将打开的CV的重映射功能与类型CV_8SC1的源图像一起使用

Using open CV's remap function with a source image of a type CV_8SC1

本文关键字：CV 图像 一起 8SC1 类型 映射 功能 将打开      更新时间：2023-10-16

使用开放式CV的重新映射功能与不同类型的源图像给了我一些有趣的结果。

以下类型可以按预期工作：CV_8UC1，CV_16UC1，CV_16SC1，CV_32FC1，CV_64FC1。

给我一个错误的两种类型是：CV_8SC1，CV_32SC1。

有趣的部分是CV_16SC1在CV_8SC1不是。

有人有任何见解，为什么会发生这种情况？

这是我使用的代码：

cv::Mat remapX, remapY;
remapX.create(output_cv_mat.rows, output_cv_mat.cols, CV_32FC1);
remapY.create(output_cv_mat.rows, output_cv_mat.cols, CV_32FC1);
for(int x = 0; x < remapX.cols; x++) //Column iteration
{ 
    for(int y = 0; y < remapX.rows; y++) //Row iteration
    {                                   
        remapX.at<float>(y, x) = (float)(x);
        remapY.at<float>(y, x) = (float)(remapX.rows - y);
    }
}
cv::remap(source_cv_mat, output_cv_mat, remapX, remapY, cv::INTER_LINEAR, cv::BORDER_CONSTANT, cv::Scalar(0, 0, 0));

代码使用源CV :: MAT（我正在尝试的类型）和输出CV :: MAT。我创建地图x和y，将它们用于循环，然后完成重新映射功能。

我在这两种类型中收到的错误是：

丢弃了" cv ::异常"的实例后终止了调用 what（）：openCV（4.0.1-dev）/home/aljaz/opencv_build/opencv/modules/imgproc/src/src/imgwarp.cpp.cpp:1805：error：（-215：assertion fafored fafered）ifunc！= 0'

如果您查看CV :: Remap的代码，则可以看到以下检查具有插值类型的兼容数据类型：

    static RemapNNFunc nn_tab[] =
    {
        remapNearest<uchar>, remapNearest<schar>, remapNearest<ushort>, remapNearest<short>,
        remapNearest<int>, remapNearest<float>, remapNearest<double>, 0
    };
    static RemapFunc linear_tab[] =
    {
        remapBilinear<FixedPtCast<int, uchar, INTER_REMAP_COEF_BITS>, RemapVec_8u, short>, 0,
        remapBilinear<Cast<float, ushort>, RemapNoVec, float>,
        remapBilinear<Cast<float, short>, RemapNoVec, float>, 0,
        remapBilinear<Cast<float, float>, RemapNoVec, float>,
        remapBilinear<Cast<double, double>, RemapNoVec, float>, 0
    };

因此，尽管签名的char类型是最近的邻居插值，但双线性插值并非如此。所有组合均未实现。

ipp（用于图像处理的英特尔库）可以与OpenCV一起使用，也不允许签名的char操作：https：//software.intel.com/en-us/ipp/ipp-dev-reference-remap。就我的理解而言，当英特尔在性能方面没有意义时没有提供此类实现（即它们没有提供一个将8s转换为16s的函数，在功能中转换为16s，计算某些内容并以8s为单位）。此外，支持数据类型的所有组合，插值类型，频道数量肯定需要一些工作，因此专注于最常用的类型也很好。

如果您没有绝对需要与整数合作的性能瓶颈，我建议将其转换为float。另外，对于整数，您必须照顾量化。

当您获得"断言"错误时，通常是因为您不符合预期/实现的输入数据类型或形状（图像大小/通道数）。

希望这会有所帮助！

相关文章：