国产无码综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

C++如何打印輸出OpenCV的Mat對(duì)象的像素?cái)?shù)據(jù)？

2年前作者：利白分類：Toy博客閱讀(25)違法舉報(bào)

這篇具有很好參考價(jià)值的文章主要介紹了C++如何打印輸出OpenCV的Mat對(duì)象的像素?cái)?shù)據(jù)？。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方，請(qǐng)大家不吝賜教，您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問。

直接上源碼：

cv::Mat src = imread("d:\\findCircles1111.bmp", IMREAD_GRAYSCALE);
std::cout << "==默認(rèn)風(fēng)格==\n" << cv::format(src, cv::Formatter::FMT_DEFAULT) << std::endl;
std::cout << "==Matlab風(fēng)格==\n" << cv::format(src, cv::Formatter::FMT_MATLAB) << std::endl;
std::cout << "==CSV風(fēng)格==\n" << cv::format(src, cv::Formatter::FMT_CSV) << std::endl;
std::cout << "==Python風(fēng)格==\n" << cv::format(src, cv::Formatter::FMT_PYTHON) << std::endl;
std::cout << "==Numpy風(fēng)格==\n" << cv::format(src, cv::Formatter::FMT_NUMPY) << std::endl;
std::cout << "==C風(fēng)格==\n" << cv::format(src, cv::Formatter::FMT_C) << std::endl;

==默認(rèn)風(fēng)格==
[111, 111, 166, 192, 251, 255, 255, 255, 255, 255;
?111, ?83, ?93, ?83, 102, ?85, 255, 251, 255, 255;
?111, ?83, 111, 102, 111, 140, 255, 255, 255, 255;
?111, ?83, 111, ?83, 111, 140, 255, 255, 255, 255;
? 83, ?83, 111, ?83, 111, 175, 255, 255, 255, 255;
? 83, ?74, ?93, ?83, 111, 175, 255, 251, 255, 255;
?192, 166, 111, ?83, ?76, 166, 255, 251, 255, 255;
?255, 255, 255, 255, 251, 251, 251, 208, 255, 255;
?192, 208, 251, 251, 251, 255, 251, 251, 255, 255;
?255, 255, 255, 255, 255, 255, 255, 255, 255, 255]
==Matlab風(fēng)格==
(:, :, 1) =
111, 111, 166, 192, 251, 255, 255, 255, 255, 255;
111, ?83, ?93, ?83, 102, ?85, 255, 251, 255, 255;
111, ?83, 111, 102, 111, 140, 255, 255, 255, 255;
111, ?83, 111, ?83, 111, 140, 255, 255, 255, 255;
?83, ?83, 111, ?83, 111, 175, 255, 255, 255, 255;
?83, ?74, ?93, ?83, 111, 175, 255, 251, 255, 255;
192, 166, 111, ?83, ?76, 166, 255, 251, 255, 255;
255, 255, 255, 255, 251, 251, 251, 208, 255, 255;
192, 208, 251, 251, 251, 255, 251, 251, 255, 255;
255, 255, 255, 255, 255, 255, 255, 255, 255, 255
==CSV風(fēng)格==
111, 111, 166, 192, 251, 255, 255, 255, 255, 255
111, ?83, ?93, ?83, 102, ?85, 255, 251, 255, 255
111, ?83, 111, 102, 111, 140, 255, 255, 255, 255
111, ?83, 111, ?83, 111, 140, 255, 255, 255, 255
?83, ?83, 111, ?83, 111, 175, 255, 255, 255, 255
?83, ?74, ?93, ?83, 111, 175, 255, 251, 255, 255
192, 166, 111, ?83, ?76, 166, 255, 251, 255, 255
255, 255, 255, 255, 251, 251, 251, 208, 255, 255
192, 208, 251, 251, 251, 255, 251, 251, 255, 255
255, 255, 255, 255, 255, 255, 255, 255, 255, 255

