在圖像處理中，理解圖像的基本操作是掌握計算機視覺技術的關鍵。本文章將介紹 基于LockAI視覺識別模塊下OpenCV 中圖像的基本運算方法，包括像素操作、邏輯運算和差值運算，并通過一個綜合示例展示其實際應用。

1. 基本知識講解

1.1 圖像坐標系

在圖像處理中，坐標是一個非常重要的概念：

原點：圖像的左上角為原點 (0, 0)。

x 軸：從左到右遞增。

y 軸：從上到下遞增。

1.2 圖像的基本屬性

每張圖像都有以下基本屬性：

寬度（Width）：圖像的列數。

高度（Height）：圖像的行數。

通道數（Channels）：

灰度圖：1 個通道。

彩色圖：通常為 3 個通道（BGR）。

1.3 圖像的基本操作

圖像的基本操作包括：

獲取和設置像素值：訪問和修改圖像中的像素值。

邏輯運算：如按位與、或、異或等。

差值運算：計算兩張圖像之間的差異。

2.API文檔

2.1 頭文件

#include

2.2 獲取設置像素點

ucharcv::at<uchar>(introw,intcol)const;// 灰度圖
cv::Vec3bcv::at<cv::Vec3b>(introw,intcol)const;// 彩色圖

參數:

row：行索引(y坐標)

col：列索引(x坐標)

返回值:

對于灰度圖，返回單通道值（unchar）

對于彩色圖，返回三通道值（cv::Vec3b）

2.3 設置像素點：

voidcv::at<uchar>(introw,intcol)=value;// 灰度圖
voidcv::at<cv::Vec3b>(introw,intcol)=value;// 彩色圖

參數:

row：行索引(y坐標)

col：列索引(x坐標)

value:要設置的像素值（uchar或cv::Vec3b）

2.4 獲取圖像的寬度和高度

2.4.1 獲取寬度

intcv::cols;

返回值

返回圖像的寬度（列數）

2.4.2 獲取高度

intcv::rows;

返回值

返回圖像的高度（行數）

2.5 獲取圖像的格式和大小

2.5.1 判斷是否為灰度圖

intcv::channels();

返回值

1表示灰度圖

3表示彩色圖

2.5.2 獲取圖像大小（字節數）

size_tcv::total();// 總像素數
size_tcv::elemSize();// 每個像素的字節數
size_ttotalBytes=img.total()*img.elemSize();//計算公式

返回值

返回圖像的總字節數

2.6 圖像取反

voidcv::bitwise_not(InputArraysrc,OutputArraydst);

參數:

src：輸入圖像（cv::Mat）

dst：輸出圖像（cv::Mat）

返回值：

結果儲存在dst中

2.7 圖像邏輯運算

2.7.1 按位與（AND）

voidcv::bitwise_and(InputArraysrc1,InputArraysrc2,OutputArraydst);

-參數：

src1：輸入圖像1（cv::Mat）

src2：輸入圖像2（cv::Mat）

dst：輸出圖像（cv::Mat）

返回值：

結果儲存在dst中

2.7.2 按位或（OR）

voidcv::bitwise_or(InputArraysrc1,InputArraysrc2,OutputArraydst);

參數：

src1：輸入圖像1（cv::Mat）

src2：輸入圖像2（cv::Mat）

dst：輸出圖像（cv::Mat）

返回值：

結果儲存在dst中

2.7.3 按位異或（XOR）

voidcv::bitwise_xor(InputArraysrc1,InputArraysrc2,OutputArraydst);

參數：

src1：輸入圖像1（cv::Mat）

src2：輸入圖像2（cv::Mat）

dst：輸出圖像（cv::Mat）

返回值：

結果儲存在dst中

2.7.4 按位取反（NOT）

voidcv::bitwise_not(InputArraysrc,OutputArraydst);

參數：

src：輸入圖像（cv::Mat）

dst：輸出圖像（cv::Mat）

返回值：

結果儲存在dst中

2.7.5 復雜的圖像邏輯運算

如果需要實現復雜的邏輯運算（如NAND、NOR、NXOR等），可以通過組合上述基本函數來完成。例如：**NAND 與非運算

cv::MatnandResult;
cv::bitwise_and(img1,img2,nandResult);// 計算 AND
cv::bitwise_not(nandResult,nandResult);// 取反得到 NAND

