創(chuàng)建 cv::Mat

OpenCV 中用數(shù)據(jù)格式 cv::Mat 存儲(chǔ)圖片睬棚。

有以下幾種生成 cv::Mat 的方式：

直接或間接指定圖片的行脚线、列維度

cv::Mat myMat(240, 320, CV_8U, cv::Scalar(255)); // 240 行 × 320 列碧浊，每個(gè)元素的類型為 8 位無符號(hào)整型欧漱，單通道库继，元素初值為 255

// 也可以將 Scalar(255) 簡(jiǎn)寫成 255退唠，但是注意 Scalar(0) 不能直接寫成 0 
cv::Mat myMat(240, 320, CV_8U, 255); 

// 圖片大小也可以用 Size() 的格式送入
cv::Mat myMat(cv::Size(320 240), CV_8U, cv::Scalar(255)); // 以 (width, height) 的形式送入鹃锈，Size(320, 240) 就是寬320，高 240瞧预，對(duì)應(yīng)了 240 行屎债，320 列。

// 也可以通過 size() 函數(shù)得到某個(gè)圖片的大小垢油，然后構(gòu)造同樣大小的圖片
cv::Mat myMat(image1.size(), CV_8U, cv::Scalar(255));

OpenCV 有一套自己的數(shù)據(jù)類型名稱盆驹，與標(biāo)準(zhǔn)的 C++ 數(shù)據(jù)類型對(duì)應(yīng)關(guān)系如下：

• CV_8U -> unsigned char (min = 0, max = 255)
• CV_8S -> char (min = -128, max = 127)
• CV_16U -> unsigned short (min = 0, max = 65535)
• CV_16S -> short (min = -32768, max = 32767)
• CV_32S -> int (min = -2147483648, max = 2147483647)
• CV_32F -> float
• CV_64F -> double

另外，在數(shù)據(jù)類型中可以添加通道數(shù)滩愁，例如 CV_8UC3 表示 3 通道的 8 位無符號(hào)整型躯喇。

用 create( ) 函數(shù)對(duì)原 Mat 重新賦值

image1.create(200, 200, CV_8U);
image1 = 255;

出于性能方面的考慮，如果新的尺寸和類型與原來相同硝枉，則不會(huì)重新分配內(nèi)存空間廉丽。

Mat 類型數(shù)據(jù)復(fù)制： copyTo( ) 和 clone( )

在復(fù)制 Mat 類型的數(shù)據(jù)時(shí)，要注意復(fù)制前后變量指向同一數(shù)據(jù)還是指向完全分離的數(shù)據(jù)妻味。

cv::Mat image2(image1);    // 方式 1

cv::Mat image3 = image1;   // 方式 2

上述兩種方式復(fù)制得到變量 image2 和 image3 與 image1 指向相同的數(shù)據(jù)正压。這種形式的復(fù)制也被稱為淺復(fù)制 shallow copy，可以節(jié)省內(nèi)存空間责球，但這種數(shù)據(jù)關(guān)聯(lián)也可能導(dǎo)致意想不到的錯(cuò)誤焦履，修改其中一個(gè)，其他的也都會(huì)改變雏逾。例如嘉裤，下邊這個(gè) Test 類，其中的 method() 函數(shù)返回一個(gè) Mat 數(shù)據(jù)類型變量 img栖博，由于內(nèi)存共享的問題价脾，如果一個(gè)對(duì)象修改了 img 數(shù)據(jù)，那么Test 類和它生成的所有對(duì)象也會(huì)被修改笛匙，這顯然違背了面向?qū)ο缶幊讨械姆庋b原則侨把。因此，不建議在類中返回 Mat 類型變量妹孙。如果需要的話秋柄，可以用后邊的深復(fù)制函數(shù)返回變量的一個(gè)獨(dú)立的復(fù)制。

class Test{
  cv::Mat img;
  public: 
       Test(): img(240, 320, CV_8U, 100){ }
       cv::Mat method() {return img;}
}