==Python風(fēng)格==
[[111, 111, 166, 192, 251, 255, 255, 255, 255, 255],
?[111, ?83, ?93, ?83, 102, ?85, 255, 251, 255, 255],
?[111, ?83, 111, 102, 111, 140, 255, 255, 255, 255],
?[111, ?83, 111, ?83, 111, 140, 255, 255, 255, 255],
?[ 83, ?83, 111, ?83, 111, 175, 255, 255, 255, 255],
?[ 83, ?74, ?93, ?83, 111, 175, 255, 251, 255, 255],
?[192, 166, 111, ?83, ?76, 166, 255, 251, 255, 255],
?[255, 255, 255, 255, 251, 251, 251, 208, 255, 255],
?[192, 208, 251, 251, 251, 255, 251, 251, 255, 255],
?[255, 255, 255, 255, 255, 255, 255, 255, 255, 255]]
==Numpy風(fēng)格==
array([[111, 111, 166, 192, 251, 255, 255, 255, 255, 255],
? ? ? ?[111, ?83, ?93, ?83, 102, ?85, 255, 251, 255, 255],
? ? ? ?[111, ?83, 111, 102, 111, 140, 255, 255, 255, 255],
? ? ? ?[111, ?83, 111, ?83, 111, 140, 255, 255, 255, 255],
? ? ? ?[ 83, ?83, 111, ?83, 111, 175, 255, 255, 255, 255],
? ? ? ?[ 83, ?74, ?93, ?83, 111, 175, 255, 251, 255, 255],
? ? ? ?[192, 166, 111, ?83, ?76, 166, 255, 251, 255, 255],
? ? ? ?[255, 255, 255, 255, 251, 251, 251, 208, 255, 255],
? ? ? ?[192, 208, 251, 251, 251, 255, 251, 251, 255, 255],
? ? ? ?[255, 255, 255, 255, 255, 255, 255, 255, 255, 255]], dtype='uint8')
==C風(fēng)格==
{111, 111, 166, 192, 251, 255, 255, 255, 255, 255,
?111, ?83, ?93, ?83, 102, ?85, 255, 251, 255, 255,
?111, ?83, 111, 102, 111, 140, 255, 255, 255, 255,
?111, ?83, 111, ?83, 111, 140, 255, 255, 255, 255,
? 83, ?83, 111, ?83, 111, 175, 255, 255, 255, 255,
? 83, ?74, ?93, ?83, 111, 175, 255, 251, 255, 255,
?192, 166, 111, ?83, ?76, 166, 255, 251, 255, 255,
?255, 255, 255, 255, 251, 251, 251, 208, 255, 255,
?192, 208, 251, 251, 251, 255, 251, 251, 255, 255,
?255, 255, 255, 255, 255, 255, 255, 255, 255, 255}
?文章來源地址http://www.zghlxwxcb.cn/news/detail-403406.html

到了這里，關(guān)于C++如何打印輸出OpenCV的Mat對(duì)象的像素?cái)?shù)據(jù)？的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！

本文來自互聯(lián)網(wǎng)用戶投稿，該文觀點(diǎn)僅代表作者本人，不代表本站立場(chǎng)。本站僅提供信息存儲(chǔ)空間服務(wù)，不擁有所有權(quán)，不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載，請(qǐng)注明出處：如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符，請(qǐng)點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋，一經(jīng)查實(shí)，立即刪除！

