大概介绍

OpenCV官网

• OpenCV (Open Source Computer Vision Library) 是一个基于BSD许可（开源）发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。

• OpenCV用C++和C语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python、Java and MATLAB的接口。如今也提供对于C#、Ch、Ruby,GO的支持。所以该库支持多种语言开发:如C,C++,Object_C,Swift, Windows, Android,Mac OS,Python,Java和 MATLAB等.所以通常用它来做算法的移植，并且OpenCV的代码经过适当改写可以正常的运行在DSP系统和ARM嵌入式系统中

Demo测试

• 本文主要基于iOS来阐述,测试使用这个框架去给一张图片添加马赛克,简单了解一下大概使用

1.首先得去官网下载它,然后倒入到项目中

opencv2.framework.png

2.先了解一下OpenCV的基本概念:
相信大家都知道:在C++和OC混编中报错,需要将 .m 文件 修改为 .mm 文件;
还有就是C++支持命名空间,所以需要导入C++的命名空间

using namespace cv;

Mat 矩阵 是OPenCV的基本数据结构

马赛克原理 大概其意思就是处理像素点,可以理解为把原先的一个一个像素点按照3 x 3 或者4 x 4划分成一个小方块,这个小方块的像素展示这个小方块最左上角的那个像素点的颜色来展示,这样平铺开来,比如原先展示10 x 10个像素点按照5x 5为一个方块展示,就只展示了4个像素点

(10 x 10) ÷ (5 x 5) = 4,

这样看起来肯定模糊,就是马赛克效果

马赛克原理.png

说那么费劲,看代码怎么实现吧

//自定义UIImageUtils,在UIImageUtils中导入OpenCV的头文件
//倒入OpenCV框架
//核心头文件
#import <opencv2/opencv.hpp>
//对iOS支持
#import <opencv2/imgcodecs/ios.h>
  //导入矩阵帮助类
#import <opencv2/highgui.hpp>
#import <opencv2/core/types.hpp>

/*
  * 自定义 UIImageUtils.m,  因为和OC混编,所以修改成 UIImageUtils.mm


    参数image   是外界传递进来的源图片,就是需要对它进行马赛克处理
    参数level     是处理的级别,这个值越小,马赛克就越密,颗粒感越弱.,就是上面马赛克原理说明所说的 5*5 中的 5, level = 5,  或者说上图画 level = 3
*/
 +(UIImage*)opencvImage:(UIImage*)image level:(int)level{
        //实现功能
        //第一步：将iOS图片->OpenCV图片(Mat矩阵)
        Mat mat_image_src;  //源图片
        UIImageToMat(image, mat_image_src);
        
        //第二步：确定宽高
        int width = mat_image_src.cols;
        int height = mat_image_src.rows;
        
        
        
        //图片类型->进行转换
        //在OpenCV里面,有个隐藏的坑,那就是 OpenCV只能支持 处理 RGB,而图片是 ARGB的,则如果不进行图片类型转换是没有效果的
        //图片ARGB的, 将ARGB->RGB
       // cvtColor的三个参数: 第一个是源图片,第二个参数是目标图片,第三参数是 转换格式  2谐音to,意思是将RGBA转换成RGB的,第四个参数是通道个数,RBG 就是3个通道
        Mat mat_image_dst;
        cvtColor(mat_image_src, mat_image_dst, CV_RGBA2RGB, 3);
        
        //研究OpenCV时候，如何发现巨坑？
        //观察规律
        //看到了OpenCV官方网站->每次进行图像处理时候，规律->每一次都会调用cvtColor保持一致(RGB)
        //所以：每一次你在进行转换的时候，一定要记得转换类型
        
        //为了不影响原始图片,将处理成RBG 3通道的Mat 进行复制一份
        Mat mat_image_clone = mat_image_dst.clone();
        
        //第三步：马赛克处理
        //分析马赛克算法原理
        //level = 3   ->   3 * 3矩形
        //动态的处理
        int x = width - level;
        int y = height - level;
        
      //双重for循环,一个小方块一个小方块处理
        for (int i = 0; i < y; i += level) {
            for (int j = 0; j < x; j += level) {
                //创建一个矩形区域 (就是那个马赛克小方块)
                Rect2i mosaicRect = Rect2i(j, i, level, level);
                
                //给填Rect2i区域->填充数据->原始数据
                Mat roi = mat_image_dst(mosaicRect);
                
                //让整个矩形区域颜色值保持一致
                //mat_image_clone.at<Vec3b>(i, j)->像素点（颜色值组成->多个）->ARGB->数组
                //mat_image_clone.at<Vec3b>(i, j)[0]->R值
                //mat_image_clone.at<Vec3b>(i, j)[1]->G值
                //mat_image_clone.at<Vec3b>(i, j)[2]->B值
                Scalar scalar = Scalar(
                       mat_image_clone.at<Vec3b>(i, j)[0],
                       mat_image_clone.at<Vec3b>(i, j)[1],
                       mat_image_clone.at<Vec3b>(i, j)[2]);
                
                //将处理好矩形区域->数据->拷贝到图片上面去->修改后的数据
                //CV_8UC3解释:
                //CV_:表示框架命名空间
                //8表示：32位色->ARGB->    8位 = 1字节 ->所以: 4个字节
                //U分析
                //两种类型：有符号类型(Sign->有正负->简写"S")、无符号类型(Unsign->正数->"U")
                //无符号类型：0-255(通常情况)
                //有符号类型：-128-127
                //C分析：char类型
                //3表示：3个通道->RGB
                Mat roiCopy = Mat(mosaicRect.size(), CV_8UC3, scalar);
                roiCopy.copyTo(roi);
            }
        }
        
        //第四步：将OpenCV图片->iOS图片
        return MatToUIImage(mat_image_dst);
    }
    

最后看看level不同的效果吧: 等级为80,颗粒感强.png
等级为15,颗粒感弱.png