【海思】利用opencv给海思抓拍图像加OSD

2024-01-26 08:18
文章标签 图像 opencv osd 海思 抓拍

本文主要是介绍【海思】利用opencv给海思抓拍图像加OSD,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

上一篇博文【海思图像视频OSD准备——移植freetype、SDL、SDL_ttf到开发板】已能利用freetype+SDL+SDL_ttf的方式生成字串位图了。现在以抓拍为例,介绍一种OSD的方法。可以明确的是:我们可以通过海思的region区域管理来实现OSD的叠加,也可以通过opencv的方式实现OSD的叠加。由于海思已有现成的sample_region来实现OSD了,那我就通过另一种方式——opencv叠加OSD。

1、图像叠加

摄像头拍照后,将编码数据赋值给opencv的Mat图像处理类,然后读入生成的字符串BMP位图。先利用Rect函数指定需要叠加的区域,再利用copyTo函数实现叠加。简略代码如下。

int api_putText(char *picsrc,int picsize,char *path,char *timestr,char *chnstr)
{Mat image;Mat OSD_region;Mat OSD_time;_InputArray picarray(picsrc,picsize);           //将图片数据赋值到输入数组image = imdecode(picarray,CV_LOAD_IMAGE_COLOR); //将图片数据赋值到Mat类string_to_bmp(timestr,TIME_BMP_PATH);           //调用字符串转位图函数,第一个参数为时间字符串,第二个参数为时间BMP位图的存储路径OSD_time = imread(TIME_BMP_PATH);               //读出上一步保存的位图OSD_region = image(Rect(20,20,OSD_time.cols,OSD_time.rows));    //设置叠加区域OSD_time.copyTo(OSD_region);                    //将位图叠加到叠加区域中imwrite(path,image);                            //保存打上OSD的图像.........
}

查看保存的图片如下
在这里插入图片描述
可以看到,时间虽然打上了,但是背景色不是透明的,多多少少有点丑啊。这是因为我们调用SDL生成字符串位图时,调用的是TTF_RenderUTF8_Solid函数,我们看其函数说明

/* Create an 8-bit palettized surface and render the given text atfast quality with the given font and color.  The 0 pixel is thecolorkey, giving a transparent background, and the 1 pixel is setto the text color.This function returns the new surface, or NULL if there was an error.
*/
extern DECLSPEC SDL_Surface * SDLCALL TTF_RenderText_Solid(TTF_Font *font,const char *text, SDL_Color fg);
extern DECLSPEC SDL_Surface * SDLCALL TTF_RenderUTF8_Solid(TTF_Font *font,const char *text, SDL_Color fg);
extern DECLSPEC SDL_Surface * SDLCALL TTF_RenderUNICODE_Solid(TTF_Font *font,const Uint16 *text, SDL_Color fg);

可以看出,默认的背景色是透明的。之所以叠加上是黑色,是因为以BMP位图保存图像时无法保存透明色,常接触PS的朋友应该也知道这一点。还好opencv另有方法来解决这个问题。

2、让黑色背景透明

在上一步我们使用了Mat::copyTo这个方法,这是个重载函数,上边的OSD_time.copyTo(OSD_region);其实还可以添加第二个参数——蒙版。
当我们将这句话改为OSD_time.copyTo(OSD_region,OSD_time)之后,意味着OSD_time以自己为蒙版,自己作为自己的蒙版,那么必定处处重叠。那么这时重叠、且像素为0(即为黑色)的部分将会被置为透明色,其余部分不变。
通过修改后,添加了“地点”位图,并设置背景透明。最终得到下图,以纪念一下神作马里奥·奥德赛。
在这里插入图片描述
到现在为止,仍然不够完美,因为OSD字体是白色的,当下方区域颜色相近时,将会很难辨认。这可以考虑通过对每个字符下的区域进行平均灰度值分析,然后将字的颜色设为反色来解决。

这篇关于【海思】利用opencv给海思抓拍图像加OSD的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/646172

相关文章

在PyCharm中安装PyTorch、torchvision和OpenCV详解

《在PyCharm中安装PyTorch、torchvision和OpenCV详解》:本文主要介绍在PyCharm中安装PyTorch、torchvision和OpenCV方式,具有很好的参考价值,... 目录PyCharm安装PyTorch、torchvision和OpenCV安装python安装PyTor

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各

OpenCV图像形态学的实现

《OpenCV图像形态学的实现》本文主要介绍了OpenCV图像形态学的实现,包括腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽运算和黑帽运算,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起... 目录一、图像形态学简介二、腐蚀(Erosion)1. 原理2. OpenCV 实现三、膨胀China编程(

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

使用Python开发一个图像标注与OCR识别工具

《使用Python开发一个图像标注与OCR识别工具》:本文主要介绍一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用OCR对标注区域进行文本识别,并将结果保存为Excel文件,感兴... 目录项目简介1. 图像加载与显示2. 矩形标注3. OCR识别4. 标注的保存与加载5. 裁剪与重置图像

基于WinForm+Halcon实现图像缩放与交互功能

《基于WinForm+Halcon实现图像缩放与交互功能》本文主要讲述在WinForm中结合Halcon实现图像缩放、平移及实时显示灰度值等交互功能,包括初始化窗口的不同方式,以及通过特定事件添加相应... 目录前言初始化窗口添加图像缩放功能添加图像平移功能添加实时显示灰度值功能示例代码总结最后前言本文将

Java中的Opencv简介与开发环境部署方法

《Java中的Opencv简介与开发环境部署方法》OpenCV是一个开源的计算机视觉和图像处理库,提供了丰富的图像处理算法和工具,它支持多种图像处理和计算机视觉算法,可以用于物体识别与跟踪、图像分割与... 目录1.Opencv简介Opencv的应用2.Java使用OpenCV进行图像操作opencv安装j

opencv实现像素统计的示例代码

《opencv实现像素统计的示例代码》本文介绍了OpenCV中统计图像像素信息的常用方法和函数,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 统计像素值的基本信息2. 统计像素值的直方图3. 统计像素值的总和4. 统计非零像素的数量

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境