如果要得到完全分離的數(shù)據(jù)蠢正，應(yīng)該用 copyTo() 或 clone() 這兩個(gè)深復(fù)制函數(shù)明確指出：

image1.copyTo(image2);    // 方式 1

cv::Mat image2 = image1.clone();  // 方式 2

Mat 數(shù)據(jù)轉(zhuǎn)換： convertTo( )

image1.convertTo(image4, 
                 CV_32F, // 數(shù)據(jù)類型轉(zhuǎn)化成浮點(diǎn)型
                 1/255.0, // 縮放因子 
                 1.0);  // 偏移量骇笔。最終結(jié)果就是 x/255.0 + 1.0

OpenCV 在顯示圖像的時(shí)候，可以接受整型的數(shù)據(jù)類型，取值范圍 0 ~ 255笨触，也可以接受浮點(diǎn)型的數(shù)據(jù)類型懦傍，取值范圍 0.0 ~ 1.0. 因此當(dāng)把整型數(shù)據(jù)轉(zhuǎn)成浮點(diǎn)型時(shí)，要考慮是否需要數(shù)據(jù)范圍的縮放芦劣。例如粗俱，下面左側(cè)原圖為 CV_8UC3 類型，用 convertTo() 函數(shù)轉(zhuǎn)換成浮點(diǎn)型 CV_32FC3虚吟，如果數(shù)值縮放因子設(shè)置為 1寸认，即不縮放，那么轉(zhuǎn)化之后超過 1.0 的數(shù)據(jù)均被截?cái)啻浚D(zhuǎn)化后的圖像呈現(xiàn)很多白色區(qū)域偏塞，這顯然不是我們想要的效果。

without scale.png

如果 Mat 元素很少且已知邦鲫，例如輸入相機(jī)的內(nèi)參矩陣灸叼，就可以在初始化時(shí)直接輸入

cv::Mat K = (cv::Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);

讀入圖片

• 原樣讀取，不特別設(shè)定為灰度圖或者彩色圖像庆捺，把第二個(gè)參數(shù)設(shè)定為負(fù)數(shù)即可古今，例如:

cv::Mat image = cv::imread(“image.jpg”, -1);

• 讀取為灰度圖：

cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);

// 或者寫對(duì)應(yīng)的編號(hào)
cv::Mat image = cv::imread("image.jpg", 0);

• 讀取為彩色圖：第二個(gè)參數(shù)設(shè)定為正數(shù)，或者設(shè)定為 cv::IMREAD_COLOR

第二個(gè)參數(shù)取值總結(jié)：

waitKey( ) 等待

一般與 imshow() 連用蚁堤，效果是暫停處理醉者，讓圖片顯示一段時(shí)間。如果不加 waitKey()披诗，就不會(huì)顯示圖片撬即。

cv::waitKey( int delay=0)

• delay <= 0，無限等待
• delay >0 呈队，等待 delay 時(shí)間剥槐，單位為 ms

如果在等待期間有按鍵輸入，則返回值為按鍵對(duì)應(yīng)的編碼宪摧；如果等待期間沒有按鍵粒竖，則返回 -1.

整行、整列賦值

image.row(2).setTo(cv::Scalar(100));

image.col(2).setTo(cv::Scalar(100));   // 以上兩個(gè)命令針對(duì)灰度圖/單通道

image.col(2).setTo(cv::Scalar(0, 20, 34));  //彩色几于，OpenCV 中顏色通道默認(rèn)順序?yàn)?B蕊苗、G、R

// 把 src 矩陣的第 i 行 賦值給 dst 矩陣的第 j 行
src.row(i).copyTo(dst.row(j));

查找最小值沿彭、最大值及其位置

cv::minMaxLoc(src, double* minVal, double* maxVal=0, 
              Point* minLoc=0, Point* maxLoc=0, 
              InputArray mask=noArray())

• src：輸入的圖像朽砰。
• minVal：最小值，可輸入NULL表示不需要。
• maxVal ：最大值瞧柔，可輸入NULL表示不需要漆弄。
• minLoc：最小值的位置，可輸入NULL表示不需要造锅，Point類型撼唾。
• maxLoc：最大值的位置，可輸入NULL表示不需要备绽，Point類型券坞。
• mask：選定在哪些區(qū)域進(jìn)行搜索。noArray() 表示沒有設(shè)置 mask

