opencv怎么用.从文件夹读取

Opencv读取文件夹连续，RGB分量显示，图像灰度化

1读取文件夹连续

刚开始学习图像处理，开始只能一次读入一张，今天从网上查了一些资料，自己写了一个可以连续读取多张函数。

char filename[100];

char windowname[100];

IplImage pScr;

unsigned char Readfigsmethod1(int num)// 读入num个

{

for(int i=1;i<=num;i++)

{

sprintf(filename,"D:/test/%djpg",i);// 将以数字命名：例如1jpg 2jpg等，放入D:/test/文件夹下

sprintf(windowname,"window%djpg",i);

pScr=cvLoadImage(filename,1);//导入

cvNamedWindow(windowname,CV_WINDOW_AUTOSIZE);

cvShowImage(windowname,pScr);//显示

//cvWaitKey(0);

}

cvWaitKey(0);

cvReleaseImage(&pScr);//释放

cvDestroyAllWindows();//销毁窗口

return 0;

}

注释：连续读取主要问题在于filename指向目录， sprintf(filename,"D:/test/%djpg",i)的使用可以使得filename可以从1jpg,2jpg,一直到numjpg filename=D：/test/ijpg

2RGB分量显示，图像灰度化

// RGBSPLITcpp : Defines the entry point for the console application

//

#include "stdafxh"

//#include "afxh"

#include "cvh"

#include "highguih"

#include <stdioh>

#include <stringh>

#include <stdlibh>

char filename[100];

char filename1[100];

char windowname[100];

IplImage pScr;

IplImage img1;

IplImage img=0;

IplImage img_red=0;

IplImage img_green=0;

IplImage img_blue=0;

unsigned char Readfigsmethod1(int num);//实现连续读取的函数

unsigned char RGBsplit(IplImage img);//实现RGB量分开显示的函数

unsigned char RGBtoGray(IplImage img);//实现灰度化函数

int main(int argc, char argv[])

{

img=cvLoadImage("D:\\test\\1jpg");

cvNamedWindow("lena",CV_WINDOW_AUTOSIZE);//创建窗口，窗口名字lena

cvShowImage("lena",img);//载入转化后的图像

RGBsplit(img);//调用RGB分开显示函数，若想实现其他功能，在此处调用其他函数即可。但是显示后cvReleaseImage（）中相应参数要更改成显示的对象。

cvWaitKey(0);

cvReleaseImage(&img);

cvReleaseImage(&img_red);

cvDestroyAllWindows();

return 0;

}

unsigned char Readfigsmethod1(int num)

{

for(int i=1;i<=num;i++)

{

sprintf(filename,"D:/test/%djpg",i);

sprintf(windowname,"window%djpg",i);

pScr=cvLoadImage(filename,1);

cvNamedWindow(windowname,CV_WINDOW_AUTOSIZE);

cvShowImage(windowname,pScr);

//cvWaitKey(0);

}

cvWaitKey(0);

cvReleaseImage(&pScr);

cvDestroyAllWindows();

return 0;

}

unsigned char RGBtoGray(IplImage img)

{

img1 = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);

//色彩空间转换，将源彩色图像img转化成目标灰色图像imag1

cvCvtColor(img,img1,CV_BGR2GRAY); //关键

cvNamedWindow("GrayImage",CV_WINDOW_AUTOSIZE);//创建窗口，窗口名字GrayImage

cvShowImage("GrayImage",img1);//载入转化后的图像

return 0;

}

unsigned char RGBsplit(IplImage img)

{

//IplImage imgeR,img_blue,imageG,imgGRAY;

int width=img->width;

int height=img->height;

int channel=img->nChannels;

int widthStep=img->widthStep;

int i,j;

img_red= cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,3);

img_green= cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,3);

img_blue= cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,3);

for (i=0;i<height;i++)

{

for (j=0;j<width;j++)

{

CvScalar t=cvGet2D(img,i,j);

double s0=tval[0];

double s1=tval[1];

double s2=tval[2];

CvScalar m_blue=cvScalar(s0,0,0,0);

CvScalar m_green=cvScalar(0,s1,0,0);

CvScalar m_red=cvScalar(0,0,s2,0);

cvSet2D(img_blue,i,j,m_blue);

cvSet2D(img_green,i,j,m_green);

cvSet2D(img_red,i,j,m_red);

}

}

cvNamedWindow("imgred",1);

cvShowImage("imgred",img_red);

return 0;

