我正在开展一个项目，我需要在其中检测图像中的红色激光线。这是我想到的策略。
- 分离图像中的 R、G、B channel 。
- 以高强度值对图像进行阈值处理。
- 使用生成的 3 个二进制图像，执行元素明智的操作 r && !g && !b。 (&& 是逻辑与，! 是逻辑非)。
- 生成的矩阵是二值图像，其中 1 位于激光出现的区域。
这适用于 Matlab 上的一些测试图像。但我的问题是，这需要在 C/C++ 中使用 OpenCV 来实现。
我已经尝试过大多数库函数，但似乎没有直观/简单的方法来处理二进制图像并对它们执行逻辑操作。
有人可以向我指出您认为我可能会觉得有用的 OpenCV 函数/方法吗？我认为 cvThresholdImage 可用于阈值处理，但仅此而已。
最佳答案
那么您已经了解了 openCV 中的第 1 步和第 2 步？如果您只是尝试使用逻辑运算符，openCV 可以让您访问原始数据，然后您可以使用逻辑运算符对其进行操作。假设您已经分成三个 channel 并设置了阈值
//three binary images in the format you specified above
cv::Mat g;
cv::Mat b;
cv::Mat r;
uchar* gptr = g.data();
uchar* bptr = b.data();
uchar* rptr = r.data();
//assuming the matrix data is continuous you can just iterate straight through the data
if(g.isContinuous()&&r.isContinuous()&&b.isContinuous())
{
for(int i = 0; i < g.rows*g.cols; i++)
{
rptr[i] = rptr[i]&&!bptr[i]&&!gptr[i];
}
}
r 现在包含您描述的输出。如果不想覆盖 r，也可以将其复制到新矩阵中。
有多种方法可以遍历 cv::Mat 并访问所有数据点，C++ 提供了您可能需要的所有逻辑运算符。据我所知，openCV 不提供矩阵逻辑运算符函数，但您可以非常轻松地编写自己的函数，如上所示。
编辑 正如 QuentinGeissmann 所建议的，您可以使用 bitwise_not 和 bitwise_and 函数完成同样的事情。我不知道他们的存在。我怀疑使用它们会更慢，因为必须迭代数据的次数，但可以用更少的代码完成。
cv::bitwise_not(g,g);
cv::bitwise_not(b,b);
cv::bitwise_and(b,g,b);
cv::bitwise_and(r,b,r);
//r now contains r&&!b&&!g
关于c++ - 使用 OpenCV 进行激光线检测，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/11972457/