图片处理OpenCV IMDecode模式说明【生产问题处理】

我不是女神ヾ 2024-02-17 13:37 31阅读 0赞

## OpenCV IMDecode模式说明【生产问题处理】 ##

### 1 前言 ###

> 今天售后同事反馈说客户使用我们的图片处理，将PNG图片处理为JPG图片之后，变为了白板。
> 
>  *  我们图片处理使用的是openCV来进行处理

### 2 分析 ###

#### 2.1 图片是否损坏：非标准PNG头部 ####

于是，马上写了一个demo尝试本地复现，结果复现概率是：必现。

package main
    
    import (
    	"fmt"
    	"gocv.io/x/gocv"
    	_ "image/jpeg"
    	_ "image/png"
    	"io"
    	"os"
    )
    
    func main() {
        
    	params := []int{
        gocv.IMWriteJpegQuality, 1}
    	srcFile, err := os.Open("/Users/xxx/GolandProjects/xxx/image-encoder/demo/quality/3.png")
    	if err != nil {
        
    		fmt.Printf("%v", err)
    		return
    	}
    	defer srcFile.Close()
    	imageBuf, err := io.ReadAll(srcFile)
    	if err != nil {
        
    		fmt.Printf("%v", err)
    		return
    	}
    	mat, err := gocv.IMDecode(imageBuf, gocv.IMReadUnchanged)
    	if err != nil {
        
    		fmt.Printf("%v", err)
    		return
    	}
    	buf, err := gocv.IMEncodeWithParams(gocv.JPEGFileExt, mat, params)
    	//buf, err := gocv.IMEncodeWithParams(gocv.JPEGFileExt, mat, params)
    	if err != nil {
        
    		fmt.Printf("%v", err)
    		return
    	}
    	os.WriteFile("/Users/xxx/GolandProjects/xxx/image-encoder/demo/quality/33.jpg", buf.GetBytes(), os.ModePerm)
    	if err != nil {
        
    		fmt.Printf("%v", err)
    		return
    	}
    	println("DONE.....")
    }

接着尝试将我本地其他的PNG图片转换为JPG，发现可以转换成功。表示这个代码是可以将PNG转换为JPG的。

> 于是，开始排查是否是客户图片有破损，比如图片的文件头已经损坏，导致它不是一个标准的PNG图片。

![在这里插入图片描述][1d8bea35fda4490d937d71a0f9d5445c.png]

> 通过查阅资料后发现PNG的头部为`89 50 4E 47 0D 0A 1A 0A`  
> ![在这里插入图片描述][3bf1d0010782419b87bbc640166e852e.png]

package main
    
    import (
    	"encoding/hex"
    	"fmt"
    	"os"
    )
    
    func main() {
        
    	filePath := "/Users/xsky/GolandProjects/xxx/image-encoder/demo/quality/11.png" // 替换为你的 PNG 图片文件路径
    
    	file, err := os.Open(filePath)
    	if err != nil {
        
    		fmt.Println("Error opening file:", err)
    		return
    	}
    	defer file.Close()
    
    	header := make([]byte, 8)
    	_, err = file.Read(header)
    	if err != nil {
        
    		fmt.Println("Error reading file:", err)
    		return
    	}
    
    	fmt.Println("PNG 文件头的16进制信息:")
    	//89504e470d0a1a0a
    	//89504e470d0a1a0a
    	fmt.Println(hex.EncodeToString(header))
    }

最终验证发现，客户的PNG图片与我本地PNG图片一致，文件头都是符合PNG格式的。

#### 2.2 Alpha图像通道问题(shooting) ####

> 接着想着客户图像是灰白色的，而我之前验证的本地图片为彩色，加上我自己gocv处理图片的参数选择的是`gocv.IMReadUnchanged`。点进去查看源码，发现还有其他的参数，于是尝试替换其他参数。

//我之前代码的用法
    mat, err := gocv.IMDecode(imageBuf, gocv.IMReadUnchanged)

// IMReadUnchanged return the loaded image as is (with alpha channel,
    //otherwise it gets cropped).
    IMReadUnchanged IMReadFlag = -1 # 处理带有Alpha参数的图像
    // IMReadColor always converts image to the 3 channel BGR color image.
    IMReadColor IMReadFlag = 1 # 将图片转换为BGR三色通道
    // IMReadAnyColor the image is read in any possible color format.
    IMReadAnyColor IMReadFlag = 4 # 根据图像自动识别任何可能的格式
    ...