如果只需要得到最小值和最大值肺素，而不需要位置：

double my_min, my_max;
cv::minMaxLoc(input, &my_min, &my_max); // 只需要送入變量地址即可

像素運(yùn)算之后截?cái)?/h5>

當(dāng)涉及到像素值之間的加恨锚、減時(shí)，為了得到有意義的結(jié)果倍靡，一般要進(jìn)行截?cái)嗖僮鳌?br> 比如取值在 0～255 的像素猴伶，當(dāng)運(yùn)算結(jié)果 > 255 時(shí)，取為 255塌西；當(dāng)結(jié)果 < 0 時(shí)他挎，取 0.

result = cv::saturate_cast<uchar>(some expression)

實(shí)際上，很多 cv 的函數(shù)默認(rèn)內(nèi)置了 saturate_cast 操作捡需，比如下邊提到的 cv::add 和重載的 + 運(yùn)算办桨。

重載運(yùn)算符

比較常用的重載有

• 加、減
• 函數(shù) min, max, abs
• 比較運(yùn)算符 <, <=, ==, !=, >, >=站辉，返回 8 位的二進(jìn)制值呢撞。
• 矩陣運(yùn)算：乘法、求逆 image.inv()饰剥、轉(zhuǎn)置 image.t()殊霞、行列式 image.determinant()、范數(shù) image.norm()汰蓉、叉乘 v1.cross(v2)绷蹲、點(diǎn)乘 v1.dot(v2)。 這些運(yùn)算都不是 in place 的顾孽，即不改變?cè)瓟?shù)據(jù)祝钢。
• 組合運(yùn)算符，如 +=

opencv 中的隨機(jī)數(shù)

cv::RNG rng;
rng.uniform(0,255); // 生成范圍內(nèi)的隨機(jī)數(shù)

兩圖像疊加

cv::add(image1, image2, result)

//或者加權(quán)形式 
cv::addWeighted(image1, weight1, image2, weight2, const, result)

OpenCV 中已經(jīng)重載了 + 運(yùn)算符若厚，因此可以直接這樣：

result = weight1 * image1 + weight2 * image2 + const

圖像通道拆分與合并

將三通道拆分出來太颤，存到 vector 中

std::vector<cv::Mat> planes;

cv::split(image1, planes);

這里用的是 c++ 模板中的 vector 數(shù)據(jù)類型。如果通道數(shù)量事先已知盹沈，也可以用數(shù)組類型龄章，效率更高一些吃谣。

cv::Mat planes[3];

cv::split(image1, planes);

合并回去

cv::Mat result; 

cv::merge(planes, result);

閾值操作

cv::threshold(input,  // 輸入的圖片
              output,  // 輸出的圖片
              theshold, // 設(shè)定的閾值
              255,   // 超過閾值的像素值取為 255，其余為 0
              cv::THRESH_BINARY_INV); // 但這里用了 INV 反向操作做裙，小于等于閾值的取 255,其余為 0

圖像重映射

這里的重映射是指將原圖中的元素經(jīng)過某種位置變換岗憋，得到新圖。這里只是改變了元素的位置锚贱，沒有修改元素的值仔戈。
通過 cv::remap 函數(shù)實(shí)現(xiàn)。
首先定義重映射參數(shù)矩陣

cv::Mat srcX(image.rows, image.cols, CV_32F);
cv::Mat srcY(image.rows, image.cols, CV_32F);

目標(biāo)圖像在 處的像素來自原圖的下列位置

(srcX.at<float>(i,j), srcY.at<float>(i,j))

然后在這兩個(gè)參數(shù)矩陣中定義具體的位置映射關(guān)系

for (int i=0; i<image.rows; i++){
     for (int j=0; j<image.cols; j++){
       srcX.at<float>(i,j) = j;  // 來自原圖的 j 列
       srcY.at<float>(i,j) = i+5*sin(j/10.0);  // 來自原圖的 i+5*sin(j/10) 行拧廊，即正弦扭曲
     }
}

最后調(diào)用 cv::remap 函數(shù)

cv::remap(image, result, srcX, srcY, cv::INTER_LINEAR);

反色

對(duì)于灰度圖监徘，直接用 255 減去就可以了！

cv::Mat result1_inv = 255 - result1;

