标签：cas push filename bool http 优点 顺序 input 之间
储像素值需要指定颜色空间和数据类型。颜色空间是指对一个给定的颜色，如何组合颜色元素以对其编码。最简单的颜色空间要属灰度级空间，只处理黑色和白色，对它们进行组合可以产生不同程度的灰色。对于 彩色 方式则有更多种类的颜色空间，但不论哪种方式都是把颜色分成三个或者四个基元素，通过组合基元素可以产生所有的颜色。RGB颜色空间是最常用的一种颜色空间，这归功于它也是人眼内部构成颜色的方式。它的基色是红色、绿色和蓝色，有时为了表示透明颜色也会加入第四个元素 alpha (A)。有很多的颜色系统，各有自身优势：
每个组成元素都有其自己的定义域，取决于其数据类型。最小的数据类型是 char ，占一个字节或者8位，可以是有符号型（0到255之间）或无符号型（-127到+127之间）。尽管使用三个 char 型元素已经可以表示1600万种可能的颜色（使用RGB颜色空间），但若使用float（4字节，32位）或double（8字节，64位）则能给出更加精细的颜色分辨能力。但同时也要切记增加元素的尺寸也会增加了图像所占的内存空间。
vector是STL中最常见的容器，它是一种顺序容器，支持随机访问。vector是一块连续分配的内存，从数据安排的角度来讲，和数组极其相似，不同的地方就是：数组是静态分配空间，一旦分配了空间的大小，就不可再改变了；而vector是动态分配空间，随着元素的不断插入，它会按照自身的一套机制不断扩充自身的容量, 当程序员无法知道自己需要的数组的规模多大时,用其来解决问题可以达到最大节约空间的目的。
#include<vector> #include <iostream> using namespace std; int main() { int i =0; vector<int> g; //Vector to store integers for( i = 0; i < 5; i++ ) { g.push_back( i ); } for( i = 0; i < g.size(); i++ ) { cout << g[ i ] << " "; } cout << endl; return 0; }
例如 8U 类型的 RGB 彩色图像可以使用 <Vec3b>，3 通道 float 类型的矩阵可以使用 <Vec3f>
可以用来存取图像中对应坐标为（x，y）的元素坐标。
假设提前已知一幅图像img的数据类型为 unsigned char型灰度图（单通道），要对坐标为(14,25)的像素重新赋值为25,则对应操作如下：
Mat grayim(600, 800, CV_8UC1); uchar value = grayim.at<uchar>(i, j); // 读出第 i行第 j列像素值 grayim.at<uchar>(i, j) = 128; // 将第 i行第 j列像素值设置为 128 128
如果要操作的图片img是一幅数据类型同样为unsigned char的彩色图片，再次要求将坐标（14,25）的像素赋值为25，需要对这个像素三个通道的每个对应元素赋值,Opencv中图像三原色在内存中的排列顺序为B-G-R，操作过程如下：
img.at< Vec3b >(14, 25)[0] = 25;//B img.at< Vec3b >(14, 25)[1] = 25;//G img.at< Vec3b >(14, 25)[2] = 25;//R
需要注意的是，如果要遍历图像，并不推荐使用at()函数。使用这个函数的优点是代码的可读性高，但是效率并不是很高。
#include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; int main() { Mat image(600, 800, CV_8UC1); Mat image2(600, 800, CV_8UC3); for (int i = 0; i < image.rows; ++i) { for (int j = 0; j < image.cols; ++j) { image.at<uchar>(i, j) = 0; } } for (int i = 0; i < image2.rows; ++i) { for (int j = 0; j < image2.cols; ++j) { image2.at<Vec3b>(i, j)[0] = 50; image2.at<Vec3b>(i, j)[1] = 150; image2.at<Vec3b>(i, j)[2] = 250; } } imshow("image", image); imshow("image2", image2); waitKey(0); }
bool imwrite( const String& filename, InputArray img, const std::vector<int>& params = std::vector<int>());
JPEG，参数为CV_IMWRITE_JPEG_QUALITY（图片质量），值是从0到100，值越小压缩的越多，默认值是95；
PNG， 参数为CV_IMWRITE_PNG_COMPRESSION（压缩级别）,值是从0到9，值越大表示图片尺寸越小，压缩时间越长。默认值是3；
PPM，PGM或者PBM，参数为CV_IMWRITE_PXM_BINARY（二进制格式标志），值是0或者1。默认值是1。
imwrite只能保存8位（或者是16位无符号（CV_16UC）的PNG,JPEG200或者TIFF图像）单通道或者三通道的图像，如果要保存的不是这样的图片，可以使用convertTo或者cvtColor来进行转变。
下面代码展示了如果使用imwrite向文件中写入一个4通道的png图像
#include<iostream> #include<opencv2/opencv.hpp> using namespace std; using namespace cv; /* 阿尔法通道(Alpha Channel)是指一张图片的透明和半透明度。一个使用32位存储的图片，每8位表示红绿蓝，和阿尔法通道。 在这种情况下，就不光可以表示透明还是不透明，阿尔法通道还可以表示256级的半透明度。 */ void createAlphaMat(Mat &mat) // 创建带Alpha通道的Mat,MAT 实体 { for(int i = 0 ; i < mat.rows ; i ++) { for(int j = 0 ; j < mat.cols ; j ++) { Vec4b &rgba = mat.at<Vec4b>(i,j); //UCHAR_MAX的宏定义为0xff,对应的是R通道 rgba[0] = UCHAR_MAX ; //对于G通道,表示越往右占的百分比就越少，颜色也就越深 //saturate_cast,限制数据范围为0~255,超过255的值取255,小于0的值取03 rgba[1] = saturate_cast<uchar>((float (mat.cols - j)) / ((float)mat.cols) * UCHAR_MAX); //对于B通道，表示越往下占的百分比就越少，颜色也就越深 rgba[2] = saturate_cast<uchar>((float (mat.rows - i)) / ((float)mat.rows) * UCHAR_MAX); //最后的透明度，是取G和B通道的平均值 rgba[3] = saturate_cast<uchar>(0.5 * (rgba[1] + rgba[2])); } } } int main() { Mat mat(480,640,CV_8UC4); createAlphaMat(mat); //定义一个容器compression_params，容器内的值为int类型 vector<int> compression_params ; //向compression_params里面添加值 compression_params.push_back(CV_IMWRITE_PNG_COMPRESSION); compression_params.push_back(9); imwrite("alpha.png",mat,compression_params); // CV_IMWRITE_PNG_COMPRESSION = 9 return 0; }
标签：cas push filename bool http 优点 顺序 input 之间
原文地址：http://www.cnblogs.com/yunfung/p/7545686.html
