OpenCV彩色图像处理

2019-11-08

此为《数字图像处理》课程的实验五。使用OpenCV进行彩色图像处理和伪彩色图像增强处理。

一、实验目的

理解彩色图像的不同格式；
掌握彩色图像模型间的转化方法；
掌握伪彩色图像增强及其实现方法；

二、实验原理

彩色图像处理；
伪彩色图像增强处理；

三、实验内容

对“lena.jpg”的彩色图像分离出R、G、B三个通道图像，分别求其补色，然后再合并为一张图像保存并显示；
对“lena.jpg” 的彩色图像分离为H、S、V三个通道图像，分别采用平滑滤波处理，分别显示，且合并为一张图像保存；
对“gf3.jpg”灰度图像转成伪彩色图，并显示和保存；

四、实验步骤

1. 将彩色图像分离出RGB，分别求其补色，再合并和保存；

1.1. step3.h

#pragma once
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace cv;
using namespace std;

/*
* 1）对“lena.jpg”的彩色图像分离出R、G、B三个通道图像，分别求其补色，然后再合并为一张图像保存并显示；
*/
void step1(Mat image) {
	Mat comCol; //声明补色图
	image.copyTo(comCol);	//复制原图像的阵列到补色
	
	//存储行和列
	int rows = comCol.rows;
	int cols = comCol.cols;
	
	//对图像图像阵列的每个点进行操作
	for (int i = 0; i < rows; i++) {
		for (int j = 0; j < cols; j++) {
			//分离通道
			int blue = comCol.at<Vec3b>(i, j)[0];	//分离出蓝色通道
			int green = comCol.at<Vec3b>(i, j)[1];	//分离出绿色通道
			int red = comCol.at<Vec3b>(i, j)[2];	//分离出红色通道
			
			//求RGB
			int maxRGB = max(max(red, green), blue);	//求RGB中最大值
			int minRGB = min(min(red, green), blue);	//求RGB中最小值
			
			//求补色,并合并
			comCol.at<Vec3b>(i, j)[0] = maxRGB + minRGB - blue;		//求并合并蓝色通道的补色
			comCol.at<Vec3b>(i, j)[1] = maxRGB + minRGB - green;	//求并合并绿色通道的补色
			comCol.at<Vec3b>(i, j)[2] = maxRGB + minRGB - red;		//求并合并红色通道的补色
		}
		imshow("补色图", comCol);	//显示补色图
		imwrite("J:\\课程\\数字图像处理\\实验五\\Project5\\Release\\comCol.jpg", comCol);	//保存补色图
	}
}

1.2. 结果

补色图

1.3. 讨论

求补色：
- 补色 = Max(R,G,B) + Min(R,G,B) – 原色

2. 将彩色图像分离为HSV，分别采用平滑滤波处理并显示，且合并保存；

2.1. step2.h

#pragma once
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace cv;
using namespace std;

/*
* 2）对“lena.jpg” 的彩色图像分离为H、S、V三个通道图像，
* 分别采用平滑滤波处理，分别显示，且合并为一张图像保存 ；
*/
void step2(Mat image) {

	Mat HSV;	//声明HSV图像
	cvtColor(image, HSV, COLOR_RGB2HSV);	//将颜色模型转换为HSV
	
	Mat HSVChannels[3];			//声明HSV三个通道
	split(HSV, HSVChannels);	//将图像分离
	
	//分别声明HSV三个通道的图像
	Mat H = HSVChannels[0];	//H通道图像
	Mat S = HSVChannels[1];	//S通道图像
	Mat V = HSVChannels[2];	//V通道图像
	
	//分别显示HSV通道图像
	imshow("H通道图像", H);
	imshow("S通道图像", S);
	imshow("V通道图像", V);

	//分别对三个通道进行平滑滤波处理——双边滤波
	Mat dealH, dealS, dealV;
	bilateralFilter(H, dealH, 9, 9 * 9, 9 / 2);	//双边滤波
	bilateralFilter(S, dealS, 9, 9 * 9, 9 / 2);	//双边滤波
	bilateralFilter(V, dealV, 9, 9 * 9, 9 / 2);	//双边滤波

	//分别显示处理后的图像
	imshow("H通道处理后", dealH);
	imshow("S通道处理后", dealS);
	imshow("V通道处理后", dealV);

	Mat dealImage;	//声明处理并合并后的图像
	merge(HSVChannels, 3, dealImage);	//合并HSV通道
	imshow("处理并合并后的图像", dealImage);	//显示
	imwrite("J:\\课程\\数字图像处理\\实验五\\Project5\\Release\\dealImage.jpg", dealImage);	//保存
}