獲取圖像元素的常用方法

1. 用 cv::Mat類中的 at() 方法：

image.at<uchar>(i,j); 

image.at<cv::Vec3b>(i,j)[0]

上邊尖括號(hào)中的數(shù)據(jù)類型就是灰度圖和彩圖中常用的數(shù)據(jù)類型：uchar 和 cv::Vec3b吧碾。

在使用 at() 時(shí)有一個(gè)需要注意的問題：
at() 函數(shù)有多個(gè)重載的形式凰盔，例如既有 at(int row, int col)，也有 at(Point2f()) 倦春。Point2f 格式對(duì)應(yīng)的是 (x,y) 坐標(biāo)户敬，x 軸向右，y 軸向下睁本，與 (row, col) 正好顛倒尿庐。因此在調(diào)用時(shí)一定要注意參數(shù)是 (row, col) 形式還是 Point2f(x,y) 坐標(biāo)形式。

2. 每次用 at 必須指明元素的數(shù)據(jù)類型呢堰，比較麻煩抄瑟。可以用另一種方式：

cv::Mat_<uchar> img(image);

img(50, 10)=200;

即在定義變量時(shí)就已經(jīng)指明了元素類型枉疼，后邊直接取用就可以了皮假。

數(shù)據(jù)類型的編號(hào)

cv::Mat test = cv::Mat::zeros(3,3,CV_64F);

test.type();  // 返回 6

用 .type() 函數(shù)即可返回 Mat 的數(shù)據(jù)類型，但是返回的是一個(gè)整數(shù)往衷，需要查看下表確定到底是什么類型：

列代表通道數(shù)目钞翔，例如灰度圖就是 C1, jpg 彩圖就是 BGR C3严卖，PNG 彩圖除了 BGR 還有一個(gè)透明度通道席舍，所以是 C4。

在用.at<> 獲取 Mat 中的數(shù)據(jù)時(shí)哮笆，需要指明元素的數(shù)據(jù)類型来颤，比如灰度圖是 uchar 而不是 CV_8U，查看下表：

這里的 cv::Vec3b 中 b 是 byte 的意思稠肘，表示占用一個(gè)字節(jié)福铅。

顏色空間的轉(zhuǎn)換

用 cv::cvtColor 轉(zhuǎn)換前后，圖像的數(shù)據(jù)類型是相同的项阴。

• 彩圖到灰度：

if (image.channels()==3){
     cv::cvtColor(image, result, cv::COLOR_BGR2GRAY);
     // 老版本的 opencv 用這個(gè) flag
     // cv::cvtColor(color, gray, CV_BGR2Gray)
}

• 灰度到彩圖：

cv::cvtColor(image, result, cv::COLOR_Gray2BGR) // 三個(gè)通道數(shù)值相同

cv::cvtColor( )函數(shù)可以實(shí)現(xiàn)很多顏色空間的轉(zhuǎn)換滑黔，除了 BGR、灰度圖，還有 HSV略荡， HLS庵佣，Lab, Luv, YCrCb 等。

感知均勻的色彩空間

原始的 BGR 顏色表示方法有個(gè)缺陷：在顏色空間中的差距并不能很好的反映人視覺感知的差距汛兜。
兩種在空間中距離很遠(yuǎn)的顏色可能肉眼看起來很接近巴粪；而有些在空間距離很近的顏色，看起來差別卻很大粥谬。因此肛根，BGR 不是感知均勻的色彩空間。

下邊是兩種感知均勻的色彩空間：

• CIE L * a * b *
  L 通道：表示亮度漏策，取值 0～100派哲。在使用 8 位圖像時(shí)，取值 0～255
  a 通道和 b 通道：表示色度部分哟玷，與亮度完全無關(guān)狮辽，取值 -127～127，對(duì)于 8 位圖巢寡，取值 0~255.

  cv::cvtColor(image, converted, cv::COLOR_BGR2Lab)
  

• CIE L * u * v *
  對(duì)亮度通道采用相同的轉(zhuǎn)換公式喉脖，但對(duì)色度通道使用不同的方法。

  cv::cvtColor(image, converted, cv::COLOR_BGR2Luv)
  

