Opencv 实现读取 BMP 图片

Opencv 是一个基于 C/C++ 语言的开源计算机视觉库，可以用于图像处理、特征识别、目标跟踪、机器学习等领域。在图像处理中，读取 BMP 图片是常见操作之一。

一、打开 BMP 文件

BMP（Bitmap）是一种图像文件格式，它的文件头包含了位图文件的一些参数，我们需要先读取文件头信息。

Mat bmp = imread("test.bmp", IMREAD_COLOR);
if (bmp.empty()) {
    cout << "Could not open or find the image" << endl;
    return -1;
}

我们首先使用 imread 函数读取 BMP 文件，该函数返回的 Mat 对象包含了图像的像素矩阵信息。如果文件不存在或者读取失败，imread 函数将返回一个空的 Mat 对象。

二、处理图像数据

读取 BMP 文件之后，我们需要将图像数据转换为可操作的像素矩阵。

Mat bmp = imread("test.bmp", IMREAD_COLOR);
if (bmp.empty()) {
    cout << "Could not open or find the image" << endl;
    return -1;
}
cvtColor(bmp, bmp, COLOR_BGR2RGB);
int width = bmp.cols;
int height = bmp.rows;
vector<uint8_t> data(bmp.data, bmp.data + bmp.total() * bmp.elemSize());

我们可以通过使用 cvtColor 函数将 BGR 通道转换为 RGB 通道，这对后续的处理非常有帮助。然后我们可以分别获取 BMP 图片的宽度和高度，以及像素数据。在这里，我们可以利用 Mat 对象的 data 属性获取像素矩阵的首地址，并转换为 uint8_t 类型的 vector 容器。

三、解析 BMP 文件头

BMP 文件头包含了位图文件的一些参数，包括文件类型、图像宽度和高度、颜色位数等，我们需要解析文件头并根据文件头信息进行进一步处理。

// 解析 BMP 文件头
uint32_t fileSize = *(uint32_t*)&data[2];
uint32_t pixelOffset = *(uint32_t*)&data[10];
uint32_t width = *(uint32_t*)&data[18];
uint32_t height = *(uint32_t*)&data[22];
uint16_t bitCount = *(uint16_t*)&data[28];
// 计算 BMP 图片行字节数
uint32_t rowSize = (width * bitCount + 31) / 32 * 4;
// 提取像素数据
vector<uint8_t> pixels(pixelOffset);
memcpy(&pixels[0], &data[pixelOffset], fileSize - pixelOffset);

我们可以定义一些变量来解析 BMP 文件头，包括文件大小、像素偏移量、宽度、高度和颜色位数等信息。BMP 图片的行字节数可以通过公式 rowSize = (width * bitCount + 31) / 32 * 4 计算得出，从而确定每个像素所占的字节数。最后，我们可以提取像素数据并转换为 vector 容器。

四、操作像素矩阵

像素矩阵是图像处理的核心部分，我们可以使用它来实现许多基本操作，如图像缩放、旋转、裁剪等。

// 创建空白图像
Mat newimg(height, width, CV_8UC3);
// 遍历像素矩阵
for (int i = 0; i < height; i++) {
    for (int j = 0; j < width; j++) {
        int index = (i * rowSize) + (j * 3);
        newimg.at<Vec3b>(i, j) = Vec3b(pixels[index + 2], pixels[index + 1], pixels[index + 0]);
    }
}

我们可以通过像素行字节数和像素位数来确定像素矩阵中每个像素所占的字节数，并使用 Vec3b 类型的 at 函数将像素数据放入 Mat 对象中。

五、小结

在使用 Opencv 实现读取 BMP 图片时，我们需要依次读取 BMP 文件、处理图像数据、解析 BMP 文件头，并操作像素矩阵。这些步骤完成后，我们就可以对图像进行各种操作了。