在使用qt进行图像处理时,经常需要将opencv的cv::mat
类型转换为qimage类型。以下是几种有效的方法,可以根据具体情况选择合适的方法进行转换。
方法一:直接使用qimage构造函数
这种方法直接使用qimage的构造函数,通过传递cv::mat
的指针和相关参数来创建qimage对象。这种方法较为简单,但需要注意opencv和qt对颜色通道的不同处理方式(bgr与rgb)。
#include <qimage>
#include <opencv2/opencv.hpp>
qimage mattoqimage(const cv::mat& mat) {
cv::mat rgb;
cv::cvtcolor(mat, rgb, cv::color_bgr2rgb); // 将bgr格式转换为rgb格式
qimage img((const uchar*)rgb.data, rgb.cols, rgb.rows, rgb.step, qimage::format_rgb888);
return img.copy(); // 拷贝数据,避免内存问题
}
方法二:指定步长(step)
在某些情况下,直接使用步长(step)参数可以避免图像显示的扭曲问题。使用qimage
构造函数时,传递mat.step
参数。
qimage mattoqimage(const cv::mat& mat) {
cv::mat rgb;
cv::cvtcolor(mat, rgb, cv::color_bgr2rgb);
qimage img((const uchar*)rgb.data, rgb.cols, rgb.rows, rgb.step, qimage::format_rgb888);
return img.copy();
}
方法三:处理非连续内存布局的矩阵
对于非连续内存布局(non-continuous memory layout)的矩阵,应该显式指定步长mat.step1()
,以避免图像扭曲。
qimage mattoqimage(const cv::mat& mat) {
cv::mat rgb;
cv::cvtcolor(mat, rgb, cv::color_bgr2rgb);
qimage img((const uchar*)rgb.data, rgb.cols, rgb.rows, mat.step1(), qimage::format_rgb888);
return img.copy();
}
方法四:逐像素转换
对于更加复杂的情况,可以逐像素进行转换。这种方法可以处理不同的图像类型,比如24位rgb和灰度浮点图像。
qimage mattoqimage(const cv::mat3b &src) {
qimage dest(src.cols, src.rows, qimage::format_argb32);
for (int y = 0; y < src.rows; ++y) {
const cv::vec3b *srcrow = src[y];
qrgb *destrow = (qrgb*)dest.scanline(y);
for (int x = 0; x < src.cols; ++x) {
destrow[x] = qrgba(srcrow[x][2], srcrow[x][1], srcrow[x][0], 255);
}
}
return dest;
}
qimage mattoqimage(const cv::mat_<double> &src) {
double scale = 255.0;
qimage dest(src.cols, src.rows, qimage::format_argb32);
for (int y = 0; y < src.rows; ++y) {
const double *srcrow = src[y];
qrgb *destrow = (qrgb*)dest.scanline(y);
for (int x = 0; x < src.cols; ++x) {
unsigned int color = srcrow[x] * scale;
destrow[x] = qrgba(color, color, color, 255);
}
}
return dest;
}
总结
以上介绍了几种将opencv的cv::mat
转换为qimage的方法。根据具体需求选择合适的方法,例如是否需要处理颜色通道转换、内存布局、以及图像类型等。通过合理使用这些方法,可以在qt应用程序中高效地处理和显示opencv图像。
发表评论