色調(diào)抑月、飽和度树叽、亮度空間

人類在描述顏色時(shí)，經(jīng)常說色調(diào)谦絮、飽和度题诵、亮度等詞語(yǔ)，下邊的兩種色彩空間就是這樣設(shè)計(jì)的：

• HSV
  H： 色調(diào) hue
  S： 飽和度 saturation
  V： 明度 value

  cv::cvtColor(image, hsv, cv::COLOR_BGR2HSV)
  

  可以把三通道分割開：

  std::vector<cv::Mat> channels;
  
  cv::split(hsv, channels);
  // channels[0] 表示色調(diào)  0～180
  // channels[1] 表示飽和度  0～255
  // channels[2] 表示亮度  0～255
  

• HLS
  H： 色調(diào) hue
  L： 亮度 lightness
  S： 飽和度 saturation

HSV 和 HLS 有時(shí)也統(tǒng)稱為 HSB 层皱，最后的 B 表示 brightness 亮度性锭。
可以用圓錐體直觀地表示 HSB 色彩空間：

HSB_1.png

• 角度表示色調(diào) H，本來應(yīng)該用 0～360 表示色調(diào)叫胖，但是為了適應(yīng) 8 位圖草冈，采用了 0～180，0 度對(duì)應(yīng)紅色瓮增。
• 距中軸線的距離表示飽和度 S
• 高度表示亮度 B

如果要進(jìn)行圖片的 HSB 分析怎棱，尤其是涉及到色調(diào)（第一個(gè)分量）的時(shí)候，由于飽和度（第二個(gè)分量）低的區(qū)域色調(diào)信息不準(zhǔn)確绷跑，因此往往先對(duì)飽和度做一些過濾拳恋，只分析那些飽和度比較高的區(qū)域的色調(diào)。

區(qū)域圖像提取

cv::Mat imageROI = image(cv::Rect(216, 33, 24, 30));  // 從原始圖片 image 中提取了一個(gè)小方塊

// 或者
cv::Mat imageROI(image2, cv::Rect(0,0,image2.cols,image2.rows/2)); 

隨后就可以把提取出來的 imageROI 當(dāng)成普通圖片處理了砸捏。

添加幾何圖形和文字

外加圖形和文字的顏色維度取決于原始圖像的維度谬运。
若原始為灰度圖隙赁，則設(shè)定外加顏色時(shí)，即使寫出三維像素值 cv::Scalar(255, 0, 128) 也只看第一維的數(shù)值梆暖；
若原始為彩圖鸳谜，則設(shè)定外加顏色時(shí)，只寫 0 或者 255 表示只設(shè)定了第一個(gè)顏色通道的值式廷，例如 255 相當(dāng)于 cv::Scalar(255, 0, 0)

• 線段

  cv::line(image, 
           cv::Point(5, 5), 
           cv::Point(210, 200),  // 線段的兩個(gè)端點(diǎn)
           cv::Scalar(255), // 顏色
           1); // 粗細(xì)
  

• 矩形方框

  cv::Rect rect(110, 45, 35, 45); // 設(shè)定一個(gè)方框咐扭，左上角坐標(biāo)+寬+長(zhǎng)
  
  cv::rectangle(image, rect, cv::Scalar(0,0,255));  // 在 image 圖像上添加 rect 方框，紅色
    
  //或者直接把矩形放在內(nèi)部定義
  cv::rectangle(image, cv::Rect(110, 45, 35, 45), 0); 
    
  // 或者以兩對(duì)點(diǎn)集來表示滑废，分別為左上角坐標(biāo)和右下角坐標(biāo)
  cv::rectangle(image, 
                cv::Point(5,5),  // 左上角坐標(biāo)
                cv::Point(210, 200), // 右下角坐標(biāo)
                cv::Scalar(255),  // 顏色
                3); // 線條粗細(xì)
  

• 圓

  cv::circle(image,   // 原始圖像
             cv::Point(155, 110),  // 圓心, 以 cv::Point(x,y) 表示圖像中的坐標(biāo)
             65,   // 半徑蝗肪，必須為 int 類型
             0,   // 顏色
             3);  // 線條寬度，若為負(fù)數(shù)蠕趁，則畫實(shí)心圓
  

