C++

　　踩了1天的opencv坑，忍不住吐槽了。。。

　　正常两个矩阵运算操作不能适用于一系列的 8U 图像，这是最大的坑，比如你想要将两个图像矩阵相加：

Mat im1 = imread("../opencv/samples/data/pic5.png", CV_8UC1);
Mat im2 = imread("../opencv/samples/data/pic6.png", CV_8UC1);
Mat overlap = im1 + im2;

　　如果你这么写，得到的图像绝对是错误的！！！你必须做一些特殊转换。

　　嘛，首先运行后会看到结果是：

　　这里 im1 和 im2 是这样的（opencv 自带的示例图像）：

　

　　(im1)

　　(im2)

　　诈一看觉得好像是对的，但实际上正确的是这样的（运行于 python opencv）：

　　而 C++ 会出现这样的原因是因为 8U 图像的值范围是 0~255，Mat 在做相加操作的时候大于255的那些就溢出了。。然后那些因为相加而溢出的像素的值就会是 255，起初我写了这个方法来修正：

Mat matr_add(Mat im1, Mat im2)
{
    CV_Assert(im1.size() == im2.size());
    Mat uxx = Mat::zeros(im1.size(), CV_8UC1);
    for (int i = 0; i < uxx.rows; i++)
    {
        for (int j = 0; j < uxx.cols; j++)
        {
            uxx.at<uchar>(i, j) = (im1.at<uchar>(i, j) + im2.at<uchar>(i, j)) % 256;
        }
    }
    return uxx;
}

　　运行结果：

　　正确了。

　　执行矩阵相乘的时候就更明显了（C++ opencv）：

　　而正确的（运行于 python opencv）：

　　同样用取模的方法修正：

Mat multiply_mod(Mat im1, Mat im2)
{
    CV_Assert(im1.size() == im2.size());
    Mat uxx = Mat::zeros(im1.size(), CV_8UC1);
    for (int i = 0; i < uxx.rows; i++)
    {
        for (int j = 0; j < uxx.cols; j++)
        {
            uxx.at<uchar>(i, j) = (im1.at<uchar>(i, j) * im2.at<uchar>(i, j)) % 256;
        }
    }
    return uxx;
}

　　运行结果：

　　修正了。

　　同理，相减也是一样需要修复：

Mat matr_sub(Mat im1, Mat im2)
{
    CV_Assert(im1.size() == im2.size());
    Mat uxx = Mat::zeros(im1.size(), CV_8UC1);
    for (int i = 0; i < uxx.rows; i++)
    {
        for (int j = 0; j < uxx.cols; j++)
        {
            uxx.ptr<uchar>(i)[j] = (im1.ptr<uchar>(i)[j] - im2.ptr<uchar>(i)[j]) < 0 ? (im1.ptr<uchar>(i)[j] - im2.ptr<uchar>(i)[j]) % 256 : (im1.ptr<uchar>(i)[j] - im2.ptr<uchar>(i)[j]);
        }
    }
    return uxx;
}

　　很美好，看起来似乎解决了所有问题。

　　但实际上问题没这么简单，还有个问题在于相除的情况怎么才能修复，因为一些情况下对图像做了一些操作后会得到一个含有0（原因也是因为用 8UC1 类型的 Mat 存储像素，所以导致 0.xxx 的值直接按 0 处理）的矩阵，这时我没办法再修复了，但我又想要获得或者设置正确的浮点像素值，这个问题直接导致了我写的图像相似度检测算法没法正常用...

　　于是，重新冷静考虑一下。

　　首先要清楚的是，直接使用 CV_32FC1 读取图像是不行的，不出意外会得到很多 Nan 或 inf 值，从而图像也无法正常显示。

　　以及我们千万别使用下面几种情况的代码访问像素元素（以下皆假设使用 C1 单通道图像）：

　　情况1：假设 im 类型为 CV_8UC1

im.at<int>(row, col);
im.at<float>(row, col);
//...

　　不然，你会发现明明你的图像是 600 x 600，却读到小部分，甚至一进循环就报 opencv_assert 的断言中断错误。参见：https://github.com/kinchungwong/kinchungwong.github.io/blob/master/opencv_issues_11370/explain_opencv_non_issue_11370.md

　　对于 8U 系列，你只能使用这种方式：

im.at<uchar>(row, col)
im.ptr<T>(row)[col];

　　其他情况，对于其他类型的 Mat，最好是用这种方式获取或设置像素元素信息：

im.ptr<T>(row)[col];

　　绝不能使用 at<T>() 去访问，因为它是靠类型进行内存地址计算的，所以一定会超出范围。程序会立即中断。

　　回到主题。

　　实际上，我们想保证正确且方便的进行图像的矩阵运算，要做的其实只有一步，首先，我们使用 CV_8UC1 （以单通道图像为例）读取图像，然后将其矩阵类型转换为 CV_32FC1 就可以了！就是这么简单却搞了我好久：

Mat im1 = imread("../opencv/samples/data/lena.jpg", CV_8UC1);
Mat im1f;

im1.convertTo(im1f, CV_32FC1);
// ...

　　于是，我的写的 SSIM 算法可以用上了，下一篇我会完整介绍 SSIM 算法~