分享到：

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

04- OpenCV：Mat對(duì)象簡介和使用
目錄 1、Mat對(duì)象與IplImage對(duì)象 2、Mat對(duì)象使用 3、Mat定義數(shù)組 4、相關(guān)的代碼演示 1、Mat對(duì)象與IplImage對(duì)象先看看Mat對(duì)象：圖片在計(jì)算機(jī)眼里都是一個(gè)二維數(shù)組；在OpenCV中， Mat 是一個(gè)非常重要的類，用于表示圖像或矩陣數(shù)據(jù)。（1）Mat對(duì)象OpenCV2.0之后引進(jìn)的圖像數(shù)據(jù)結(jié)構(gòu)、自動(dòng)
2024年01月20日
瀏覽(24)
【c++ Opencv】Opencv中Mat的一些相關(guān)操作
C++中的Mat類是OpenCV庫中最核心的數(shù)據(jù)結(jié)構(gòu)之一，用于表示圖像和矩陣等二維、三維數(shù)據(jù)。Mat類的主要特點(diǎn)是可輕松地訪問像素點(diǎn)，支持各種矩陣運(yùn)算，可以實(shí)現(xiàn)各種圖像處理算法。下面是一些常見的Mat操作： 1. 創(chuàng)建Mat對(duì)象：可以通過構(gòu)造函數(shù)、靜態(tài)方法或賦值操作符來創(chuàng)建
2024年02月13日
瀏覽(15)
Java中打印對(duì)象輸出的字符串到底是什么
我們?cè)谶M(jìn)行 Java 編程時(shí)，經(jīng)常要打印對(duì)象，有的是查看是否拿到了該對(duì)象，有的是查看該對(duì)象中的數(shù)據(jù)。打印輸出的卻是一知半解的字符串，那么這個(gè)字符串是怎么來的？代表什么？我們?nèi)绾未蛴〕鰧?duì)象中的數(shù)據(jù)呢？我們使用 Java 的 System.out 類可以打印輸出對(duì)象，例如我們有
2024年02月05日
瀏覽(20)
[C++] opencv - Mat::convertTo函數(shù)介紹和使用場(chǎng)景
Converts an array to another data type with optional scaling.? ? 該函數(shù)主要用于數(shù)據(jù)類型的相互轉(zhuǎn)換。 The method converts source pixel values to the target data type. saturate_cast is applied at the end to avoid possible overflows: m(x,y)=saturate_castrtype(α(?this)(x,y)+β)? ? 這是函數(shù)底層算法實(shí)現(xiàn)公式，了解算法方便我們
2024年01月18日
瀏覽(22)
[OpenCV][C++編程] cv::mat的定義與賦值
可以通過在/目錄下直接搜索opencv，確定opencv所在的目錄： lopencv_core 是opencv的核心， -lopencv_highgui包含讀取圖像和顯示圖像的函數(shù) -lopencv_imgproc包含圖像處理函數(shù)（非機(jī)器學(xué)習(xí)方法），例如線性濾波，邊緣檢測(cè)、膨脹腐蝕、檢測(cè)直線、仿射變換等等。 -lopencv_ml包含機(jī)器學(xué)習(xí)算法
2024年02月09日
瀏覽(48)
C++結(jié)合OpenCV：圖像的像素處理基礎(chǔ)
像素是圖像構(gòu)成的基本單位，像素處理是圖像處理的基本操作，可以通過位置索引的形式對(duì)圖像內(nèi)的元素進(jìn)行訪問、處理。二值圖像: 是一種特殊的灰度圖像，在OPENCV中，將黑定義為0，255定義為白。在OPENCV中，二值圖像/灰度圖像以二維數(shù)組形式進(jìn)行存放彩色圖像以三維數(shù)組
2024年01月16日
瀏覽(27)
c++ opencv中unsigned char *、Mat、Qimage互相轉(zhuǎn)換
unsigned char * 轉(zhuǎn)Mat void * 轉(zhuǎn)Qimage qimage轉(zhuǎn)Mat Mat轉(zhuǎn)Qimage
2024年02月03日
瀏覽(16)
從鍵盤輸入一個(gè)3×4的矩陣mat，請(qǐng)輸出其最大的元素max及所在位置.（c++，c語言）
c++: #includeiostream using namespace std; int i,j; int main() { ?? ?int a[3][4]; ?? ?cout\\\"請(qǐng)輸入3*4的矩陣:\\\"; ?? ?for(i=0;i3;i++) ?? ?{ ?? ??? ?for(j=0;j4;j++) ?? ??? ?{ ?? ??? ??? ?a[i][j]=i,j; ?? ??? ??? ?cina[i][j]; ?? ??? ?} ?? ?} ?? ?int max; ?? ?max=a[0][0]; ?? ?for(i=0;i3;i++) ?? ?{ ?
2024年02月09日
瀏覽(29)
Opencv C++圖像處理：矩陣Mat + 隨機(jī)數(shù)RNG + 計(jì)算耗時(shí) + 鼠標(biāo)事件
數(shù)據(jù)類型字節(jié)數(shù) 取值范圍 bool型（布爾型） 1 [0 or 1] BOOL型（int型） 4 [TRUE or FALSE] sbyte型（有符號(hào)8位整數(shù)） 1 [128 ~ 127] bytet型（無符號(hào)8位整數(shù)） 8U 2 [0 ~ 255] short型（有符號(hào)16位整數(shù)） 16S 2 [-32,768 ~ 32,767] ushort型（無符號(hào)16位整數(shù)） 16U 2 [0 ~ 65,535] int型（有符號(hào)32位整數(shù)） 32S 4 [
2024年02月03日
瀏覽(26)
Opencv C++ 三、通過鼠標(biāo)點(diǎn)擊操作獲取圖像的像素坐標(biāo)和像素值四、生成一個(gè)簡單的灰度圖像。
該操作首先需要?jiǎng)?chuàng)建一個(gè)頭文件在該頭文件內(nèi)進(jìn)行編寫：而后雙擊打開源文件：在源文件內(nèi)編寫：執(zhí)行該程序：顯示內(nèi)容為上圖，而后在右側(cè)image窗口內(nèi)任意點(diǎn)擊一個(gè)位置：就會(huì)顯示該位置的坐標(biāo)信息和像素值。由于該圖像為RBG彩色圖像，不是單通道的灰度影像，不能顯
2024年04月28日
瀏覽(17)