1. 程式人生 > >Opencv 影象深度+轉換深度

Opencv 影象深度+轉換深度

1. opencv 影象深度

影象深度是指儲存每個畫素所用的位數,也用於量度影象的色彩解析度.影象深度確定彩色影象的每個畫素可能有的顏色數,或者確定灰度影象的每個畫素可能有的灰度級數.它決定了彩色影象中可出現的最多顏色數,或灰度影象中的最大灰度等級.比如一幅單色影象,若每個象素有8位,則最大灰度數目為2的8次方,即256.一幅彩色影象RGB3個分量的象素位數分別為4,4,2,則最大顏色數目為2的4+4+2次方,即1024,就是說畫素的深度為10位,每個畫素可以是1024種顏色中的一種.

opencv 深度顯示範圍:(也就是說當定義瞭如下不同深度的時候,畫素的灰度值要處於顯示範圍之中才可以顯示出來。否則要進行轉換)

     測試double型:0.0--1.0之間                              IPL_DEPTH_64F

      測試float型:0.0--1.0之間                                  IPL_DEPTH_32F

      測試long型:0--65535之間                                IPL_DEPTH_32S        

      測試short int型:-32768--32767之間                 IPL_DEPTH_16S        

      測試unsigned short int型:0--65535之間           IPL_DEPTH_16U

      測試char型:-128--127之間                               IPL_DEPTH_8S          

      測試unsigned char型:0--255之間                     IPL_DEPTH_8U

2. Opencv convertScaleAbs函式

在將RealSense提取的深度圖片進行顯示時,由於是16點陣圖片,想將圖片轉化成為8點陣圖形進行顯示
Opencv中有一個函式convertScaleAbs可以實現這種功能
C++: void convertScaleAbs(InputArray src, OutputArray dst, double alpha=1, double beta=0)


Parameters:
src: input array
dst: output array
alpha: optional scale factor
beta: optional delta added to the scaled values
the governmental definition for the function is :
On each element of the input array, the function covertScaleAbs performs three operations sequentially: scaling, taking an absolute value, conversion to an unsigned 8-bit type:
這裡寫圖片描述

簡而言之就是將一個16位的圖轉換成8位。

相關推薦

Opencv 影象深度+轉換深度

1. opencv 影象深度 影象深度是指儲存每個畫素所用的位數,也用於量度影象的色彩解析度.影象深度確定彩色影象的每個畫素可能有的顏色數,或者確定灰度影象的每個畫素可能有的灰度級數.它決定了彩色影象中可出現的最多顏色數,或灰度影象中的最大灰度等級.比如一幅單色影象,若每個

ROS影象OpenCV影象格式轉換(C++)

一、ROS官網Converting between ROS images and OpenCV images (C++) 二、使用cv_bridge遇到的問題 1、標頭檔案 #include <opencv2/imgproc/imgproc.hpp> #includ

Python-opencv 筆記8 -- PIL.Image和OpenCV影象格式轉換

Python-opencv 筆記8 – PIL.Image和OpenCV影象格式轉換 1、PIL.Image 轉 OpenCV import cv2 from PIL import Image imp

opencv 影象形態學轉換

  學習不同的形態學操作,例如腐蝕,膨脹,開運算,閉運算等   學習的函式有:cv2.erode(), cv2.dilate(), cv2.morphologyEx()等 原理   形態學操作是根據影象形狀進行的簡單操作,一般情況下對二值化影象進行的操作。

譯:ROS影象OpenCV影象相互轉換

ROS影象和OpenCV影象相互轉換 描述: 本文將描述如何使用cv_bridge來將ROS影象轉換為OpenCV影象,以及OpenCV轉為ROS影象。 1. 概念 在ROS中是以自己的sensor_msgs/Image格式對影象進行處理的,但開發者可

Python3下OpenCV影象格式轉換方法

   OpenCV影象格式是BGR,和我們日常RGB影象顏色通道不一致,恰好相反。雖然顏色通道不一致, 但每個顏色通道的值是沒有問題的,如果解析出來,重新組合,就能轉換成RGB格式影象了。     下面的程式碼,test_probelm是觀察效果。而method1、metho

OpenCV筆記——影象不同位深度間的轉換

參考網址: http://baike.baidu.com/view/3440672.htm http://blog.csdn.net/yihandk666/article/details/7612756 最近程式設計有用到OpenCV,其中涉及到影象不同位深度間的轉換。在

Deep Feature Interpolation for Image Content Changes(基於深度特徵插值的影象屬性轉換方法)