}

采用两个二值图像作为水印嵌入数据，对视频水印进行预处理31 3水印嵌入和检测方案，本文采用二维阿诺德变换。二维阿诺德变换定义为：，（x，y）是原始图像的像素，（x，y）是一个新的像素图像变换，n图像是图像的大小的顺序，并且更一般为正方形图像。由于阿诺德变换的周期性，我们可以使用周期周期变换图像。即在水印嵌入过程中，水印置乱的次数可以作为关键时刻，然后嵌入水印。当水印被提取，水印可以继续（周期倍）。这是利用阿诺德变换进行修复方案。阿诺德转换的数量由版权所有者保存。

乱具有以下优点：水印是

（1）通过置乱的合法可以自由控制算法选择、参数选择和随机数技术，使非法用户很难理解图像的内容，可以提高水印信息的安全性；

（2）分配扰码技术可以分散点误差，提高水印的视觉效果，从而提高其鲁棒性。在3 32视频水印中嵌入水印算法的关键在于以下三点：（1）水印结构；（2）水印嵌入区域；（三）嵌入技术；选取两个二值图像作为水印。为了提高水印的鲁棒性，大多数DCT域水印算法将水印嵌入到DCT系数的低频部分。但低频区域是图像的能量集中，嵌入到低频会降低透明度。虽然嵌入在高频段虽然透明度好，但对于大多数图像处理的高频分量有很大的影响，从而降低水印的鲁棒性。因此，水印算法的水印信号大部分嵌入在中频DCT系数的载体图像，以达到最佳的透明度和鲁棒性之间的权衡。各种嵌入技术的最终目的是提高水印的鲁棒性和透明性。为了提高水印的鲁棒性以及满足人类视觉的限制，必须基于HVS的嵌入位置。本文将HVS分为运动灵敏度、纹理灵敏度和亮度敏感度。在下面的嵌入过程中，这些功能得到充分利用。图3-1显示中间分支。嵌入过程如图3-1所示。图3-1水印嵌入过程读取视频中的亮度分量Y，因为它是最有效的数据，根据NEC算法，嵌入其中的水印具有最强的鲁棒性。根据公式（3-2），给出了运动灵敏度阈值的计算公式，发现32帧对Yi（I = 1,2）更敏感，…32）。

（3-2）

（T代表当前帧的数量）

接下来的Y32数据按照64×64的尺寸裁成20 byij（j = 1,2），…20），我们可以得到20块的三维数据块BYk（k = 1,2，64×64×32），…20，如图2-3所示。图3-2

亮度块根据

式（3-3），（3-4）显示的亮度敏感性LK和DK的公式，通过计算纹理的敏感性，我们选择来计算一块20块数据的值都比较高的（）作为水印嵌入块。

（3-3）

（3-4），这是在BYk的亮度数据，。最后，考虑到该算法的复杂性和性能，我们对所选择的块实现了2阶DCT变换。根据NEC算法的思想，为了抵抗滤波和压缩攻击，我们将争先恐后地将水印序列嵌入到第一帧DCT系数C（u，v）中，见公式（3-5）。在4的数据中，c（u，v）是DCT变换系数的第一帧，C（u，v）是水印嵌入系数，S是非负整数（并满足T1 = S \\ \\，T2 = 3 T1）。在完成嵌入后，用C（u，v）实现抗2维DCT变换，将水印嵌入到视频数据中，再将它们放回原来的位置。重要的是要注意，在嵌入过程中使用的所有参数都应保留为密钥。具体程序如下：第一步：总共有32帧视频Y组件数据：<（1）读t

1、数字图像：

数字图像，又称为数码图像或数位图像，是二维图像用有限数字数值像素的表示。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。

2、数字图像处理包括内容：

图像数字化；图像变换；图像增强；图像恢复；图像压缩编码；图像分割；图像分析与描述；图像的识别分类。

3、数字图像处理系统包括部分：

输入（采集）；存储；输出（显示）；通信；图像处理与分析。

4、从“模拟图像”到“数字图像”要经过的步骤有：

图像信息的获取；图像信息的存储；图像信息处理；图像信息的传输；图像信息的输出和显示。

5、数字图像1600x1200什么意思？灰度一般取值范围0~255，其含义是什么？

数字图像1600x1200表示空间分辨率为1600x1200像素；灰度范围0~255指示图像的256阶灰阶，就是通过不同程度的灰色来来表示图像的明暗关系，8bit的灰度分辨率。

我没用过Python的Opencv的库，只是用过Python的Image的库；Image库已经可以结果这个问题了

我试着做一下：你先得安装PIL库

得到rgb三个通道，然后转到HSV通道，其中H表示0-255的颜色，V表示强度，你大概先知道紫色的范围是多少

from PIL import Image

import colorsys

def CalculateH(img):

    if len(imggetbands()) == 4:

        ir,ig,ib,ia = imgsplit()

    else:

        ir, ig, ib = imgsplit()