• 加重心
  假設(shè)圖像中物體輪廓已經(jīng)找到了薛闪，要依據(jù)輪廓添加物體的重心位置。
  一般計(jì)算重心的時(shí)候俺陋，首先要計(jì)算圖像的矩 (moment)豁延，再基于各階矩計(jì)算出重心：

  itc = contours.begin();  // 已經(jīng)有了若干輪廓線
  
  while (itc != contours.end()){
       cv::Moments mom = cv::moments(cv::Mat(*itc++)); // 求每條輪廓的各階矩
       cv::circle(result, 
                  cv::Point(mom.m10/mom.m00, mom.m01/mom.m00), // 通過這種方式計(jì)算重心
                  2,
                  cv::Scalar(0),
                  2
       );
  }
  

  原理：
  對(duì)于二元連續(xù)函數(shù) ，它的 階矩為
  

  對(duì)于離散的圖片 腊状，對(duì)應(yīng)的 階矩為
  

  因此诱咏，圖片 的重心為
  

• 橢圓
  可以通過外包矩形的方式畫出橢圓

  std::vector<cv::Point> points;
  
  cv::RotatedRect rr = cv::minAreaRect(points); // 由點(diǎn)集得到最小矩形外包，可以傾斜
  
  cv::ellipse(image, rr, 255, 2); 
  

  也可以直接指定橢圓的形狀參數(shù)

  cv::ellipse(image, 
              cv::Point(WINDOW_WIDTH / 2, WINDOW_WIDTH / 2),  // 橢圓中心點(diǎn)
              cv::Size(WINDOW_WIDTH / 4, WINDOW_WIDTH / 16), // 兩個(gè)軸的長(zhǎng)度
              angle, // 橢圓傾斜的角度
              0, 360,  // 橢圓包圍的起始和終止角度
              Scalar(255, 129, 0),
              thickness);
  

• 多邊形

  std::vector<cv::Point> poly; // 存放多邊形的頂點(diǎn)坐標(biāo)
  
  cv::polylines(image, 
                poly, 
                true, // 是否閉合缴挖，若閉合袋狞，則最后一個(gè)點(diǎn)將于第一個(gè)點(diǎn)相連
                0,  // 顏色
                2);  // 寬度
  

• 加文字

  cv::putText(image, 
              "This is a dog.",
              cv::Point(40, 200),  // 文本位置，文本的左下角對(duì)應(yīng)的坐標(biāo)
              cv::FONT_HERSHEY_PLAIN, // 字體類型
              2.0,  // 字體大小
              255,  // 字體顏色映屋，這里相當(dāng)于  cv::Scalar(255, 0, 0)
              2);  // 字體粗細(xì)
  

直線擬合

由點(diǎn)集擬合出一條直線苟鸯。一般的擬合目標(biāo)是使所有點(diǎn)到直線的距離之和最小。
在計(jì)算距離的函數(shù)中棚点，歐幾里得距離計(jì)算的最快早处，對(duì)應(yīng)參數(shù) cv::DIST_L2，實(shí)際上也就是基于最小二乘算法的擬合瘫析。

std::vector<cv::Point> points;  // 假設(shè)我們已經(jīng)獲取了節(jié)點(diǎn)集合

cv::Vec4f line; // 待擬合的直線

cv::fitLine(points,   // 點(diǎn)集
            line,    // 擬合出的直線
            cv::DIST_L2,  // 采用的距離類型
            0,  // L2 距離不需要這個(gè)
            0.01, 
            0.01); // 擬合出的直線參數(shù)精度

直線是 cv::Vec4f 的格式砌梆，包含四個(gè)數(shù)，前兩個(gè)數(shù)表示單位向量方向颁股，后兩個(gè)數(shù)表示直線上的一個(gè)坐標(biāo)么库。
也可以在三維空間中擬合直線傻丝，只需要將點(diǎn)集和直線的數(shù)據(jù)類型相應(yīng)地修改一下：

std::vector<cv::Point3i> points;

// 或者
std::vector<cv::Point3f> points;

cv::Vec6f line;

