在圖像處理中，統計信息可以幫助我們了解圖像的特性，例如區域內的像素分布、顏色轉換以及特定區域的分析。本文將介紹基于LockAI視覺識別模塊如何提取興趣區域（ROI）、轉換顏色通道、計算均值和標準差，以及查找最小值和最大值，并通過一個綜合示例展示其實際應用。

1.基本知識講解

1.1 圖像的興趣區域（ROI）

ROI（Region of Interest）：指圖像中感興趣的區域，通常用于局部分析或處理。

提取 ROI 的目的是減少數據量并專注于特定區域，從而提高處理效率。

1.2 顏色空間轉換

不同的顏色空間適用于不同的任務。例如：

灰度圖：簡化圖像處理，常用于邊緣檢測等任務。

HSV：用于顏色分割任務，分離色調、飽和度和亮度。

LAB：更接近人類視覺感知，適合顏色校正。

1.3 圖像統計信息

均值和標準差：反映圖像整體亮度及亮度變化情況。

最小值和最大值：幫助識別圖像中的極端像素值及其位置。

2.API文檔

2.1 頭文件

#include

2.2 提取興趣區域（ROI）

cv::Matroi=image(cv::Rect(x,y,w,h));

功能：

從圖像中提取一個矩形區域。

參數：

image：輸入圖像（cv::Mat類型）。

(x, y):ROI左上角的坐標。

(w, h):ROI的寬高。

返回值：

提取出的ROI圖像（cv::Mat類型）。

2.3 轉換為灰度圖

cv::cvtColor(image,grayImage,cv::COLOR_BGR2GRAY);

功能：

將彩色圖像轉換為灰度圖像。

參數：

image：輸入圖像（cv::Mat類型）。

grayImage：輸出灰度圖像（cv::Mat類型）。

COLOR_BGR2GRAY：將BGR圖像轉換為灰度圖像。

返回值：

無。最后結果儲存在grayImage中。注意：其中根據不同的轉換要求可以使用不同的轉換代碼，具體如下所示。

2.4 計算均值和標準差：

cv::meanStdDev(src,mean,stddev);

功能：

計算圖像或矩陣元素的平均值和標準偏差。

參數：

src：輸入圖像或矩陣（cv::Mat類型）。

mean：輸出平均值（cv::Scalar類型）。

stddev：輸出標準偏差（cv::Scalar類型）。

返回值：

無。最后結果儲存在mean和stddev中。

2.5 計算最小值和最大值：

cv::minMaxLoc(src,&minVal,&maxVal,&minLoc,&maxLoc);

功能：

在輸入圖像或矩陣中找到最小值和最大值。

參數：

src：輸入圖像或矩陣（cv::Mat類型）。

minVal：輸出最小值（double類型）。

maxVal：輸出最大值（double類型）。

minLoc：輸出最小值對應的位置（cv::Point類型）。

maxLoc：輸出最大值對應的位置（cv::Point類型）。

返回值：

無。最后結果儲存在minVal、maxVal、minLoc和maxLoc中。

3.綜合代碼解析

3.1 流程圖

3.2 代碼解釋

讀取圖像文件

cv::Matimage=cv::imread("2.jpg");
if(image.empty()) {
std::cerr<<"Error: Could not open image!"<<std::endl;
return-1;
}

設定ROI區域

// 定義 ROI 并提取
cv::RectroiRect(50,50,200,200);
cv::Matroi=image(roiRect);

轉換為灰度圖

cv::MatgrayRoi;
cv::cvtColor(roi,grayRoi,cv::COLOR_BGR2GRAY);

均值和標準差計算

// 計算均值和標準差
cv::Scalarmean,stddev;
cv::meanStdDev(grayRoi,mean,stddev);

3.3 代碼實現

#include
#include

intmain()
{
// 讀取圖像
cv::Matimage=cv::imread("example.jpg");
if(image.empty())
{
std::cerr<<"Error: Could not open image!"<<std::endl;
return-1;
}

