在计算机视觉领域，OpenCV是一个强大的库，用于图像处理和分析。本篇将详细介绍如何使用OpenCV来判断一张图片中特定颜色所占的比例，这对于检测特定场景、识别物体或者解决遮挡问题等应用场景非常有用。
首先，我们要明确目标：在给定的图片中，我们需要找到并统计一种特定颜色（例如黑色）的像素数量，然后计算出该颜色在整个图像中的占比。在给出的代码示例中，这个功能被用于判断摄像头是否被物体遮挡，通过识别黑色像素的比例来实现。
一、OpenCV的Mat格式图片遍历
在OpenCV中，图像通常被表示为`Mat`对象，它是一个二维数组，可以存储像素数据。遍历`Mat`对象的每个像素，可以通过`at<>`函数访问。对于彩色图像，`at<Vec3b>`返回的是一个包含三个元素（BGR顺序）的向量，分别代表蓝、绿、红三个颜色通道的值。代码中通过比较每个像素的BGR值来判断是否为黑色：
```cpp
if((image.at<Vec3b>(i, j)[0] <= 120 &&
image.at<Vec3b>(i, j)[1] <= 120 &&
image.at<Vec3b>(i, j)[2] <= 120))
{
num++;
}
```
这里的条件是BGR值都小于等于120，这是一个近似的黑色阈值。统计满足条件的像素数量后，可以计算出黑色像素的比例：
```cpp
rate = (float)num / (float)(image.rows * image.cols);
```
如果这个比例超过0.20，说明黑色像素较多，可能表示摄像头被遮挡。
二、QImage遍历像素点
QImage是Qt库中用于处理图像的类，它提供了方便的方法来访问像素。在另一个示例中，我们同样遍历QImage对象的每个像素，但需要先将其转换为OpenCV的`Mat`格式，以便于处理：
```cpp
Mat Widget::QImage2cvMat(QImage image) {
// 根据QImage的格式转换为Mat对象
// ...
}
```
然后，遍历QImage的像素，通过`pixel()`函数获取每个像素的ARGB值，并转换为RGB值进行比较：
```cpp
quint8 r, g, b;
for(int i = 0; i < qimage.height(); i++) {
for(int j = 0; j < qimage.width(); j++) {
QRgb pixel = qimage.pixel(j, i);
r = qRed(pixel);
g = qGreen(pixel);
b = qBlue(pixel);
// ... 比较颜色并计数 ...
}
}
```
这种方法与前面的OpenCV方法类似，只是访问像素的方式不同。
总结来说，判断图片中某种颜色的比例，主要涉及以下几个步骤：
1. 加载图像到内存，可以使用OpenCV的`imread`函数或Qt的QImage类。
2. 遍历图像的每个像素，使用`at<Vec3b>`或`pixel()`函数获取颜色信息。
3. 比较像素颜色与目标颜色的差异，统计符合条件的像素数量。
4. 计算颜色比例，根据需求设置阈值进行判断。
这种方法在很多实际应用中都非常实用，例如在自动驾驶、监控系统或者机器人视觉中，通过识别特定颜色可以检测特定物体或环境变化。通过调整颜色阈值，还可以适应不同的光照条件或颜色差异。
