前言

在标记点识别的过程中，因为某些原因，预先对编码标记进行了反色处理，因此在原图二值化后是不能直接识别编码点的，因此需要在处理时再次进行反色处理，将编码标记恢复为正常的色值，从而实现识别，记录以下。

一、如何反色处理

单通道图像的色值在0-255之间，三通道图像的RGB色值均在0-255之间

以单通道图像为例，假设某点的色值为pv，且0<=pv<=255，故反色的实质为设定该点的色值为：255-pv；

三通道图像同理，取其RGB值均255减去其原值，故：

1.C++：

void SetSingleInverse(const cv::Mat& srcImage,cv::Mat& dstImage)
{
    Mat gray_src;
    cvtColor(src, gray_src, CV_BGR2GRAY);
    imshow("output", gray_src);
    int height = gray_src.rows;
    int width = gray_src.cols;
    for (int row = 0; row < height; row++)
    {
        for (int col = 0; col < width; col++)
        {
            int gray = gray_src.at<uchar>(row, col);
            gray_src.at<uchar>(row, col) = 255 - gray;
        }
    }
    imshow("反色", gray_src);
}

void SetMultiInverse(const cv::Mat& srcImage,cv::Mat& dstImage)
{
  	Mat dst;
    dst.create(src.size(), src.type());
    height = src.rows;
    width = src.cols;
    int nc = src.channels();
    //b,g,r 三通道
    int b;
    int g;
    int r;
    for (int row = 0; row < height; row++)
    {
        for (int col = 0; col < width; col++)
        {
            b = src.at<Vec3b>(row, col)[0];
            g= src.at<Vec3b>(row, col)[1];
            r = src.at<Vec3b>(row, col)[2];

            dst.at<Vec3b>(row, col)[0] = 255 - b;
            dst.at<Vec3b>(row, col)[1] = 255 - g;
            dst.at<Vec3b>(row, col)[2] = 255 - r;
        }
    }
}

2.python

Inverse_frame_gray = frame_gray.copy()
height, width = Inverse_frame_gray.shape
for i in range(height):
    for j in range(width):
        pv = Inverse_frame_gray[i, j]
        Inverse_frame_gray[i][j] = 255 - pv
cv2.imshow("Inverse",Inverse_frame_gray)

注：通过实际应用，以上代码效率极低，大大降低了图像的帧率，因此采用逻辑非的方法，提高图像处理效率。

二、逻辑非取反

bitwise_not方法

1.C++

void SetSingleInverse(const cv::Mat& srcImage,cv::Mat& dstImage)
{
    Mat gray_src;
    cvtColor(src, gray_src, CV_BGR2GRAY);
    imshow("output", gray_src);
    
    Mat Inverse_dst;
    bitwise_not(gray_src,Inverse_dst);
    imshow("Inverse", Inverse_dst);
}

2.python

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow("img_gray",gray)
Inverse_frame_gray = cv2.bitwise_not(gray)
cv2.imshow("Inverse",Inverse_frame_gray)