改變圖片大小 resize

cv::resize(image, 
           result, 
           cv::Size(), // 指定改變之后的大小
           4, 4,  // 指定 x,y 方向（即 width, height）縮放比例甘有。本行與上一行至少要設(shè)定一個(gè)
           cv::INTER_NEAREST); // 插值方式

圖片大小改變后，像素值要重新計(jì)算葡缰，有以下插值方法：

• INTER_NEAREST - 最鄰近插值亏掀，對(duì)于放大圖像的情況忱反，就是簡(jiǎn)單的把每個(gè)像素的尺寸放大。

• INTER_LINEAR - 雙線性插值滤愕，如果最后一個(gè)參數(shù)不指定温算，默認(rèn)使用這種方法。
  所謂雙線性间影，就是先在插入點(diǎn)的兩側(cè)線性插入新像素值注竿，再以此為基礎(chǔ)，再次線性的插入像素值魂贬。整個(gè)過程中用到 2x2 = 4 個(gè)原始像素巩割。

  
  
  interpolation1.png
• INTER_CUBIC - 4x4像素鄰域內(nèi)的雙立方插值
• INTER_LANCZOS4 - 8x8像素鄰域內(nèi)的Lanczos插值

以上插值算法計(jì)算復(fù)雜度依次增加，效果也是依次提升的付燥。

掃描圖像元素的方法

• 用 .at 函數(shù)

  // 減色運(yùn)算操作
  for(int j=0; j<nl; j++){  // nl 為行數(shù)
     for(int i=0; i<nc; i++){  // nc 為列數(shù)
       image.at<cv::Vec3b>(j,i)[0] = image.at<cv::Vec3b>(j,i)[0]/div * div + div/2;
       image.at<cv::Vec3b>(j,i)[1] = image.at<cv::Vec3b>(j,i)[0]/div * div + div/2;
       image.at<cv::Vec3b>(j,i)[2] = image.at<cv::Vec3b>(j,i)[0]/div * div + div/2;
     }
  }
  

• 用指針
  如果要按順序依次獲取圖像像素信息宣谈，盡量不要用上述 image.at 方法，而要用指針键科，指針在移動(dòng)掃描操作時(shí)效率更高闻丑。

  int nc = image.cols * image.channels();
  for (int j=0; j<nl; j++){
     uchar *data = image.ptr<uchar>(j); // 每行首元素對(duì)應(yīng)的地址
     for (int i=0; i<nc; i++){
       data[i] = data[i]/div*div + div/2;
     }
  }
  

另外，少層循環(huán) + 每個(gè)循環(huán)中較多操作 好于 多層循環(huán) + 每個(gè)循環(huán)中較少操作勋颖。
例如要對(duì)一個(gè)像素執(zhí)行 N 個(gè)不同的操作嗦嗡，就應(yīng)該在單個(gè)循環(huán)中執(zhí)行全部操作，而不是寫 N 個(gè)循環(huán)饭玲，每個(gè)循環(huán)執(zhí)行一個(gè)操作酸钦。

• 用迭代器 (iterator)

  cv::Mat_<cv::Vec3b>::iterator it = image.begin<cv::Vec3b>();
  
  cv::Mat_<cv::Vec3b>::iterator itend = image.end<cv::Vec3b>();
  
  for (;it!= itend;++it){
     (*it)[0] = ...
     (*it)[1] = ...
     (*it)[2] = ...
  }
  
  //或者用 while 循環(huán)
  while (it!=itend){
     ...
     ++it;
  }
  

減色算法

默認(rèn) BGR 三色都是采用 8 位二進(jìn)制數(shù)，即有 0～255 種選擇咱枉，三通道互相搭配總共的顏色數(shù)目為 256 * 256 * 256卑硫。 為了降低分析的復(fù)雜度秕硝，可以先對(duì)原圖做減色處理堕担，將每個(gè)通道顏色的數(shù)量降低為原來的 1/n，例如 n=8嚣州，則新的圖片總共的顏色數(shù)目只有 32 * 32 * 32 亿乳。

