OpenCV cv::Mat to std::ifstream for base64 encoding

OpenCV cv::Mat to std::ifstream for base64 encoding

本文关键字：for base64 ifstream encoding to cv Mat OpenCV std      更新时间：2023-10-16

老实说，我很惊讶到目前为止没有人遇到过这种情况。我正在将一张图片从OpenCV加载到cv：：Mat中，我想在通过套接字发送之前对其进行base64编码。

对于base64，我使用的是libb64，因为它是Debian/Ubuntu的原生版本，易于使用且速度非常快。编码函数将 std：：ifstream 作为参数，并输出 std：：ofstream。

#include <opencv2/opencv.hpp>
#include <b64/encode.h>
#include <fstream>
using namespace cv;
Mat image;
image = imread( "picture.jpg", CV_LOAD_IMAGE_COLOR );
if ( image.data )
{
    std::ifstream instream( ???, std::ios_base::in | std::ios_base::binary);
    std::ofstream outstream;        
    // Convert Matrix to ifstream
    // ...
    base64::encoder E;
    E.encode( instream, outstream );
    // Now put it in a string, and send it over a socket...
}

我真的不知道如何从 cv：：Mat 填充入站。谷歌搜索，我发现我可以按列和行迭代 cv：：Mat，并获取每个（我假设的像素）RGB 值：

for ( int j = 0; j < image.rows; j++ )
{
    for ( int i = 0; i < image.cols; i++ )
    {
        unsigned char b = input [ image.step * j + i ] ;
        unsigned char g = input [ image.step * j + i + 1 ];
        unsigned char r = input [ image.step * j + i + 2 ];
    }
}

这是正确的做法吗？还有比这更优雅的方式吗？

为了能够通过HTTP发送图像，您还需要对其宽度，高度和类型进行编码。您需要将Mat序列化为流，并使用 libb64 对该流进行编码。另一方面，您需要解码该流并反序列化图像以检索它。

我实现了一个小型测试程序，该程序使用 std::stringstream 作为缓冲区进行此序列化和反序列化。我选择它是因为它扩展了libb64使用的std::istream和std::ostream。

serialize函数将cv::Mat序列化为std::stringstream。在其中，我写下缓冲区的图像宽度、高度、类型、大小和缓冲区本身。

deserialize函数执行相反的操作。它读取缓冲区和缓冲区的宽度、高度、类型、大小。它的效率不高，因为它需要分配一个临时缓冲区来从字符串流中读取数据。此外，它需要克隆映像，以便它不依赖于临时缓冲区，并且它将处理自己的内存分配。我相信通过一些修补可以提高效率。

main 函数加载图像，序列化它，使用 libb64 对其进行编码，然后对其进行解码、反序列化并在窗口中显示它。这应该模拟您正在尝试执行的操作。

// Serialize a cv::Mat to a stringstream
stringstream serialize(Mat input)
{
    // We will need to also serialize the width, height, type and size of the matrix
    int width = input.cols;
    int height = input.rows;
    int type = input.type();
    size_t size = input.total() * input.elemSize();
    // Initialize a stringstream and write the data
    stringstream ss;
    ss.write((char*)(&width), sizeof(int));
    ss.write((char*)(&height), sizeof(int));
    ss.write((char*)(&type), sizeof(int));
    ss.write((char*)(&size), sizeof(size_t));
    // Write the whole image data
    ss.write((char*)input.data, size);
    return ss;
}
// Deserialize a Mat from a stringstream
Mat deserialize(stringstream& input)
{
    // The data we need to deserialize
    int width = 0;
    int height = 0;
    int type = 0;
    size_t size = 0;
    // Read the width, height, type and size of the buffer
    input.read((char*)(&width), sizeof(int));
    input.read((char*)(&height), sizeof(int));
    input.read((char*)(&type), sizeof(int));
    input.read((char*)(&size), sizeof(size_t));
    // Allocate a buffer for the pixels
    char* data = new char[size];
    // Read the pixels from the stringstream
    input.read(data, size);
    // Construct the image (clone it so that it won't need our buffer anymore)
    Mat m = Mat(height, width, type, data).clone();
    // Delete our buffer
    delete[]data;
    // Return the matrix
    return m;
}
void main()
{
    // Read a test image
    Mat input = imread("D:\test\test.jpg");
    // Serialize the input image to a stringstream
    stringstream serializedStream = serialize(input);
    // Base64 encode the stringstream
    base64::encoder E;
    stringstream encoded;
    E.encode(serializedStream, encoded);
    // Base64 decode the stringstream
    base64::decoder D;
    stringstream decoded;
    D.decode(encoded, decoded);
    // Deserialize the image from the decoded stringstream
    Mat deserialized = deserialize(decoded);
    // Show the retrieved image
    imshow("Retrieved image", deserialized);
    waitKey(0);
}
相关文章：