2.2. 结果

2.2.1. HSV分离后：

HSV分离后

2.2.2. 分别处理后：

HSV处理后

2.2.3. 处理并合并后：

处理并合并

1.3. 讨论

颜色空间转换——cvtColor函数
- 1
  void cvtColor( InputArray src, OutputArray dst, int code, int dstCn=0 )
  - InputArray src: 输入图像；
  - OutputArray dst: 输出图像；
  - int code: 颜色空间转换标识符；
  - int dstCn: 目标图像的通道数，该参数为0时，目标图像根据源图像的通道数和具体操作自动决定；
多通道分离——split()函数
- 1
  void split( const Mat& m, vector<Mat>& mv );
  - const Mat& m：需要进行分离的图像；
  - vector<Mat>& mv：填函数的输出数组或者输出的vector容器，即分离后的图像；
多通道合并——merge()函数
- 1
  void merge( const vector<Mat>& mv, OutputArray dst );
  - const vector<Mat>& mv：填需要被合并的vector容器的阵列，这个mv参数中所有的矩阵必须有着一样的尺寸和深度；说白了就是前面被split()函数分离后的图像通道。
  - OutputArray dst：保存为合并后的图像；

双边滤波

非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的，具有简单、非迭代、局部的特点。

1
2
3

void bilateralFilter( InputArray src, OutputArray dst, int d,
                                   double sigmaColor, double sigmaSpace,
                                   int borderType=BORDER_DEFAULT );

InputArray src：输入要处理的图像，需要为8位或者浮点型单通道、三通道的图像。
OutputArray dst：得到处理后的输出图像，与输入图像有一样的尺寸和类型。
int d：表示在过滤过程中每个像素邻域的直径。如果这个值我们设其为非正数，那么OpenCV会从第五个参数sigmaSpace来计算出它来。
double sigmaColor：表示颜色空间滤波器的sigma值。这个参数的值越大，就表明该像素邻域内有更宽广的颜色会被混合到一起，产生较大的半相等颜色区域。
double sigmaSpace：double类型的sigmaSpace坐标空间中滤波器的sigma值，坐标空间的标注方差。它的数值越大，意味着越远的像素会相互影响，从而使更大的区域足够相似的颜色获取相同的颜色。当d>0，d指定了邻域大小且与sigmaSpace无关。否则，d正比于sigmaSpace。
int borderType：用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT，我们一般不用管它。

3. 将灰度图像转成伪彩色图，并显示和保存；

3.1. step3.h

#pragma once
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace cv;
using namespace std;

/*
* 3）对“gf3.jpg”灰度图像转成伪彩色图，并显示和保存。
*/
void step3(Mat image) {
	Mat img_pseudocolor(image.rows, image.cols, CV_8UC3);//构造RGB图像
	int tmp = 0;
	//转为伪彩色图像
	for (int y = 0; y < image.rows; y++) { 
		for (int x = 0; x < image.cols; x++) {
			tmp = image.at<unsigned char>(y, x);
			img_pseudocolor.at<Vec3b>(y, x)[0] = abs(255 - tmp); //blue
			img_pseudocolor.at<Vec3b>(y, x)[1] = abs(127 - tmp); //green
			img_pseudocolor.at<Vec3b>(y, x)[2] = abs(0 - tmp); //red
		}
	}
	imshow("伪彩色图", img_pseudocolor);        //显示gf3.jpg灰度图的伪彩色图
	imwrite("J:\\课程\\数字图像处理\\实验五\\Project5\\Release\\img_pseudocolor.jpg", img_pseudocolor);	//保存
}

3.2. 结果

伪彩色图

4. 主函数

4.1. main.cpp

#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
#include "step1.h"
#include "step2.h"
#include "step3.h"

using namespace cv;
using namespace std;

int main() {
	//读取需要的图片素材
	Mat lena = imread("J:\\课程\\数字图像处理\\实验五\\Project5\\Release\\lena.jpg");
	Mat gf3 = imread("J:\\课程\\数字图像处理\\实验五\\Project5\\Release\\gf3.jpg");
	
	imshow("lena", lena);
	imshow("gf3", gf3);
	
	//对“lena.jpg”的彩色图像分离出R、G、B三个通道图像，分别求其补色，然后再合并为一张图像保存并显示；
	step1(lena);

	//对“lena.jpg” 的彩色图像分离为H、S、V三个通道图像，分别采用平滑滤波处理，分别显示，且合并为一张图像保存 ；
	step2(lena);

	//对“gf3.jpg”灰度图像转成伪彩色图，并显示和保存 ；
	step3(gf3);

	waitKey(10000);

	return 0;
}

4.2. 结果

main

一、实验目的

二、实验原理

三、实验内容

四、实验步骤

1. 将彩色图像分离出RGB，分别求其补色，再合并和保存；

1.1. step3.h

1.2. 结果

1.3. 讨论

2. 将彩色图像分离为HSV，分别采用平滑滤波处理并显示，且合并保存 ；

2.1. step2.h

2.2. 结果

2.2.1. HSV分离后：

2.2.2. 分别处理后：

2.2.3. 处理并合并后：

1.3. 讨论

3. 将灰度图像转成伪彩色图，并显示和保存 ；

3.1. step3.h

3.2. 结果

4. 主函数

4.1. main.cpp

4.2. 结果

2. 将彩色图像分离为HSV，分别采用平滑滤波处理并显示，且合并保存；

3. 将灰度图像转成伪彩色图，并显示和保存；