基础知识介绍
cv::Mat
是OpenCV库中用来表示图像和矩阵数据的核心类之一。它是一个多维数组,可以存储图像像素数据、矩阵数据以及其他类型的数据。以下是关于cv::Mat
类的一些详细解释:
构造函数 :
cv::Mat
类有多个构造函数,可以用来创建不同类型的矩阵。常用的构造函数包括:
cv::Mat()
: 默认构造函数,创建一个空的矩阵。cv::Mat(int rows, int cols, int type)
: 创建指定行数、列数和数据类型的矩阵。cv::Mat(cv::Size size, int type)
: 根据指定的大小和数据类型创建矩阵。cv::Mat(int rows, int cols, int type, void* data, size_t step)
: 使用指定的数据指针和步长创建矩阵。成员函数 :
cv::Mat
类提供了许多成员函数,用于对矩阵进行操作,包括:
rows()
: 返回矩阵的行数。cols()
: 返回矩阵的列数。size()
: 返回矩阵的大小。at<>()
: 访问矩阵中的像素值。clone()
: 复制矩阵。copyTo()
: 将矩阵复制到另一个矩阵。convertTo()
: 转换矩阵的数据类型。数据访问 :可以通过
at<>()
函数或者使用Mat::ptr
来访问矩阵中的像素值。例如,mat.at<uchar>(i, j)
可以获取矩阵中第 i 行、第 j 列的像素值。数据类型 :
cv::Mat
支持多种数据类型,包括整数、浮点数等。数据类型由type()
函数返回,常见的数据类型包括CV_8U
、CV_32F
等。图像处理 :
cv::Mat
类经常用于图像处理,可以通过imread()
读取图像文件,通过imwrite()
写入图像文件,还可以进行图像的剪裁、缩放、旋转等操作。
cv::Rect
是OpenCV库中用来表示矩形区域的类。它通常用于定义矩形的位置和大小,以便在图像处理中进行裁剪、绘制等操作。以下是关于cv::Rect
类的一些详细解释:
构造函数 :
cv::Rect
类有多个构造函数,可以用来创建不同类型的矩形。常用的构造函数包括:
cv::Rect()
: 默认构造函数,创建一个空的矩形。cv::Rect(int x, int y, int width, int height)
: 创建一个指定位置和大小的矩形。cv::Rect(cv::Point pt1, cv::Point pt2)
: 根据两个点的坐标创建矩形,其中一个点表示左上角,另一个点表示右下角。成员变量 :
cv::Rect
类包含以下成员变量:
x
: 矩形左上角的 x 坐标。y
: 矩形左上角的 y 坐标。width
: 矩形的宽度。height
: 矩形的高度。成员函数 :
cv::Rect
类提供了一些成员函数,用于方便地操作矩形,包括:
area()
: 返回矩形的面积。contains()
: 判断一个点是否在矩形内部。tl()
: 返回矩形的左上角点。br()
: 返回矩形的右下角点。size()
: 返回矩形的大小。使用 :
cv::Rect
类通常用于定义感兴趣区域(Region of Interest,ROI),可以通过矩形来指定图像中的一个区域,然后进行裁剪、绘制等操作。
两个图片的拼接
int main()
{
//输入两个图片
cv::Mat image1 = cv::imread("../../picture/1.jpg");
cv::Mat image2 = cv::imread("../../picture/2.jpg");
//新图片的长宽
int newWidth = image1.cols + image2.cols;
int newHeight = std::max(image1.rows, image2.rows);
//初始化结果图像
cv::Mat resultImage(newHeight, newWidth, image1.type());
//复制图像内容
cv::Mat left(resultImage, cv::Rect(0, 0, image1.cols, image1.rows));
image1.copyTo(left);
cv::Mat right(resultImage, cv::Rect(image1.cols, 0, image2.cols, image2.rows));
image2.copyTo(right);
//保存图像
cv::imwrite("../../picture/result.jpg", resultImage);
图片去重
int quchong()
{
cv::Mat image1 = cv::imread("../../picture/1.jpg");
cv::Mat image2 = cv::imread("../../picture/2.jpg");
//夜色空间转换
cv::Mat grayImage1, grayImage2;
cv::cvtColor(image1, grayImage1, cv::COLOR_BGR2GRAY);
cv::cvtColor(image2, grayImage2, cv::COLOR_BGR2GRAY);
cv::imwrite("../../picture/BGR2GRAY.jpg", grayImage1);
// 使用ORB特征检测器和描述符进行特征提取
cv::Ptr<cv::ORB> orb = cv::ORB::create();
std::vector<cv::KeyPoint> keypoints1, keypoints2;
cv::Mat descriptors1, descriptors2;
orb->detectAndCompute(image1, cv::noArray(), keypoints1, descriptors1);
orb->detectAndCompute(image2, cv::noArray(), keypoints2, descriptors2);
cv::imwrite("../../picture/descriptors1.jpg", descriptors1);
// 使用暴力匹配器进行特征匹配
cv::BFMatcher matcher(cv::NORM_HAMMING);
std::vector<cv::DMatch> matches;
matcher.match(descriptors1, descriptors2, matches);
// 筛选匹配点
std::vector<cv::Point2f> matchedPoints1, matchedPoints2;
for (const cv::DMatch& match : matches) {
matchedPoints1.push_back(keypoints1[match.queryIdx].pt);
matchedPoints2.push_back(keypoints2[match.trainIdx].pt);
}
// 计算透视变换矩阵
cv::Mat H = cv::findHomography(matchedPoints2, matchedPoints1, cv::RANSAC);
cv::imwrite("../../picture/H.jpg", H);
// 对第二张图像进行透视变换
cv::Mat warpedImage2;
cv::warpPerspective(image2, warpedImage2, H, cv::Size(image1.cols + image2.cols, image1.rows));
cv::imwrite("../../picture/warpedImage2.jpg", warpedImage2);
// 将两张图像拼接在一起
cv::Mat resultImage = warpedImage2.clone();
image1.copyTo(resultImage(cv::Rect(0, 0, image1.cols, image1.rows)));
cv::imwrite("../../picture/result.jpg", resultImage);
return 0;
}
实验结果