OpenCV&Qt学习之三——图像的初步处理

来实现适应图像显示的，但是由于窗口固定，在打开的图像小于控件大小时就会缩在左上角显示，在打开图像过大时则显示不全。因此这个例程中首先实现图像适合窗口的缩放显示。

由于是基于OpenCV和Qt的图像处理，因此图像的缩放处理在OpenCV和Qt都可以完成，我这里就把OpenCV用作图像的原始处理，Qt用作显示处理，因此缩放显示由Qt完成。

Qt中QImage提供了用于缩放的基本函数，而且功能非常强大，使用Qt自带的帮助可以检索到相关信息。

函数原型：

这是直接获取大小，还有另一种形式：

函数说明以及参数在文档中已经说的非常清楚了，文档摘录如下：

Returns a copy of the image scaled to a rectangle defined by the given size according to the given aspectRatioModeand transformMode.

官方文档中已经说的比较清楚了，代码实现也比较简单，代码如下：

显示效果如下：

对于以上代码通过和我之前的代码做简单对比，发现有几点不一样的地方：

图像的定义方式，这里的定义方式为QImage* imgScale = new QImage

scaled函数的调用方式，一个是imgScaled = img.scaled后者为*imgScaled=img->scaled，我最开始也是将.写为->一直没找出错误，提示base operand of '->' has non-pointer type 'QImage'

继续查找Qt的帮助手册，发现QImage的构造函数还真是多：

凌乱查了查资料，网上的资料就那几个，互相转来转去的，而且多数比较老，仍然没有帮助我想通关于这里面数据结构的一些疑问，Qt 和 OpenCV对C和指针的要求还是比较高的，长时间从单片机类的程序过来那点功底还真不够，具体的C应用都忘光了。这个问题只能暂时搁置，在后面的学习中慢慢理解。

关于图像数据的基础知识参见这段介绍：

Fundamentally, an image is a matrix of numerical values. This is why OpenCV 2 manipulates them using the cv::Mat data structure. Each element of the matrix represents one pixel. For a gray-level image (a "black-and-white" image), pixels are unsigned 8-bit values where 0 corresponds to black and corresponds 255 to white. For a color image, three such values per pixel are required to represent the usual three primary color channels {Red, Green, Blue}. A matrix element is therefore made, in this case, of a triplet of values.

这儿以想图像中添加saltand-pepper noise为例，来说明如何访问图像矩阵中的独立元素。saltand-pepper noise就是图片中一些像素点，随机的被黑色或者白色的像素点所替代，因此添加saltand-pepper noise也比较简单，只需要随机的产生行和列，将这些行列值对应的像素值更改即可，当然通过上面的介绍，需要更改RGB3个通道。程序如下：

<a></a>

对Win 7系统中的自带图像考拉进行处理后的效果如下图所示（程序是Ubuntu 12.04下的）：

在很多处理中需要对图片中的所有像素进行遍历操作，采用什么方式进行这个操作是需要思考的问题，关于这个问题的论述可以参考下面一段简介：

Color images are composed of 3-channel pixels. Each of these channels corresponds to the intensity value of one of the three primary colors (red, green, blue). Since each of these values is an 8-bit unsigned char, the total number of colors is 256x256x256, which is more than 16 million colors. Consequently, to reduce the complexity of an analysis, it is sometimes useful to reduce the number of colors in an image. One simple way to achieve this goal is to simply subdivide the RGB space into cubes of equal sizes. For example, if you reduce the number of colors in each dimension by 8, then you would obtain a total of 32x32x32 colors. Each color in the original image is then assigned a new color value in the color-reduced image that corresponds to the value in the center of the cube to which it belongs.

这个例子就是通过操作每一个像素点来减少色彩的位数，基本内容在以上的英文引文中已经有了介绍，代码的实现也比较直接。在彩色图像中，3个通道的数据是依次排列的，每一行的像素三个通道的值依次排列，cv::Mat中的通道排列顺序为BGR，那么一个图像需要的地址块空间为uchar 宽×高×3.但是需要注意的是，有些处理器针对行数为4或8的图像处理更有效率，因此为了提高效率就会填充一些额外的像素，这些额外的像素不被显示和保存，值是忽略的。

实现这个功能的代码如下：

data[i]= data[i]/div*div+div/2; 通过整除的方式，就像素位数进行减少，这里没明白的是为啥后面还要加上div/2。

效果如下：

程序源代码：

书中还给了其他十余种操作的方法：

本文转自emouse博客园博客，原文链接：http://www.cnblogs.com/emouse/archive/2013/03/31/2991333.html，如需转载请自行联系原作者