OpenCV源码分析:RGB到其他色彩空间的转换

1.流程调用图

2.部分代码分析

//模板函数进行颜色空间的转换

template <typename Cvt>

void CvtColorLoop(const Mat& src, Mat& dst, const Cvt& cvt)

{

//封装Tbb的并行结构parallel_for,OpenCV导出为:parallel_for_

//Range:迭代范围类 CvtColorLoop_Invoker<Cvt>:模板类

parallel_for_(Range(0, src.rows), CvtColorLoop_Invoker<Cvt>(src, dst, cvt),

src.total()/(double)(1<<16) );

}

//OpenCV导出迭代范围类:Range

class CV_EXPORTS Range

{

public:

Range();

Range(int _start, int _end);

Range(const CvSlice& slice);

int size() const;

bool empty() const;

static Range all();

operator CvSlice() const;

int start, end;

};

//模板类继承纯虚基类ParallelLoopBody

template <typename Cvt>

class CvtColorLoop_Invoker : public ParallelLoopBody

{

//模板类的类型

typedef typename Cvt::channel_type _Tp;

public:

//模板类的构造函数变量传递,传入数据

CvtColorLoop_Invoker(const Mat& _src, Mat& _dst, const Cvt& _cvt) :

ParallelLoopBody(), src(_src), dst(_dst), cvt(_cvt){}

//子类化纯虚函数,遍历Mat的行数

virtual void operator()(const Range& range) const

{

const uchar* yS = src.ptr<uchar>(range.start);

uchar* yD = dst.ptr<uchar>(range.start);

for( int i = range.start; i < range.end; ++i, yS += src.step, yD += dst.step )

cvt((const _Tp*)yS, (_Tp*)yD, src.cols);

}

private:

const Mat& src;

Mat& dst;

const Cvt& cvt;

const CvtColorLoop_Invoker& operator= (const CvtColorLoop_Invoker&);

};

//模板类的具体实现

struct RGB2HLS_S_f

{

//明确具体的数据类型:float

typedef float channel_type;

//传入其他相关参数

RGB2HLS_S_f(int _srccn, int _blueIdx): srccn(_srccn), blueIdx(_blueIdx) {}

//在模板类中被调用,遍历Mat的列数,并进行具体的取值及其他运算:核心公式计算部分

void operator()(const float* src, float* dst, int n) const

{     int i, bidx = blueIdx, scn = srccn;

n *= 3;

for( i = 0; i < n; i += 3, src += scn )

{

float b = src[bidx], g = src[1], r = src[bidx^2];

float h = 0.f, s = 0.f, l;

float vmin, vmax, diff;

vmax = vmin = r;

     if( vmax < g ) vmax = g;

     if( vmax < b ) vmax = b;

     if( vmin > g ) vmin = g;

     if( vmin > b ) vmin = b;

     diff = vmax - vmin;

     l = (vmax + vmin)*0.5f;

    if( diff > FLT_EPSILON )

    {

      s = l < 0.5f ? diff/(vmax + vmin) : diff/(2 - vmax - vmin);

    }

    dst[i+2] = s;

    }

  }

  int srccn, blueIdx;

};

时间: 2024-10-05 03:33:55

OpenCV源码分析:RGB到其他色彩空间的转换的相关文章

opencv源码分析:cvCreateTreeCascadeClassifier

我使用的是opencv2.4.9,cvCreateTreeCascadeClassifier的源码在......opencv\sources\apps\haartraining\cvhaartraining.cpp之中,这中间用到很多结构体,指针函数,宏等各方面的内容,请参考我博客中的文章opencv源码详细解读目录.如需转载请注明本博网址http://blog.csdn.net/ding977921830?viewmode=contents.具体内容如下: /* * cvCreateCasca