// 定義 ROI 并提取
cv::RectroiRect(50,50,200,200);
cv::Matroi=image(roiRect);

// 轉換為灰度圖
cv::MatgrayRoi;
cv::cvtColor(roi,grayRoi,cv::COLOR_BGR2GRAY);

// 計算均值和標準差
cv::Scalarmean,stddev;
cv::meanStdDev(grayRoi,mean,stddev);

// 計算最小值和最大值
doubleminVal,maxVal;
cv::PointminLoc,maxLoc;
cv::minMaxLoc(grayRoi,&minVal,&maxVal,&minLoc,&maxLoc);

// 輸出結果
std::cout<<"Mean: "<<mean[0]<<std::endl;
std::cout<<"Standard Deviation: "<<stddev[0]<<std::endl;
std::cout<<"Min Value: "<<minVal<<" at "<<minLoc<<std::endl;
std::cout<<"Max Value: "<<maxVal<<" at "<<maxLoc<<std::endl;

return0;
}

4.編譯過程

4.1 編譯環境搭建

請確保你已經按照開發環境搭建指南正確配置了開發環境。

同時以正確連接開發板。

4.2 Cmake介紹

# CMake最低版本要求
cmake_minimum_required(VERSION3.10)

project(test-Image-information-statistics)

set(CMAKE_CXX_STANDARD17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 定義項目根目錄路徑
set(PROJECT_ROOT_PATH"${CMAKE_CURRENT_SOURCE_DIR}/../..")
message("PROJECT_ROOT_PATH = "${PROJECT_ROOT_PATH})

include("${PROJECT_ROOT_PATH}/toolchains/arm-rockchip830-linux-uclibcgnueabihf.toolchain.cmake")

# 定義 OpenCV SDK 路徑
set(OpenCV_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/opencv-mobile-4.10.0-lockzhiner-vision-module")
set(OpenCV_DIR"${OpenCV_ROOT_PATH}/lib/cmake/opencv4")
find_package(OpenCV REQUIRED)
set(OPENCV_LIBRARIES"${OpenCV_LIBS}")
# 定義 LockzhinerVisionModule SDK 路徑
set(LockzhinerVisionModule_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")
set(LockzhinerVisionModule_DIR"${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")
find_package(LockzhinerVisionModule REQUIRED)

# 圖像信息處理
add_executable(Test-Image-information-statistics Image_information_statistics.cc)
target_include_directories(Test-Image-information-statistics PRIVATE${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})
target_link_libraries(Test-Image-information-statistics PRIVATE${OPENCV_LIBRARIES}${LOCKZHINER_VISION_MODULE_LIBRARIES})

install(
TARGETS Test-Image-information-statistics
RUNTIME DESTINATION .
)

4.3 編譯項目

使用 Docker Destop 打開 LockzhinerVisionModule 容器并執行以下命令來編譯項目

# 進入Demo所在目錄
cd/LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/B02_Image_information_statistics
# 創建編譯目錄
rm-rfbuild &&mkdirbuild &&cdbuild
# 配置交叉編譯工具鏈
exportTOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置項目
cmake ..
# 執行編譯項目
make-j8&&makeinstall

在執行完上述命令后，會在build目錄下生成可執行文件。

5. 例程運行示例

5.1 運行過程

在凌智視覺模塊中輸入以下命令：

chmod777Test-Image-information-statistics
./Test-Image-information-statistics

5.2 運行效果

在運行上述代碼時，會輸出以下結果：

6. 總結

通過上述內容，我們介紹了如何使用 OpenCV 提取圖像的 ROI、轉換顏色空間、計算統計信息等操作。按照以下步驟，您可以輕松地進行圖像的統計分析：

提取 ROI：使用 cv::Rect 提取感興趣區域。

顏色轉換：使用 cv::cvtColor 轉換顏色空間。

計算統計信息：

使用 cv::meanStdDev 計算均值和標準差。

使用 cv::minMaxLoc 查找最小值和最大值及其位置。

綜合應用：結合上述方法對圖像進行局部分析和全局統計。