经过拆分,每个通道形成一幅图片,即形成三幅图片。合并同理,对应三个通道的三幅图片合并成一幅图片。合并后的图片每个像素有三通道,拆分的三幅图片,每幅图的每个像素只有一个通道。代码中,图片对应mat对象。

  • ROI实际上就是对我们想要的区域进行截取。注意截取后的mat对象跟原mat对象之间的关系就好,这个注释中已经说明。

演示:

相关推荐
5Gcamera3 小时前
4G body camera BC310/BC310D user manual
人工智能·边缘计算·智能安全帽·执法记录仪·smarteye
爱喝可乐的老王3 小时前
机器学习中常用交叉验证总结
人工智能·机器学习
公链开发4 小时前
2026 Web3机构级风口:RWA Tokenization + ZK隐私系统定制开发全解析
人工智能·web3·区块链
wyw00004 小时前
目标检测之YOLO
人工智能·yolo·目标检测
发哥来了4 小时前
AI视频生成企业级方案选型指南:2025年核心能力与成本维度深度对比
大数据·人工智能
_codemonster4 小时前
强化学习入门到实战系列(四)马尔科夫决策过程
人工智能
北邮刘老师4 小时前
智能体治理:人工智能时代信息化系统的全新挑战与课题
大数据·人工智能·算法·机器学习·智能体互联网
laplace01235 小时前
第七章 构建自己的agent智能体框架
网络·人工智能·microsoft·agent
诗词在线5 小时前
中国古代诗词名句按主题分类有哪些?(爱国 / 思乡 / 送别)
人工智能·python·分类·数据挖掘
高锰酸钾_5 小时前
机器学习-L1正则化和L2正则化解决过拟合问题
人工智能·python·机器学习