    

    Hdat = []

    Sdat = []

    Vdat = []    

    

    for rd,gn,bl in zip(irgetdata(),iggetdata(),ibgetdata()):

        h,l,s = colorsysrgb_to_hsv(rd/255,gn/255,bl/255)

        Hdatappend(h)

        Sdatappend(l)

        Vdatappend(s)

    meanV = mean(Vdat)

    return Hdat, meanV

    

def myreadim(filename):

    im = Imageopen(filename)

    H,V = CalculateH(im)

后面我就懒得写了，应该思路都清楚了吧，要转到其他的颜色通道上，不要在rgb通道上

我简要地写一下吧~核心部分如下：

IplImage image;

int i, j;

double blue, green, red;

for(i=0; i<image->height; i++)

{

for(j=0; j<image->width; j++)

{

blue=((uchar)(image->imageData + iimage->widthStep))[j3];

green=((uchar)(image->imageData + iimage->widthStep))[j3+1];

red=((uchar)(image->imageData + iimage->widthStep))[j3+2];

}

}

上面for循环获取到的就是彩色图像RGB三个通道的值，至于灰度图比这个简单，我不说你也应该可以自己写出来的。记住不会的地方要多查OpenCV手册，那是最好的老师！

在前面，我们只介绍了三种图像的类型，分别位二值图像、灰度图像以及RGB图像。但我们现在常用的图像肯定是RGB图像，不过它只是色彩空间的一种类型，在实际的图像中，还有许多其他的色彩空间，对于会PS的读者来说肯定不会陌生。

比如GRAY色彩空间（灰度图像），XYZ色彩空间，YCrCb色彩空间，HSV色彩空间，HLS色彩空间，CIEL a b 色彩空间，CIEL u v 色彩空间，Bayer色彩空间等。

每个图像都有其擅长处理的内容，因此我们要掌握这些色彩空间图像的转换，以便后续更方便的处理图像的问题。

GRAY就是我们前面介绍的灰度图像，通常指8位灰度图像，其具有256个灰度级，像素值范围位[0,255]。

RGB转换位GRAY的数学公式如下：

Gray=0229 R+0587 G+0114B

而图像有GRAY色彩空间转换为RGB色彩空间时，最终所有通道的值都是相同的，其处理方式如下：

R=Gray

G=Gray

B=Gray

XYZ色彩空间是由CIE（International Commission on Illumination）定义的，是一种更便于计算的色彩空间，它不像RGB转换位GRAY，只能单向转换，XYZ色彩空间与RGB转换不会丢失任何值。

将RGB色彩空间转换为XYZ色彩空间，其转换公式为：

将XYZ色彩空间转换为RGB色彩空间，其转换公式为：

人眼视觉系统对颜色的敏感度要低于对亮度的敏感度。在传统的RGB色彩空间内，RGB三原色具有相同的重要性，但是忽略了亮度的信息。所以，才有了YCrCb色彩空间。

在YCrCb色彩空间中，Y代表光源的亮度，色度信息保存在Cr和Cb中，其中，Cr表示红色分量信息，Cb表示蓝色分量信息。

亮度给出了颜色亮或暗的程度信息，该信息可以通过照明中强度成分的加权和来计算。在RGB光源中，绿色分量的影响最大，蓝色分量的影响最小。

从RGB色彩空间转换YCrCb色彩空间的数学公式如下：

Y=0229 R+0587 G+0114B

Cr=(R-Y)0713+delta

Cb=(B-Y)0564+delta

其中delta的值为：

从YCrCb色彩空间转RGB数学公式如下：

R=Y+1403(Cr-delta)

G=Y-0714 (Cr-delta)-0344 (Cb-delta)

B=Y+1773(Cb-delta)

RGB是从硬件的角度提出的颜色模型，在与人眼匹配的过程中可能存在一定的差异。而HSV色彩空间是一种面向视觉感知的颜色模型。HSV色彩空间是从心理学和视觉的角度出发，指出人眼色彩知觉主要包含3个要素：色调，饱和度，亮度。

说到这里，相信用过PS的都应该清楚HSV到底能干什么了吧？不过，我们还是介绍一些这3个要素，毕竟本篇博文就是专门将色彩空间理论知识的，不能有空缺。

色调（H）：指光的颜色，色调与混合光谱中的主要光波长相关，例如“赤橙黄绿青蓝紫”分别表示不同的色调。如果从波长的角度考虑，不同的波长的光表现为不同的颜色，实际上它们体现的是色调的差异。

饱和度（S）：指色彩的深浅层度，相对于纯净度，或一种颜色混合白光的数量。纯谱色是全饱和的，像深红色（红加白）和淡紫色（紫加白）这样的彩色是欠饱和的，饱和度与所加白光的数量成反比。

