本文实例为大家分享了Opencv实现图像灰度线性变换的具体代码,供大家参考,具体内容如下
通过图像灰度线性变换提高图像对比度和亮度,原图像为src,目标图像为dst,则dst(x,y) = * src(x,y) + 。
不仅对单通道图像可以做灰度线性变换,对三通道图像同样可以。
#include<opencv2/opencv.hpp>; #include<iostream> using namespace cv; using namespace std; int main(int argc, char** argv) { Mat src,dst; src = imread("1.jpg"); if (!src.data) { cout << "could not load image" << endl; return -1; } namedWindow("input", CV_WINDOW_AUTOSIZE); imshow("input", src); int rows = src.rows; int cols = src.cols; float alpha = 1.2, beta = 10; dst = Mat::zeros(src.size(), src.type()); for (int row = 0; row < rows; row++) { for (int col = 0; col < cols; col++) { if (src.channels() == 3) { int b = src.at<Vec3b>(row, col)[0]; int g = src.at<Vec3b>(row, col)[1]; int r = src.at<Vec3b>(row, col)[2]; dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>((alpha*b + beta)); dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>((alpha*g + beta)); dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>((alpha*r + beta)); } else if(src.channels()==1){ int v = src.at<uchar>(row, col); dst.at<uchar>(row, col) = saturate_cast<uchar>(alpha*v + beta); } } } namedWindow("output", CV_WINDOW_AUTOSIZE); imshow("output", dst); waitKey(0); return 0; }
运行结果如下:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持小牛知识库。
主要内容:将彩色图像转换为灰度在前面的章节中,我们讨论了如何读取不同类型的输入图像(二进制,灰度,BGR等)。 在本章中,我们将学习如何将一种图像转换为另一种图像。 包中名为的类提供了将图像从一种颜色转换为另一种颜色的方法。 将彩色图像转换为灰度 使用方法将彩色图像转换为灰度。 以下是此方法的语法。 该方法接受以下参数 - src - 表示来源的矩阵。 dst - 表示目的地的矩阵。 code - 表示转换类型的整数代码,例如
以下程序演示如何将彩色图像读取为灰度并使用JavaFX窗口显示。 在这里通过将标志与带有彩色图像路径的字符串一起传递来读取图像。 假定以下是上述程序中指定的输入图像。那么输出结果应该为一个灰色的图片。
问题内容: 我正在尝试直接读取黑白图像。 我最近将OpenCv版本更新为3.0.0-dev,以前使用的代码不再起作用。 适用于2.4,但不能用于新版本,因为没有field 。 有什么建议? 注意:我知道可以使用,但是我不喜欢在代码中使用未命名的常量。谢谢! 问题答案: 该标志已重命名为。一般来说,标志现在以与它们所引用的功能有关的方式为名称加上前缀。(例如,标记以,标记以等等开头)
我只想弄清楚我的概念-访问CV::MAT的所有矩阵元素是否意味着我实际上访问了图像的所有像素值(灰度-1通道,颜色-3通道)?假设我的代码打印灰度矩阵的值(加载1通道图像,类型为CV_32FC1),如下所示,那么这意味着我只访问cv::mat的成员,还是我也访问图像的像素值(具有1通道灰度,类型为CV_32FC1)? 我对使用OpenCV进行图像处理还是一个新手,我想澄清一下我的想法。如果我错了,
本文向大家介绍Python图像灰度变换及图像数组操作,包括了Python图像灰度变换及图像数组操作的使用技巧和注意事项,需要的朋友参考一下 使用python以及numpy通过直接操作图像数组完成一系列基本的图像处理 numpy简介: NumPy是一个非常有名的 Python 科学计算工具包,其中包含了大量有用的工具,比如数组对象(用来表示向量、矩阵、图像等)以及线性代数函数。 数组对象可以实现数组
本文向大家介绍详解Java如何实现图像灰度化,包括了详解Java如何实现图像灰度化的使用技巧和注意事项,需要的朋友参考一下 24位彩色图与8位灰度图 首先要先介绍一下24位彩色图像,在一个24位彩色图像中,每个像素由三个字节表示,通常表示为RGB。通常,许多24位彩色图像存储为32位图像,每个像素多余的字节存储为一个alpha值,表现有特殊影响的信息[1]。 在RGB模型中,如果R=G=B时,则彩