opencv源码分析之二:cvhaartraining.cpp

我使用的是opencv2.4.9,安装后,我的cvboost..cpp文件的路径是........\opencv\sources\apps\haartraining\cvhaartraining.cpp,研究源码那么多天,有很多收获,opencv库真是非常强大.其中在这篇博文中我有部分注释,其他的有关知识请参考我博客http://blog.csdn.net/ding977921830?viewmode=contents.具体内容如下: /*M///////////////////////////

opencv源码分析:icvGetTrainingDataCallback简介

/* *函数icvGetTrainingDataCallback介绍 *功能:对所有样本计算特征编号从first开始的num个特征,并保存到mat里. *输入: *CvMat* mat矩阵样本总数个行,num个列.保存每个样本的num个特征值. *First:特征类型编号的开始处 *Num:要计算的特征类型个数. *Userdata:积分矩阵和权重.特征模板等信息. *输出: *CvMat* mat矩阵样本总数个行,num个列.保存每个样本的num个特征值. */ static void icv

opencv源码分析:有关boosting的源代码( cvBoostStartTraining, cvBoostNextWeakClassifier, cvBoostEndTraining)

/***************************************************************************************** Boosting * \****************************************************************************************/ typedef struct CvBoostTrainer { CvBoostType type; int cou

最新版ffmpeg源码分析

最新版ffmpeg源码分析一:框架 (ffmpeg v0.9) 框架 最新版的ffmpeg中发现了一个新的东西:avconv,而且ffmpeg.c与avconv.c一个模样,一研究才发现是libav下把ffmpeg改名为avconv了. 到底libav与ffmpeg现在是什么个关系?我也搞得希里糊涂的,先不管它了. ffmpeg的主要功能是音视频的转换和处理.其功能之强大已经到了匪夷所思的地步(有点替它吹了).它的主要特点是能做到把多个输入文件中的任意几个流重新组合到输出文件中,当然输出文件也可

Vue.js 源码分析(二十三) 高级应用 自定义指令详解

除了核心功能默认内置的指令 (v-model 和 v-show),Vue 也允许注册自定义指令. 官网介绍的比较抽象,显得很高大上,我个人对自定义指令的理解是:当自定义指令作用在一些DOM元素或组件上时,该元素在初次渲染.插入到父节点.更新.解绑时可以执行一些特定的操作(钩子函数() 自定义指令有两种注册方式,一种是全局注册,使用Vue.directive(指令名,配置参数)注册,注册之后所有的Vue实例都可以使用,另一种是局部注册,在创建Vue实例时通过directives属性创建局部指令,局

OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波

http://blog.csdn.net/chenyusiyuan/article/details/8710462 OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波 2013-03-23 17:44 16963人阅读 评论(28) 收藏 举报 分类: 机器视觉(34) 版权声明:本文为博主原创文章,未经博主允许不得转载. 目录(?)[+] KAZE系列笔记: OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波 OpenCV学习笔记(28)KA

【计算机视觉】OpenCV人脸识别facerec源码分析2——LBPH概述

人脸识别 从OpenCV2.4开始,加入了新的类FaceRecognizer,我们可以使用它便捷地进行人脸识别实验.其源代码可以在OpenCV中的opencv\modules\contrib\doc\facerec\src下找到. 目前支持的算法有: Eigenfaces特征脸createEigenFaceRecognizer() Fisherfaces createFisherFaceRecognizer() Local Binary Patterns Histograms局部二值直方图 cr

【OpenCV】SIFT原理与源码分析:DoG尺度空间构造

<SIFT原理与源码分析>系列文章索引:http://www.cnblogs.com/tianyalu/p/5467813.html 尺度空间理论 自然界中的物体随着观测尺度不同有不同的表现形态.例如我们形容建筑物用“米”,观测分子.原子等用“纳米”.更形象的例子比如Google地图,滑动鼠标轮可以改变观测地图的尺度,看到的地图绘制也不同:还有电影中的拉伸镜头等等…… 尺度空间中各尺度图像的模糊程度逐渐变大,能够模拟人在距离目标由近到远时目标在视网膜上的形成过程.尺度越大图像越模糊. 为什么要