知道这个参数之后，我将`gocv.IMDecode(imageBuf, gocv.IMReadUnchanged)`中的`IMReadUnchanged`改为`IMReadAnyColor`，最后验证，成功处理客户图片。

目前可以知道，我的图像处理参数选择有问题。于是开始查这几种参数有什么区别。其实点进去看源码就可以知道这几种参数的区别。

> 这个时候如果对图像处理不熟悉的朋友可能会问，`Alpha通道`是什么意思，其实大家可以简单的理解为和`图像的透明度`有关。

为了验证这个结论是否正确，我尝试读取客户的PNG和我本地的彩色PNG的颜色Model是否不同：

//color.RGBAModel # 我自己的图像
    //color.Gray16Model # 客户的图像

至此，猜想成立，可以知道是我图像的处理颜色的参数选择有误。

### 3 拓展：图像color.Model ###

> 色彩模型（RGB，RGBA，CMYK灰度）  
> matplotlib中的色彩定义主要用到了RGB、RGBA、CMYK、灰色四种模型。

*  这里我主要介绍RGBA模型

对这块感兴趣的朋友可以去看这边文章：https://blog.csdn.net/mighty13/article/details/113616772

#### 3.1 color.RGBAModel：三色+Alpha ####

> 带有alpha\[RGBA 表示传统的32位预处理 Alpha 色，每个颜色都有8位，分别表示红色，绿色，蓝色和阿尔法。 \]

type RGBA struct {
        
    	R, G, B, A uint8
    }

#### 3.2 color.RGBA64Model：64位表示三色+Alpha的值 ####

> 带有alpha：64位数来表示每个通道的值

type RGBA64 struct {
        
    	R, G, B, A uint16
    }

#### 3.3 color.NRGBAModel：其他颜色不预乘Alpha的值 ####

> NRGBA 表示非 Alpha 预乘32位颜色（非 alpha 预乘表示在进行颜色合成时，颜色值不会提前乘以 alpha 通道的值）
> 
>  *  预乘：什么是预乘？假设一个像素点，用RGBA四个分量来表示，记做(R,G,B,A)，那预乘后的像素就是(R*A,G*A,B\*A, A)，这里A的取值范围是\[0,1\]。所以，预乘就是每个颜色分量都与该像素的alpha分量预先相乘。可以发现，对于一个没有透明度，或者说透明度为1的像素来说，预乘不预乘结果都是一样的。
>  *  NRGBA代表一个没有32位透明度加乘的颜色。每个红，绿，蓝和透明度都是８bit的数值

type NRGBA struct {
        
    	R, G, B, A uint8
    }

#### 3.4 color.NRGBA64：非预乘Alpha，其他颜色用64位表示 ####

> NRGBA64 表示非 alpha 预乘 64 位颜色，每个红色，绿色，蓝色和 alpha 有 16 位
> 
>  *  NRGBA64代表无透明度加乘的64-bit的颜色，它的每个红，绿，蓝，和透明度都是个16bit的数值。

type NRGBA struct {
        
    	R, G, B, A uint16
    }

#### 3.5 color.AlphaModel：代表一个8-bit的透明度 ####

type Alpha struct {
        
    	A uint8
    }

#### 3.6 color.Alpha16Model：代表一个16位的透明度 ####

type Alpha struct {
        
    	A uint16
    }

#### 3.7 color.GrayModel：灰度通道，黑白图像 ####

> 只有一个灰度通道，通常用于表示黑白图像【当你需要读取只带有灰度通道的图像时，你应该使用该标志来读取图像。】【也是由RGB组成，不过由于是单通道，因此呈现灰度】

#### 3.8 color.Gray16Model：16位整数表示灰度通道值 ####

> 16位整数表示灰度通道的值，通常用于表示黑白

参考：

*  https://blog.csdn.net/zxcasd11/article/details/109446056
 *  https://blog.csdn.net/u013943420/article/details/76855416

[1d8bea35fda4490d937d71a0f9d5445c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/06/3e03b585547a468aa6010a95ed3411ff.png
[3bf1d0010782419b87bbc640166e852e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/06/4a8402f2104e459796008ed101bffa69.png