引言: 我們提供了一種基於深度特徵插值的方法,一種線性資料驅動的自動化高維空間轉換的方法,就如名字所說的,DFI僅僅基於使用經過預訓練的深度卷積特徵簡單的線性插值。我們發現雖然其方法比較簡單,但是DFI能夠顯示高水準的風格轉換例如在“臉部年輕化和衰老轉化”,“戴眼鏡”,“新

opencv 影象深度(depth)

影象深度是指儲存每個畫素所用的位數,也用於量度影象的色彩解析度.影象深度確定彩色影象的每個畫素可能有的顏色數,或者確定灰度影象的每個畫素可能有的灰度級數.它決定了彩色影象中可出現的最多顏色數,或灰度影象中的最大灰度等級.比如一幅單色影象,若每個象素有8位,則最大灰度數目為2的8次方,即256.一幅彩色影象R

opencv影象深度及取值範圍

影象的位深度及其取值範圍:src.depth() Mat型別: 矩陣資料型別:       ——  CV_<bit_depth>(S|U|F)C<number_of_channels>                 S= 符號整型        U

opencv 影象深度和通道介紹

矩陣資料型別: – CV_<bit_depth>(S|U|F)C<number_of_channels> S = 符號整型 U = 無符號整型 F = 浮點型 E.g.: CV_8UC1 是指一個8位無符號整型單通道矩陣, CV_32FC2是指一個32位浮點型雙通道矩

【神經網路與深度學習】neural-style、chainer-fast-neuralstyle影象風格轉換使用

1. 安裝  我的作業系統是win10,裝了Anaconda,TensorFlow包是通過pip安裝的,中間沒什麼可說的.具體看TensorFlow官網就可以了. 2. 使用 python neural_style.py --content <content fi

深度學習(6)——基於卷積神經網路的影象樣式轉換

基於卷積神經網路的影象樣式轉換 摘要 以不同風格呈現影象的語義內容是困難的影象處理任務。 可以說,先前方法的主要限制因素是缺乏明確表示語義資訊的影象表示,不能將影象內容與樣式分離。 在這裡,我們使用從針對物件識別優化的卷積神經網路匯出的影象表示,這使得高

opencv裡的norm範數和影象裡的深度和通道數的理解和意義和相機標定後對內外引數的質量評估

CV_8UC1 是指一個8位無符號整型單通道矩陣, CV_32FC2是指一個32位浮點型雙通道矩陣 CV_8UC1 CV_8SC1 CV_16U C1 CV_16SC1 CV_8UC2 CV_

OpenCV——圖像的深度與通道數講解

16bit 深度 bsp mage 64bit depth bit 數據結構 數據 矩陣數據類型: – CV_(S|U|F)C S = 符號整型 U = 無符號整型 F = 浮點型 E.g.: CV_8UC1 是指一個8位無符號整型單通道矩陣, CV_32FC2是指一個32

hikey970學習-012 hikey970上移植影象去雨深度神經網路演算法

摘要:本文在hikey970嵌入式裝置上執行影象去雨深度神經網路演算法,驗證hikey970執行神經網路模型的效能與效果。 一、影象去雨簡介     影象去雨處理指的是對於一張雨中的圖片,去除畫面中的雨滴,得到還原後的圖片,與圖片去霧、超解析度等同屬CV領域中影

OpenCV影象高寬及座標的轉換問題

在計算機中,影象是以矩陣的形式儲存的。一張 寬×高×顏色通道=256×640×3 的圖片會儲存在一個 640×256×3 的三維矩陣中。我們習慣的座標表示為(x,y),在OpenCV中對影象處理時的座標

番外篇2.3 影象處理與深度學習

在談R-CNN之前,應該要先總結一下模式識別。 模式識別主要是對已知資料樣本的特徵發現和提取,比如人臉識別、雷達訊號識別等,強調從原始資訊中提取有價值的特徵,在機器學習裡面,好的特徵所帶來的貢獻有時候遠遠大於演算法本身的貢獻。在番外篇中,我們使用過opencv

ROS影象OpenCV影象之間的轉換(C ++)

1.概念 ROS以自己的sensor_msgs / Image訊息格式傳遞影象,但許多使用者希望將影象與OpenCV結合使用。 CvBridge是一個ROS庫,提供ROS和OpenCV之間的介面。 在本教程中,您將學習如何編寫使用CvBridge將ROS影象轉換為O

Halcon 與 OpenCV 影象資料型別轉換

但由OpenCV 轉 Halcon 時間消耗很少; 程式碼如下所示:    #include <HalconCpp.h>   #include <opencv2/opencv.hpp> #include <iostream> #in