Question

我看到有类似的问题，但不要安静地回答我的问题，所以这是我的问题。

在使用OpenCV的C ++中，我运行下面将提供的代码，它返回的平均像素值为6.32。但是，当我打开图像并在MATLAB中使用均值函数时，它返回的平均像素强度约为6.92ish。正如您所看到的，我将OpenCV值转换为double以尝试缓解此问题，并发现openCV将图像作为一组整数加载，而MATLAB将图像加载为十进制值，这些值与整数大致相当但不完全相同。所以我的问题是，对编码不熟悉，这是正确的吗？我假设MATLAB返回更准确的值，如果是这种情况，我想知道是否有办法以相同的方式加载图像以避免差异。

谢谢你，下面的代码

    Mat img = imread("Cells2.tif");
cv::cvtColor(img, img, CV_BGR2GRAY);
cv::imshow("stuff",img);
Mat dst;
if(img.channels() == 3)
{
    img.convertTo(dst, CV_64FC1);
}
else if (img.channels() == 1) 
{
    img.convertTo(dst, CV_64FC1);
}
cv::imshow("output",dst/255);
int NumPixels = img.total();


double avg;
double c = 0; 
double std;
    for(int y = 0; y < dst.cols; y++)
    { 

        for(int x = 0; x < dst.rows; x++)
        {
            c+=dst.at<double>(x,y)*255;
        }
    }

avg = c/NumPixels;
cout << "asfa = " << c << endl;
double deviation;

double var;
double z = 0;
double q;
    //for(int a = 0; a<= img.cols; a++)
for(int y = 0; y< dst.cols; y++)
    {
        //for(int b = 0; b<= dst.rows; b++)
        for(int x = 0; x< dst.rows; x++)
        {
            q=dst.at<double>(x,y);

            deviation = q - avg;
            z = z + pow(deviation,2);
            //cout << "q = " << q << endl;
        }

    }

var = z/(NumPixels);
std = sqrt(var);
cv::Scalar avgPixel = cv::mean(dst);

cout << "Avg Value = " << avg << endl;
cout << "StdDev = " << std << endl;
cout << "AvgPixel =" << avgPixel;

cvWaitKey(0);
return 0;

}

Answer 1

根据您的评论，图像似乎以16位深度存储。 MATLAB按原样加载TIFF图像，而默认情况下OpenCV将图像加载为8位。这可能解释了您所看到的精度差异。

使用以下命令在OpenCV中打开图像：

cv::Mat img = cv::imread("file.tif", cv::IMREAD_ANYDEPTH|cv::IMREAD_ANYCOLOR);

在MATLAB中，它只是：

img = imread('file.tif');

接下来，您需要了解您正在使用的数据类型。在OpenCV中它的CV_16U，在MATLAB中它的uint16。因此，您需要相应地转换类型。

例如，在MATLAB中：

img2 = double(img) ./ double(intmax('uint16'));

会将其转换为double图像，其值为[0,1]

Answer 2

如果满足某些条件，您正在转换图像，这可以更改某些颜色值，而MATLAB可以选择不转换图像但使用原始图像
颜色主要以十六进制格式表示，流行的实现格式为0xAARRGGBB或0xRRGGBBAA，因此32位整数可以做（无符号/有符号无关紧要，十六进制值仍然相同），创建一个64位变量，将所有32位变量加在一起，然后除以像素数量，这将获得非常准确的结果（对于高达16384 x 16384像素的图像（其中32位值表示一个像素的颜色）），如果更大，那么64位整数就不够了。）
```
long long total = 0;
long long divisor = image.width * image.height;
for(int x = 0; x < image.width; ++x)
{
    for(int y = 0; x < image.height; ++x)
    {
        total += image.at(x,y).color;
    }
}
double avg = total / divisor;
std::cout << "Average color value: " << avg << std::endl;
```

Answer 3

加载图像时，必须在两种环境（MATLAB和OpenCV）中使用类似的方法，以避免在任一环境中默认情况下可能进行的转换。

Answer 4

不确定您在Matlab与OpenCV中的平均值有什么困难。如果我正确理解您的问题，您的目标是在OpenCV中实现Matlab的mean(image(:))。例如，在Matlab中，您可以执行以下操作：

>> image = imread('sheep.jpg')
>> avg = mean(image(:))

ans =

   119.8210

以下是在OpenCV中执行相同操作的方法：

Mat image = imread("sheep.jpg");
Scalar avg_pixel;
avg_pixel = mean(image);
float avg = 0;
cout << "mean pixel (RGB): " << avg_pixel << endl;

for(int i; i<image.channels(); ++i) {
    avg = avg + avg_pixel[i]; 
}
avg = avg/image.channels();
cout << "mean, that's equivalent to mean(image(:)) in Matlab: " << avg << endl;

OpenCV控制台输出：

mean pixel (RGB): [77.4377, 154.43, 127.596, 0]
mean, that's equivalent to mean(image(:)) in Matlab: 119.821

所以Matlab和OpenCV的结果是一样的。

跟进在您的代码中发现了一些问题。

OpenCV以不同于Matlab的方式存储数据。请查看this answer，了解如何在OpenCV中访问像素。例如：

// NOT a correct way to access a pixel in CV_F32C3 type image
double pixel = image.at<double>(x,y); 

//The correct way (where the pixel value is stored in a vector)
// Note that Vec3d is defined as: typedef Vec<double, 3> Vec3d;
Vec3d pixel = image.at<Vec3d>(x, y);

我发现的另一个错误

if(img.channels() == 3)
{
    img.convertTo(dst, CV_64FC1); //should be CV_64FC3, instead of CV_64FC1
}

访问Mat元素可能会造成混淆。我建议您开一本关于OpenCV的书籍，例如this one，并阅读OpenCV tutorials and documentation。希望这会有所帮助。

使用OpenCV的MATLAB和C ++中的不同像素值

4 个答案: