opencv访问像素程序中这句话怎么理解(uchar*)src->imageData + i*src->width

第一种：RGB color space

第二种：RG color space

第三种：Ycrcb之cr分量+otsu阈值化

第四种：YCrCb中133<=Cr<=173 77<=Cb<=127

第五种：HSV中 7<H<29

下一步需要滤波 *** 作 因为检测结果中有许多瑕疵

[cpp] view plain copy

#include "highguih"

#include "cvh"

// skin region location using rgb limitation

void SkinRGB(IplImage rgb,IplImage _dst)

{

assert(rgb->nChannels==3&& _dst->nChannels==3);

static const int R=2;

static const int G=1;

static const int B=0;

IplImage dst=cvCreateImage(cvGetSize(_dst),8,3);

cvZero(dst);

for (int h=0;h<rgb->height;h++) {

unsigned char prgb=(unsigned char)rgb->imageData+hrgb->widthStep;

unsigned char pdst=(unsigned char)dst->imageData+hdst->widthStep;

for (int w=0;w<rgb->width;w++) {

if ((prgb[R]>95 && prgb[G]>40 && prgb[B]>20 &&

prgb[R]-prgb[B]>15 && prgb[R]-prgb[G]>15/&&

!(prgb[R]>170&&prgb[G]>170&&prgb[B]>170)/)||//uniform illumination

(prgb[R]>200 && prgb[G]>210 && prgb[B]>170 &&

abs(prgb[R]-prgb[B])<=15 && prgb[R]>prgb[B]&& prgb[G]>prgb[B])//lateral illumination

) {

memcpy(pdst,prgb,3);

}

prgb+=3;

pdst+=3;

}

}

cvCopyImage(dst,_dst);

cvReleaseImage(&dst);

}

// skin detection in rg space

void cvSkinRG(IplImage rgb,IplImage gray)

{

assert(rgb->nChannels==3&&gray->nChannels==1);

const int R=2;

const int G=1;

const int B=0;

double Aup=-18423;

double Bup=15294;

double Cup=00422;

double Adown=-07279;

double Bdown=06066;

double Cdown=01766;

for (int h=0;h<rgb->height;h++) {

unsigned char pGray=(unsigned char)gray->imageData+hgray->widthStep;

unsigned char pRGB=(unsigned char )rgb->imageData+hrgb->widthStep;

for (int w=0;w<rgb->width;w++)

{

int s=pRGB[R]+pRGB[G]+pRGB[B];

double r=(double)pRGB[R]/s;

double g=(double)pRGB[G]/s;

double Gup=Auprr+Bupr+Cup;

double Gdown=Adownrr+Bdownr+Cdown;

double Wr=(r-033)(r-033)+(g-033)(g-033);

if (g<Gup && g>Gdown && Wr>0004)

{

pGray=255;

}

else

{

pGray=0;

}

pGray++;

pRGB+=3;

}

}

}

// implementation of otsu algorithm

// author: onezeros#yahoocn

// reference: Rafael C Gonzalez Digital Image Processing Using MATLAB

void cvThresholdOtsu(IplImage src, IplImage dst)

{

int height=src->height;

int width=src->width;

//histogram

float histogram[256]={0};

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

unsigned char p=(unsigned char)src->imageData+src->widthStepi;

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

histogram[p++]++;

}

}

//normalize histogram

int size=heightwidth;

for(int i=0;i<256;i++) {

histogram[i]=histogram[i]/size;

}

//average pixel value

float avgValue=0;

for(int i=0;i<256;i++) {

avgValue+=ihistogram[i];

}

int threshold;

float maxVariance=0;

float w=0,u=0;

for(int i=0;i<256;i++) {

w+=histogram[i];

u+=ihistogram[i];

float t=avgValuew-u;

float variance=tt/(w(1-w));

if(variance>maxVariance) {

maxVariance=variance;

threshold=i;

}

}

cvThreshold(src,dst,threshold,255,CV_THRESH_BINARY);

}

void cvSkinOtsu(IplImage src, IplImage dst)

{

assert(dst->nChannels==1&& src->nChannels==3);

IplImage ycrcb=cvCreateImage(cvGetSize(src),8,3);

IplImage cr=cvCreateImage(cvGetSize(src),8,1);

cvCvtColor(src,ycrcb,CV_BGR2YCrCb);

cvSplit(ycrcb,0,cr,0,0);

cvThresholdOtsu(cr,cr);

cvCopyImage(cr,dst);

cvReleaseImage(&cr);

cvReleaseImage(&ycrcb);

}

void cvSkinYUV(IplImage src,IplImage dst)

{

IplImage ycrcb=cvCreateImage(cvGetSize(src),8,3);

//IplImage cr=cvCreateImage(cvGetSize(src),8,1);

//IplImage cb=cvCreateImage(cvGetSize(src),8,1);

cvCvtColor(src,ycrcb,CV_BGR2YCrCb);

//cvSplit(ycrcb,0,cr,cb,0);

static const int Cb=2;

static const int Cr=1;

static const int Y=0;

//IplImage dst=cvCreateImage(cvGetSize(_dst),8,3);

cvZero(dst);

for (int h=0;h<src->height;h++) {

unsigned char pycrcb=(unsigned char)ycrcb->imageData+hycrcb->widthStep;

unsigned char psrc=(unsigned char)src->imageData+hsrc->widthStep;

unsigned char pdst=(unsigned char)dst->imageData+hdst->widthStep;

for (int w=0;w<src->width;w++) {

if (pycrcb[Cr]>=133&&pycrcb[Cr]<=173&&pycrcb[Cb]>=77&&pycrcb[Cb]<=127)

{

memcpy(pdst,psrc,3);

}

pycrcb+=3;

psrc+=3;

pdst+=3;

