图像

灰度图

灰度是描述灰度图像内容的最直接的视觉特征。指的是黑白图像中点的颜色深度，一般范围为0255，其中255为白色，0为黑色，因此黑白图像也称为灰度图像。灰度图像矩阵元素的值通常为[0,255]，因此其数据类型一般为8位无符号整数，也就是人们通常所说的256级灰度。灰度图像：像素的灰度可以用8位整数来记录，其值为0到255之间的值。

深度图

当我们想要记录更多信息时，一个字节是不够的。在RGB-D相机的深度图中，记录了每个像素与相机之间的距离。这个距离通常以毫米为单位来衡量，而RGB-D相机的范围通常在十米左右，超过255。人们会使用16位整数（C++中的无符号短整型）来记录深度图信息，它是一个介于0和65535。转换为米时，最多可以表示65米，这对于RGB-D相机来说已经足够了。

彩色图

彩色图像的表示需要通道的概念。在计算机中，我们使用红、绿、蓝三种颜色的组合来表示任何颜色。所以对于每个像素点，必须记录它的R、G、B三个值，每个值称为一个通道。例如，最常见的彩色图像具有三个通道，每个通道由一个8 位整数表示。在此规范下，一个像素占用24 位空间。通道的数量和顺序可以自由定义。在OpenCV的彩色图像中，通道的默认顺序是B、G、R。也就是说，当我们得到一个24位像素时，前8位代表蓝色值，中间8位代表绿色值，最后8位代表绿色值。 8位代表红色值。同理，彩色图像也可以用R、G、B的顺序来表示。如果还想表达图像的透明度，就用R、G、B、A这四个通道。

RGB彩色图与灰度图之间的转换

将彩色图像转换为灰度图像时，需要计算图像中每个像素的有效亮度值。计算公式为：Y=0.299R+0.578G+0.114B

双目相机使用视差来计算深度。 RGBD相机可以主动测量每个像素的深度。

使用红外结构光测量像素距离。示例包括Kinect 第一代、Project Tango 第一代、Intel RealSense 等。

像素距离是通过飞行时间（ToF）原理测量的。例子包括第二代Kinect和一些现有的ToF传感器等。

RGBD相机原理图

深度图保存

那么如何从RGBD相机中提取像素的深度信息呢？下面是一个简单的小程序，用于显示像素的深度信息。

#include #include #include 使用命名空间std;float 深度刻度=1.0f/1000; //比例因子，表示一个像素对应多少实际米int main(int argc, char **argv){ cv:Mat height=cv:imread(' img.jpg');深度.convertTo（深度，CV_32FC1，深度刻度）； //这个转换非常重要for (int v=0; v height.rows; v++) { for (int u=0; u height.cols; u++) { unsigned int d=height.ptr(v)[u] ; //深度值if (d==0) continue; //0表示不测量else { cout

ConvertTo()函数

请注意，ConvertTo 函数如下：

img: 图像数据源，其类型为Mat。

请注意， 并非所有格式的Mat 类型数据都可以使用并保存为图像。目前OpenCV仅支持单通道和3通道图像，而此时深度要求为8bit和16bit无符号（即CV_16U），因此不支持其他一些数据类型，例如float等。 Mat类型数据的深度和通道数不满足上述要求，需要使用convertTo()函数和cvtColor()函数进行转换。

ConvertTo()函数负责转换不同数据类型的Mats，即它可以将类似float的Mat转换为imwrite()函数可接受的类型。

cvtColor()函数负责转换不同通道的Mats，因为这个函数的第四个参数可以设置目标Mat数据的通道数（但是我们一般不会使用它，一般情况下这个函数是用来执行色彩空间转换。转换）。

另外，还可以使用imwrite()函数来保存图像数据。您可以直接使用通用的XML IO接口函数将数据存储为XML或YXML。

具体含义、缩放以及转换为另一种数据类型：

dst：目标矩阵；

type：所需的输出矩阵类型，或更具体地说，输出矩阵的深度。如果为负值（通常为-1），则输出矩阵与输入矩阵类型相同；

scale: 比例因子；

shift：对输入数组元素进行缩放后添加的值；

dst(i)=src(i)xscale+(移位，移位，)

审稿人：李茜