目录

1.实验原理

2.实验代码

3.运行结果

---

1.实验原理

在Opencv中，我们可以综合利用坐标变换与Rect区域提取来实现单窗口显示多幅图像。首先根据输入图像个数与尺寸确定输入源图像小窗口的构成形态，然后设定每个图像小窗口的具体构成，包括边界、间隙等，最后根据小窗口确定输出图像的尺寸，利用缩放图像函数resize进行图像缩放，完成单窗口下多幅图像的显示。

Resizes an image.
void resize(InputArray src, OutputArray dst, Size dsize, double fx=0, double fy=0, int interpolation=INTER_LINEAR )；
参数说明：

src:输入图像，通常为cv::Mat类型。
dst:输出图像，与输入图像具有相同的类型。
size:目标图像的尺寸，表示为(width, height)。
fx:沿水平轴的缩放因子，默认为0,表示不进行水平缩放。如果 fx 大于 1，则图像会被放大；如果小于 1，则图像会被缩小。
fy:沿垂直轴的缩放因子，默认为0,表示不进行垂直缩放。
interpolation:插值方法，有以下几种可选：默认方法是 INTER_LINEAR，即双线性插值。
   cv::INTER_NEAREST:最近邻插值，速度最快，但质量最差。
   cv::INTER_LINEAR:线性插值，速度较快，质量较好。
   cv::INTER_AREA:区域插值，适用于图像缩小，速度较慢，质量最好。
   cv::INTER_CUBIC:三次样条插值，速度适中，质量较好。
   cv::INTER_LANCZOS4:Lanczos插值，速度适中，质量较好。

2.实验代码

// test.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
//

#include "pch.h"
#include <opencv2/highgui/highgui_c.h>
#include <opencv2\opencv.hpp>
//#pragma comment(lib, "opencv_world450d.lib")  //引用引入库 
using namespace cv;
#include<iostream>
using namespace std;

void showManyImages(const vector<Mat>&srcImages, Size imageSize)
{
	int nNumImages = srcImages.size();
	Size nSizeWindows;
	if (nNumImages > 12)
    {
		cout << "no more tha 12 images" << endl;
		return;
	}
	//根据图片序列数量来确定分割小窗口的形态
	switch (nNumImages){
	case 1:nSizeWindows = Size(1, 1); break;
	case 2:nSizeWindows = Size(2, 1); break;
	case 3:
	case 4:nSizeWindows = Size(2, 2); break;
	case 5:
	case 6:nSizeWindows = Size(3, 2); break;
	case 7:
	case 8:nSizeWindows = Size(4, 2); break;
	case 9:nSizeWindows = Size(3, 3); break;
	default:nSizeWindows = Size(4, 3);
	}
	//设置小图像尺寸，间隙，边界
	int nShowImageSize = 200; //图片宽度 高度都为200
	int nSplitLineSize = 15; //图片之间间隙
	int nAroundLineSize = 50; //图片与窗口之间间隙
	//创建输出图像，图像大小根据输入源来确定
	const int imagesWidth = nShowImageSize*nSizeWindows.width + nAroundLineSize +(nSizeWindows.width - 1)*nSplitLineSize; //新窗口宽度
	const int imagesHeight = nShowImageSize*nSizeWindows.height + nAroundLineSize +(nSizeWindows.height - 1)*nSplitLineSize;//新窗口高度
	cout << imagesWidth << "  " << imagesHeight << endl;
	Mat showWindowsImages(imagesWidth, imagesHeight, CV_8UC3, Scalar(0, 0, 0));
	//提取对应小图像的左上角坐标x，y
	int posX = (showWindowsImages.cols - (nShowImageSize*nSizeWindows.width +(nSizeWindows.width - 1)*nSplitLineSize)) / 2;//左上角第一张图片的x坐标 左右方向
	int posY = (showWindowsImages.rows - (nShowImageSize*nSizeWindows.height +(nSizeWindows.height - 1)*nSplitLineSize)) / 2;//左上角第一张图片的y坐标 上下方向
	cout << posX << "  " << posY << endl;
	int tempPosX = posX;
	int tempPosY = posY;
	//将每一幅小图像整合成一幅大图像
	for (int i = 0; i < nNumImages; i++)
    {
		//小图像坐标转换
		if ((i%nSizeWindows.width == 0) && (tempPosX != posX))
        {
//图像根据 nSizeWindows = Size(3, 2) 布局大小，对新的一行数据点 左上角左边进行更新
			tempPosX = posX;
			tempPosY += (nSplitLineSize + nShowImageSize);
		}
		//利用Rect区域将小图像置于大图像的相应区域
		Mat tempImage = showWindowsImages(Rect(tempPosX, tempPosY, nShowImageSize, nShowImageSize));
		resize(srcImages[i], tempImage,Size(nShowImageSize, nShowImageSize));//利用resize函数实现图像缩放
		tempPosX += (nSplitLineSize + nShowImageSize);
	}//for
	imshow("单窗口显示多图片", showWindowsImages);
}
 
int main()
{
	//图像源输入
	vector<Mat>srcImage(9);
	srcImage[0] = imread("010.jpg");
	srcImage[1] = imread("010.jpg");
	srcImage[2] = imread("010.jpg");
	srcImage[3] = imread("020.jpg");
	srcImage[4] = imread("020.jpg");
	srcImage[5] = imread("020.jpg");
	srcImage[6] = imread("030.jpg");//安乐
	srcImage[7] = imread("030.jpg");
	srcImage[8] = imread("030.jpg");
	//判断当前vector读入的正确性
	for (int i = 0; i < srcImage.size(); i++)
    {
		if (srcImage[i].empty())
        {
			cout << "read error" << endl;
			return -1;
		}
	}
	//调用 单窗口显示图像
	showManyImages(srcImage, Size(147, 118));
	waitKey(0);
	system("pause");
	return 0;
}

3.运行结果

注意根据vector<Mat>srcImage(9);输入大小不同，将会不同布局