
回复
在图像处理中,理解图像的基本操作是掌握计算机视觉技术的关键。本文章将介绍 基于LockAI视觉识别模块下OpenCV 中图像的基本运算方法,包括像素操作、逻辑运算和差值运算,并通过一个综合示例展示其实际应用。
源代码地址:https://gitee.com/LockzhinerAI/LockzhinerVisionModule/tree/master/Cpp_example/B01_basic_method
在图像处理中,坐标是一个非常重要的概念:
每张图像都有以下基本属性:
图像的基本操作包括:
#include <opencv2/opencv.hpp>
uchar cv::Mat::at<uchar>(int row, int col) const; // 灰度图
cv::Vec3b cv::Mat::at<cv::Vec3b>(int row, int col) const; // 彩色图
void cv::Mat::at<uchar>(int row, int col) = value; // 灰度图
void cv::Mat::at<cv::Vec3b>(int row, int col) = value; // 彩色图
int cv::Mat::cols;
int cv::Mat::rows;
int cv::Mat::channels();
size_t cv::Mat::total(); // 总像素数
size_t cv::Mat::elemSize(); // 每个像素的字节数
size_t totalBytes = img.total() * img.elemSize();//计算公式
void cv::bitwise_not(InputArray src, OutputArray dst);
void cv::bitwise_and(InputArray src1, InputArray src2, OutputArray dst);
-参数:
void cv::bitwise_or(InputArray src1, InputArray src2, OutputArray dst);
void cv::bitwise_xor(InputArray src1, InputArray src2, OutputArray dst);
void cv::bitwise_not(InputArray src, OutputArray dst);
cv::Mat nandResult;
cv::bitwise_and(img1, img2, nandResult); // 计算 AND
cv::bitwise_not(nandResult, nandResult); // 取反得到 NAND
void cv::absdiff(InputArray src1, InputArray src2, OutputArray dst);
// 从(10,10)开始,宽40,高40,设置为蓝色
cv::Rect roi(10, 10, 40, 40);
image1(roi).setTo(cv::Scalar(255, 0, 0));
// 图像取反
cv::Mat invertedImage;
cv::bitwise_not(image1, invertedImage);
// 图像差分
cv::Mat diffImage;
cv::absdiff(image1, image2, diffImage);
// 显示结果
cv::imshow("Original Image", image1);
cv::imshow("Inverted Image", invertedImage);
cv::imshow("Difference Image", diffImage);
#include <lockzhiner_vision_module/edit/edit.h>
#include <iostream>
#include <opencv2/opencv.hpp>
int main(int argc, char *argv[])
{
// 检查命令行参数数量是否正确
if (argc != 3)
{
std::cerr << "Usage: " << argv[0] << " <image1_path> <image2_path>" << std::endl;
return -1;
}
// 从命令行参数中读取图像路径
std::string image1Path = argv[1];
std::string image2Path = argv[2];
// 加载图像
cv::Mat image1 = cv::imread(image1Path);
cv::Mat image2 = cv::imread(image2Path);
// 检查图像是否加载成功
if (image1.empty() || image2.empty())
{
std::cerr << "Error: Could not load images!" << std::endl;
return -1;
}
// 获取图像尺寸
int width = image1.cols;
int height = image1.rows;
std::cout << "Image size: " << width << "x" << height << std::endl;
// 从(10,10)开始,宽40,高40,设置为蓝色
cv::Rect roi(10, 10, 40, 40);
image1(roi).setTo(cv::Scalar(255, 0, 0));
// 图像取反
cv::Mat invertedImage;
cv::bitwise_not(image1, invertedImage);
// 图像差分
cv::Mat diffImage;
cv::absdiff(image1, image2, diffImage);
// 显示结果
cv::imshow("Original Image", image1);
cv::imshow("Inverted Image", invertedImage);
cv::imshow("Difference Image", diffImage);
cv::waitKey(0);
return 0;
}
# CMake最低版本要求
cmake_minimum_required(VERSION 3.10)
project(test-basic-method)
set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)
# 定义项目根目录路径
set(PROJECT_ROOT_PATH "${CMAKE_CURRENT_SOURCE_DIR}/../..")
message("PROJECT_ROOT_PATH = " ${PROJECT_ROOT_PATH})
include("${PROJECT_ROOT_PATH}/toolchains/arm-rockchip830-linux-uclibcgnueabihf.toolchain.cmake")
# 定义 OpenCV SDK 路径
set(OpenCV_ROOT_PATH "${PROJECT_ROOT_PATH}/third_party/opencv-mobile-4.10.0-lockzhiner-vision-module")
set(OpenCV_DIR "${OpenCV_ROOT_PATH}/lib/cmake/opencv4")
find_package(OpenCV REQUIRED)
set(OPENCV_LIBRARIES "${OpenCV_LIBS}")
# 定义 LockzhinerVisionModule SDK 路径
set(LockzhinerVisionModule_ROOT_PATH "${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")
set(LockzhinerVisionModule_DIR "${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")
find_package(LockzhinerVisionModule REQUIRED)
# 基本图像处理示例
add_executable(Test-basic-method basic_method.cc)
target_include_directories(Test-basic-method PRIVATE ${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})
target_link_libraries(Test-basic-method PRIVATE ${OPENCV_LIBRARIES} ${LOCKZHINER_VISION_MODULE_LIBRARIES})
install(
TARGETS Test-basic-method
RUNTIME DESTINATION .
)
使用 Docker Destop 打开 LockzhinerVisionModule 容器并执行以下命令来编译项目
# 进入Demo所在目录
cd /LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/B01_basic_method
# 创建编译目录
rm -rf build && mkdir build && cd build
# 配置交叉编译工具链
export TOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置项目
cmake ..
# 执行编译项目
make -j8 && make install
在执行完上述命令后,会在build目录下生成可执行文件。
在凌智视觉模块中输入以下命令:
chmod 777 Test-basic-method
# 需要输入两张大小一样的图片
./Test-basic-method image1_path image2_path
通过上述内容,我们介绍了图像的基本操作及其对应的 OpenCV API。按照以下步骤,您可以轻松地进行图像的基本运算: