在C++中,讀入一幅圖像使用語句如下,讀入的圖像像素為0-255之間的某一整數:
Mat disp_image = imread(path,1);
其中圖像每個像素的RGB值是用3元素向量來存儲(B,G,R)的,某一像素點的RGB值讀取方式如下:
Vec3b& mp = disp_image.at<Vec3b>(j, i); //C++用向量存儲像素值 double B = mp.val[0]; double G = mp.val[1]; double R = mp.val[2];
在matlab中,讀入一幅圖像並轉換為double型使用語句如下,讀入的圖像像素在0-1之間:
input_im=im2double(imread(path));
matlab中用三維矩陣存儲像素值,即R,G,B三個平面。注意此處與C++的BGR順序不同。
明白了圖像的存儲原理,就可以進行矩陣轉換了。
在C++與matlab混合編程時,要使用數據接口類mwArray,可以簡單理解為一個矩陣,即便是一個數值也轉化為這種矩陣進行傳遞。
將C++形式的圖像矩陣轉為mwArray矩陣,傳入matlab函數的方式如下:
//調用matlab程序進行圖像增強 mwSize mdim[3] ={disp_image.rows,disp_image.cols,3}; mwArray mdisp_image(3,mdim,mxDOUBLE_CLASS,mxREAL); //C++輸入轉matlab 接口矩陣轉化及像素歸一化 for(int j = 0; j < disp_image.rows; ++j){ for(int i = 0; i <disp_image.cols; ++i){ Vec3b& mp = disp_image.at<Vec3b>(j, i); //C++用向量存儲像素值 double B = mp.val[0]*1.0/255; //像素歸一化到0-1之間 double G = mp.val[1]*1.0/255; double R = mp.val[2]*1.0/255; mdisp_image(j+1,i+1,1)=R; //matlab中用三個面R,G,B存儲像素值 mdisp_image(j+1,i+1,2)=G; //C++圖像矩陣像素值賦給matlab矩陣 mdisp_image(j+1,i+1,3)=B; } }
將matlab處理后的圖像mwArray矩陣轉為C++的Mat,方式如下:
//matlab結果轉C++ mwArray moutput_im2(3,mdim,mxDOUBLE_CLASS,mxREAL); Mat output_image=disp_image.clone(); for(int j = 0; j < disp_image.rows; ++j){ for(int i = 0; i < disp_image.cols; ++i){ double Bd = moutput_im2.Get(3,j+1,i+1,3); double Gd = moutput_im2.Get(3,j+1,i+1,2); double Rd = moutput_im2.Get(3,j+1,i+1,1); int B=int(Bd*255); //像素范圍擴展到0-255 int G=int(Gd*255); int R=int(Rd*255); output_image.at<Vec3b>(j, i)[0] = B; //matlab圖像矩陣像素值賦給C++ output_image.at<Vec3b>(j, i)[1] = G; output_image.at<Vec3b>(j, i)[2] = R; } }
好不容易琢磨出來,分享給大家吧。