算法步驟：

• 假設(shè) N 為減色因子硝拧，將圖像中每個(gè)像素的值除以 N，去掉余數(shù)部分
• 將上述結(jié)果乘以 N葛假，得到原始像素值相對(duì)于 N 的倍數(shù)（相當(dāng)于向下取整）
• 再加上 N/2障陶，這樣相對(duì)于原始像素值的誤差就從 -N ~ 0 變成了 -N/2 ~ N/2 ，近似效果更好
• 減色之后共有 (256/N) * (256/N) * (256/N) 種顏色聊训。

銳化圖像

目的是放大圖像邊緣抱究，使圖像看起來更加尖銳
對(duì)于每個(gè)像素，令本身像素值乘以5带斑，然后減去周圍的 4 個(gè)像素值鼓寺，即

這種操作實(shí)際上就是一種卷積

sharpen_kernel.png

用上述 kernel matrix 依次掃過圖像勋拟，即完成了上述的銳化操作。

cv::Mat 數(shù)據(jù)類型作為參數(shù)傳遞

cv::Mat 數(shù)據(jù)結(jié)構(gòu)包括數(shù)據(jù)頭部和數(shù)據(jù)塊：

• 數(shù)據(jù)頭部包含了屬性信息妈候，例如數(shù)據(jù)的大小敢靡、行列、通道數(shù)苦银、元素類型等啸胧，可以通過 .cols,.rows, channels() 等方式獲取數(shù)據(jù)頭部包含的信息；
• 數(shù)據(jù)塊存儲(chǔ)了所有的像素信息幔虏，數(shù)據(jù)頭部中包含了 .data 指針吓揪，可以訪問數(shù)據(jù)塊。

cv::Mat 數(shù)據(jù)結(jié)構(gòu)的一個(gè)關(guān)鍵特點(diǎn)時(shí)所计，當(dāng)復(fù)制一個(gè) cv::Mat 數(shù)據(jù)時(shí)柠辞，僅復(fù)制了數(shù)據(jù)頭部，因此復(fù)制前后的變量都指向同一個(gè)數(shù)據(jù)塊（除非特別指明數(shù)據(jù)頭部和數(shù)據(jù)塊全都復(fù)制）主胧。前述內(nèi)容中提到叭首，copyTo(), clone() 函數(shù)才會(huì)復(fù)制得到全新的函數(shù)，而用賦值操作僅僅復(fù)制了數(shù)據(jù)頭部踪栋，數(shù)據(jù)塊仍然是共享的焙格。

當(dāng)向函數(shù)中傳遞 cv::Mat 類型數(shù)據(jù)時(shí)，比較常見的參數(shù)傳遞形式包括 cv::Mat, const cv::Mat, const cv::Mat &, cv::Mat &.

1. func(cv::Mat input) 僅僅復(fù)制了 input 對(duì)應(yīng)實(shí)參變量的數(shù)據(jù)頭部夷都，對(duì) input 的操作會(huì)改變實(shí)參變量眷唉。但是如果對(duì) input 重新賦值，例如 input = cv::Mat::ones(...)囤官，此時(shí)對(duì) input 的操作不會(huì)影響到外部的實(shí)參冬阳，因?yàn)樾碌?input 不再指向?qū)崊⒆兞康臄?shù)據(jù)塊。
2. func(const cv::Mat input) 也是僅僅復(fù)制了 input 對(duì)應(yīng)實(shí)參的數(shù)據(jù)頭部党饮，只不過由于 const 的限制肝陪，不能在函數(shù)內(nèi)部修改該數(shù)據(jù)頭部。
3. func(const cv::Mat &input) 以引用的形式傳遞了實(shí)參變量的數(shù)據(jù)頭部刑顺，同樣由于 const 的限制氯窍，不能修改該頭部。
4. func(cv::Mat &) 以引用的形式傳遞了實(shí)參變量的數(shù)據(jù)頭部蹲堂，并且可以修改該頭部狼讨。

注意：上述參數(shù)傳遞方式僅僅對(duì)數(shù)據(jù)頭部做了限制，而不限制頭部指向的數(shù)據(jù)塊柒竞，因此情況 2 和 3 中政供，即使由于 const 限制不能修改頭部，仍然可以修改頭部指向的數(shù)據(jù)塊: input.data[0] = 5