亮度（V）：反映的是人眼感受到的光的明暗程度，该指标与物体的反射度有关。对于色彩来讲，如果在其中掺入的白色越多，则其亮度越高；如果在其掺入的黑色越多，则亮度越低。

在具体的实现上，我们将物理空间的颜色分布在圆周上，不同的角度代表不同的颜色。因此，通过调整色调值，我们就能选取不同的颜色，色调的取值范围为[0，360]。色调取值不同，颜色也不同，具体如下表所示：

饱和度的值为[0,1]，饱和度的值为0时，只有灰度，饱和度越大，颜色值越丰富。至于亮度，其取值范围也是[0,1]。

例如，博主现在取色调=0，饱和度=1，亮度=1，就可以提取色彩深红色。

介绍完理论知识，HSV与上面的色彩空间一样，也需要与RGB进行转换，不过，我们这里转换之前，需要先将RGB色彩空间的值转换到[0,1]之间，然后在进行处理。具体处理如下：

V=max(R,G,B) 亮度

这里，H的计算结果可能小于0，如果出现这种情况，则需要对H进一步的处理计算。如下所示：

上述公式计算的结果肯定与前面说的色调，亮度，饱和度的范围一致。至于HSV转RGB，感兴趣的可以参考开发文档。

HLS与HSV色彩空间类似，都具有3要素。只是HLS色彩空间就L与V不同，其中HLS色彩空间的L（光亮度/明度）替换了亮度。

那么什么是光亮度/明度呢？

其实，光亮度/明度是用来控制色彩的明暗变换，它的取值范围同样也是[0,1]。我们在程序中，可以通过光亮度/明度的大小来衡量有多少光线从物体表面反射出来。光亮度/明度对于眼睛感知颜色很重要，因为当一个具有色彩的物体处于光线太强或者太暗的地方时，眼睛是无法准确获取物体颜色的。

说实话，编辑公式有点费劲，感兴趣的自己查询开发文档，后续在python中开发，我们都是使用cv2cvtColor()进行转换的。使用起来，你只需要了解其到底做什么的，并不需要知道其内部如何实现，但内部实现，就是上面的这些数学公式。

CIEL a b色彩空间是均匀色彩空间模型，它是面向视觉感知的颜色模型。从视觉感知均匀的角度来讲，人所感知到的两种颜色的区别程度，应该与这两种颜色在色彩空间中的距离成正比。在某个色彩空间中如果人所观察的两种颜色的区别程度，与这两种颜色在该色彩空间中对应的点之间的欧式距离成正比，则称该色彩空间为均匀色彩空间。

CIEL a b 色彩空间中的L分量用于表示像素的亮度，取值范围为[0,100]，表示从纯黑到纯白；a 分量表示从红色到绿色的范围，取值范围为[-127,127]；b分量表示从**到蓝色的范围，取值范围为[-127127]。

由于CIEL a b 是在CIE的XYZ色彩空间上发展起来的，所以转换的时候，需要先将RGB转换为XYZ色彩空间，然后在转换为CIEL a b 。具体的数学公式感兴趣的查询开发文档。

CIEL u v 色彩空间同CIEL a b 色彩空间一样，是均匀的颜色模型。CIEL u v色彩空间与设备无关，适用于显示器显示和根据加色原理进行组合的场合，该模型中比较强调对红色的表示，即对红色的变化比较敏感，但对蓝色的变化不太敏感。

同样的，CIEL u v 色彩空间也需要先将RGB转换为XYZ色彩空间，然后在转换为CIEL u v ，具体公式感兴趣的可以查询开发文档。

Bayer色彩空间被广泛的应用在CCD和CMOS相机中。

色彩空间的理论知识，到这里基本就讲解完成了，感兴趣的可以自己扩展最后几个数学公式。

LockedRectpBits里面保存到是从kenect传过来的位图数据，LockedRectPitch是每行位图的数据长度，合起来BYTE pBuffer = (BYTE)(LockedRectpBits)+iLockedRectPitch;，pBuffer就是目前正准备拷贝分位图数据的位置，这些代码就是把kinect传过来的数据拷贝到opencv的结构中，而kinect的位图的数据一个像素用四个字节保存，分别对应R，G，B，第四位暂时不用。

以上就是关于opencv怎么用./从文件夹读取全部的内容，包括:opencv怎么用./从文件夹读取、在vs2010中创建一空白图像,把从某一图片读取的数据（rgb值）赋值给它,用opencv怎么实现、Opencv数字图像处理颜色识别问题_opencv颜色分割等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！