}

}

//cvCopyImage(dst,_dst);

//cvReleaseImage(&dst);

}

void cvSkinHSV(IplImage src,IplImage dst)

{

IplImage hsv=cvCreateImage(cvGetSize(src),8,3);

//IplImage cr=cvCreateImage(cvGetSize(src),8,1);

//IplImage cb=cvCreateImage(cvGetSize(src),8,1);

cvCvtColor(src,hsv,CV_BGR2HSV);

//cvSplit(ycrcb,0,cr,cb,0);

static const int V=2;

static const int S=1;

static const int H=0;

//IplImage dst=cvCreateImage(cvGetSize(_dst),8,3);

cvZero(dst);

for (int h=0;h<src->height;h++) {

unsigned char phsv=(unsigned char)hsv->imageData+hhsv->widthStep;

unsigned char psrc=(unsigned char)src->imageData+hsrc->widthStep;

unsigned char pdst=(unsigned char)dst->imageData+hdst->widthStep;

for (int w=0;w<src->width;w++) {

if (phsv[H]>=7&&phsv[H]<=29)

{

memcpy(pdst,psrc,3);

}

phsv+=3;

psrc+=3;

pdst+=3;

}

}

//cvCopyImage(dst,_dst);

//cvReleaseImage(&dst);

}

int main()

{

IplImage img= cvLoadImage("D:/skinjpg"); //随便放一张jpg在D盘或另行设置目录

IplImage dstRGB=cvCreateImage(cvGetSize(img),8,3);

IplImage dstRG=cvCreateImage(cvGetSize(img),8,1);

IplImage dst_crotsu=cvCreateImage(cvGetSize(img),8,1);

IplImage dst_YUV=cvCreateImage(cvGetSize(img),8,3);

IplImage dst_HSV=cvCreateImage(cvGetSize(img),8,3);

cvNamedWindow("inputimage", CV_WINDOW_AUTOSIZE);

cvShowImage("inputimage", img);

cvWaitKey(0);

SkinRGB(img,dstRGB);

cvNamedWindow("outputimage1", CV_WINDOW_AUTOSIZE);

cvShowImage("outputimage1", dstRGB);

cvWaitKey(0);

cvSkinRG(img,dstRG);

cvNamedWindow("outputimage2", CV_WINDOW_AUTOSIZE);

cvShowImage("outputimage2", dstRG);

cvWaitKey(0);

cvSkinOtsu(img,dst_crotsu);

cvNamedWindow("outputimage3", CV_WINDOW_AUTOSIZE);

cvShowImage("outputimage3", dst_crotsu);

cvWaitKey(0);

cvSkinYUV(img,dst_YUV);

cvNamedWindow("outputimage4", CV_WINDOW_AUTOSIZE);

cvShowImage("outputimage4", dst_YUV);

cvWaitKey(0);

cvSkinHSV(img,dst_HSV);

cvNamedWindow("outputimage5", CV_WINDOW_AUTOSIZE);

cvShowImage("outputimage5", dst_HSV);

cvWaitKey(0);

return 0;

}

OpenCV是一个开源的图像处理库，QML是Qt官方推出的一个描述性语言，QtMarkupLanguage，QtQuick也是Qt官方推出的一个技术框架，在开发嵌入式、动态触屏等时有一定的优势。

模块的作用：

打一个很简单的比方，QML就是Qt的HTML，C就是Qt的JavaScript，而QtQuick相当于一些已经集成好的开发框架，使开发应用程序变得更加简单省事。

OpenCV是一个基于C/C的开源图像处理库，和Qt本身没有太多关联，其主要是用于计算机视觉和图形开发，Qt的扩展应用OpenCV并不是每个应用程序都要用到，只是某些有特殊需求的应用程序可以更方便地使用Qt扩展的OpenCV应用。比如说用Qt开发一个软件，要使用人脸识别功能，就可以集成OpenCV来实现。

使用频率：

虽然说QML相当于HTML，C相当于JavaScript，但是还是有一定区别：所有的网页都是通过解析HTML渲染出的，JavaScript虽然可以动态改变网页，但是最终还是通过改变HTML来达到效果；QML、C的关系恰好反过来，在Qt中，C是“更加底层”的，QML使用更加简单的标记语言的语法来调用底层的C绘图支持API，从而提高程序开发的效率。

使用QML可以更快速、简捷地开发应用程序，在Qt中的使用频率也是很高的，不过这要根据特定开发人群、开发目标而定。有些开发者习惯直接使用C开发，而有些开发者更喜欢简单的QML，很多时候都是“用QML开发用户界面，用C开发业务逻辑”，但是用C开发用户界面的也不在少数。

QtQuick是一套开发框架，核心语言就是QML。

QtQuick的使用频率不低，从Qt的NewProject界面就可以看出，QtQuick是和Qt传统的CWidge平起平坐的（当然还有QtforPython等）。

OpenCV在不需要图形处理功能的情况下是不需要用到的，所以不怎么好说“使用频率”，因为这是针对特定的软件需求来的。

是否有必要学习：

QtQuick能够使应用程序开发更有效率，但是并不是开发一个程序必备的，能用QtQuick开发的，C肯定能够做出来，但是耗费时间、精力更多。在Qt开发工作这一块，掌握Qt的核心功能是必须的，而且这还远远不够。在招聘的时候肯定是考察应聘者对Qt各种技术和开发思想的理解和掌握情况，而QtQuick是官方推出的框架，掌握其开发方法应该是基本功。

以上就是关于opencv访问像素程序中这句话怎么理解(uchar*)src->imageData + i*src->width全部的内容，包括:opencv访问像素程序中这句话怎么理解(uchar*)src->imageData + i*src->width、OpenCV_opencv毛星云、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！