1.1 Storing methods（Mat存儲方法）

1. color space

儲像素值需要指定顏色空間和數據類型。顏色空間是指對一個給定的顏色，如何組合顏色元素以對其編碼。最簡單的顏色空間要屬灰度級空間，只處理黑色和白色，對它們進行組合可以產生不同程度的灰色。對於 彩色 方式則有更多種類的顏色空間，但不論哪種方式都是把顏色分成三個或者四個基元素，通過組合基元素可以產生所有的顏色。RGB顏色空間是最常用的一種顏色空間，這歸功於它也是人眼內部構成顏色的方式。它的基色是紅色、綠色和藍色，有時為了表示透明顏色也會加入第四個元素 alpha (A)。有很多的顏色系統，各有自身優勢：

• RGB是最常見的，這是因為人眼采用相似的工作機制，它也被顯示設備所采用。
• HSV(hue、saturation、value)和HSL(、lightness)把顏色分解成色調、飽和度和亮度/明度。這是描述顏色更自然的方式，比如可以通過拋棄最後一個元素，使算法對輸入圖像的光照條件不敏感。
• YCrCb在JPEG圖像格式中廣泛使用。
• CIE L*a*b*是一種在感知上均勻的顏色空間，它適合用來度量兩個顏色之間的距離 。

2. data type

每個組成元素都有其自己的定義域，取決於其數據類型。最小的數據類型是 char ，占一個字節或者8位，可以是有符號型（0到255之間）或無符號型（-127到+127之間）。盡管使用三個 char 型元素已經可以表示1600萬種可能的顏色（使用RGB顏色空間），但若使用float（4字節，32位）或double（8字節，64位）則能給出更加精細的顏色分辨能力。但同時也要切記增加元素的尺寸也會增加了圖像所占的內存空間。

1.2 Mat accessing pixels(at)

1. vector(向量)

vector是STL中最常見的容器，它是一種順序容器，支持隨機訪問。vector是一塊連續分配的內存，從數據安排的角度來講，和數組極其相似，不同的地方就是：數組是靜態分配空間，一旦分配了空間的大小，就不可再改變了；而vector是動態分配空間，隨著元素的不斷插入，它會按照自身的一套機制不斷擴充自身的容量, 當程序員無法知道自己需要的數組的規模多大時,用其來解決問題可以達到最大節約空間的目的。

#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 類型的 RGB 彩色圖像可以使用 <Vec3b>，3 通道 float 類型的矩陣可以使用 <Vec3f>

2. .at(int x， int y)

可以用來存取圖像中對應坐標為（x，y）的元素坐標。

假設提前已知一幅圖像img的數據類型為 unsigned char型灰度圖（單通道），要對坐標為(14,25)的像素重新賦值為25,則對應操作如下：

Mat grayim(600, 800, CV_8UC1);

uchar value = grayim.at<uchar>(i, j);　   // 讀出第 i行第 j列像素值

grayim.at<uchar>(i, j) = 128;         　　// 將第 i行第 j列像素值設置為 128 128

如果要操作的圖片img是一幅數據類型同樣為unsigned char的彩色圖片，再次要求將坐標（14,25）的像素賦值為25，需要對這個像素三個通道的每個對應元素賦值,Opencv中圖像三原色在內存中的排列順序為B-G-R，操作過程如下：

img.at< Vec3b >(14, 25)[0] = 25;//B   

img.at< Vec3b >(14, 25)[1] = 25;//G   

img.at< Vec3b >(14, 25)[2] = 25;//R

需要註意的是，如果要遍歷圖像，並不推薦使用at()函數。使用這個函數的優點是代碼的可讀性高，但是效率並不是很高。

#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);

}

3. imwrite函數

　　bool imwrite( const String& filename, InputArray img, const std::vector<int>& params = std::vector<int>());

• filename，擴展名來指定圖像的保存格式（.jpg .png .bmp）
• params，用來指定圖像的保存編碼方式，對於不同的圖像保存類型，params是不同的值：

　　　　JPEG，參數為CV_IMWRITE_JPEG_QUALITY（圖片質量），值是從0到100，值越小壓縮的越多，默認值是95；

　　　　PNG， 參數為CV_IMWRITE_PNG_COMPRESSION（壓縮級別）,值是從0到9，值越大表示圖片尺寸越小，壓縮時間越長。默認值是3；

　　　　PPM，PGM或者PBM，參數為CV_IMWRITE_PXM_BINARY（二進制格式標誌），值是0或者1。默認值是1。

　　imwrite只能保存8位（或者是16位無符號（CV_16UC）的PNG,JPEG200或者TIFF圖像）單通道或者三通道的圖像，如果要保存的不是這樣的圖片，可以使用convertTo或者cvtColor來進行轉變。

　　下面代碼展示了如果使用imwrite向文件中寫入一個4通道的png圖像

#include<iostream>  
#include<opencv2/opencv.hpp>  
using namespace std;  
using namespace cv;
/*
阿爾法通道(Alpha Channel)是指一張圖片的透明和半透明度。一個使用32位存儲的圖片，每8位表示紅綠藍，和阿爾法通道。
在這種情況下，就不光可以表示透明還是不透明，阿爾法通道還可以表示256級的半透明度。
*/
void createAlphaMat(Mat &mat) // 創建帶Alpha通道的Mat,MAT 實體
{
    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的宏定義為0xff,對應的是R通道
            rgba[0] = UCHAR_MAX ; 
            //對於G通道,表示越往右占的百分比就越少，顏色也就越深
            //saturate_cast,限制數據範圍為0~255,超過255的值取255,小於0的值取03
            rgba[1] = saturate_cast<uchar>((float (mat.cols - j)) / ((float)mat.cols) * UCHAR_MAX);
            //對於B通道，表示越往下占的百分比就越少，顏色也就越深
            rgba[2] = saturate_cast<uchar>((float (mat.rows - i)) / ((float)mat.rows) * UCHAR_MAX);
            //最後的透明度，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);
    //定義一個容器compression_params，容器內的值為int類型
    vector<int> compression_params ;
    //向compression_params裏面添加值
    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;
}

OPENCV學習筆記3_Mat 保存