通過這樣的組合我們就可以實現更為復雜的邏輯運算了。

2.8 絕對差值

voidcv::absdiff(InputArraysrc1,InputArraysrc2,OutputArraydst);

參數：

src1：輸入圖像1（cv::Mat）

src2：輸入圖像2（cv::Mat）

dst：輸出圖像（cv::Mat）

返回值：

結果儲存在dst中

3.綜合代碼解析

3.1 流程圖

3.2 代碼解析

像素操作

// 從(10,10)開始，寬40，高40，設置為藍色
cv::Rectroi(10,10,40,40);
image1(roi).setTo(cv::Scalar(255,0,0));

圖像變換

// 圖像取反
cv::MatinvertedImage;
cv::bitwise_not(image1,invertedImage);
// 圖像差分
cv::MatdiffImage;
cv::absdiff(image1,image2,diffImage);

顯示結果

// 顯示結果
cv::imshow("Original Image",image1);
cv::imshow("Inverted Image",invertedImage);
cv::imshow("Difference Image",diffImage);

3.3 代碼實現

#include
#include
#include

intmain(intargc,char*argv[])
{
// 檢查命令行參數數量是否正確
if(argc!=3)
{
std::cerr<<"Usage: "<<argv[0]<<" "<<std::endl;
return-1;
}

// 從命令行參數中讀取圖像路徑
std::stringimage1Path=argv[1];
std::stringimage2Path=argv[2];

// 加載圖像
cv::Matimage1=cv::imread(image1Path);
cv::Matimage2=cv::imread(image2Path);

// 檢查圖像是否加載成功
if(image1.empty()||image2.empty())
{
std::cerr<<"Error: Could not load images!"<<std::endl;
return-1;
}

// 獲取圖像尺寸
intwidth=image1.cols;
intheight=image1.rows;
std::cout<<"Image size: "<<width<<"x"<<height<<std::endl;

// 從(10,10)開始，寬40，高40，設置為藍色
cv::Rectroi(10,10,40,40);
image1(roi).setTo(cv::Scalar(255,0,0));

// 圖像取反
cv::MatinvertedImage;
cv::bitwise_not(image1,invertedImage);

// 圖像差分
cv::MatdiffImage;
cv::absdiff(image1,image2,diffImage);

// 顯示結果
cv::imshow("Original Image",image1);
cv::imshow("Inverted Image",invertedImage);
cv::imshow("Difference Image",diffImage);

cv::waitKey(0);
return0;
}

4. 編譯過程

4.1 編譯環境搭建

請確保你已經按照開發環境搭建指南正確配置了開發環境。

同時以正確連接開發板。

4.2 Cmake介紹

# CMake最低版本要求
cmake_minimum_required(VERSION3.10)

project(test-basic-method)

set(CMAKE_CXX_STANDARD17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 定義項目根目錄路徑
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")

# 定義 OpenCV SDK 路徑
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"${OpenCV_LIBS}")
# 定義 LockzhinerVisionModule SDK 路徑
set(LockzhinerVisionModule_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")
set(LockzhinerVisionModule_DIR"${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")
find_package(LockzhinerVisionModule REQUIRED)

# 基本圖像處理示例
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 .
)

4.3 編譯項目

使用 Docker Destop 打開 LockzhinerVisionModule 容器并執行以下命令來編譯項目

# 進入Demo所在目錄
cd/LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/B01_basic_method
# 創建編譯目錄
rm-rfbuild &&mkdirbuild &&cdbuild
# 配置交叉編譯工具鏈
exportTOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置項目
cmake ..
# 執行編譯項目
make-j8&&makeinstall

在執行完上述命令后，會在build目錄下生成可執行文件。

5. 例程運行示例

5.1 運行過程

在凌智視覺模塊中輸入以下命令：

chmod777Test-basic-method
# 需要輸入兩張大小一樣的圖片
./Test-basic-method image1_path image2_path

5.2 運行結果

原始圖像左上角加上一個40*40的矩形藍像素點

圖像差分結果：

6.總結

通過上述內容，我們介紹了圖像的基本操作及其對應的 OpenCV API。按照以下步驟，您可以輕松地進行圖像的基本運算：

獲取和設置像素值：使用 cv::at 方法訪問和修改像素。

邏輯運算：使用 cv::bitwise_and、cv::bitwise_or 等函數實現邏輯運算。

差值運算：使用 cv::absdiff 計算圖像之間的差異。

復雜運算：通過組合基本函數實現更復雜的邏輯運算。