Kinect开发教程八：OpenNI2显示深度、彩色及融合图像
在《Kinect开发教程二：OpenNI读取深度图像与彩色图像并显示》中，小斤介绍了OpenNI读取深度与彩色图像数据的方法，并且借助OpenCV进行显示。
OpenNI2在接口上与OpenNI有了较大变化，具体更新可以查看《OpenNI Migration Guide》。从获取深度，彩色传感器的数据而言，小斤觉得调用更为直观，但对于Kinect，一大缺憾是不支持OpenNI2提供的深度与彩色图像配准的方法（体现在下文中的device.isImageRegistrationModeSupported()方法）。
但使用Kinect的童鞋也不必沮丧，在OpenNI2.1 beta中，小斤看到了新增的convertDepthToColorCoordinates()方法可以做一些深度与彩色坐标数据的转化，它的效果应该是与device.setImageRegistrationMode( IMAGE_REGISTRATION_DEPTH_TO_COLOR )类似的，有兴趣的童鞋可以尝试一下。
在显示方面，小斤还是使用OpenCV，这次是使用OpenCV的C++接口进行操作。
/*************************OpenNI2 Deep, Color and Fusion ImageAuthor: Xin Chen, 2013.2Blog: http://blog.csdn.net/chenxin_130*************************/#include <stdlib.h>#include <iostream>#include <string>#include "OpenNI.h"#include "opencv2/core/core.hpp"#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"using namespace std;using namespace cv;using namespace openni;void CheckOpenNIError( Status result, string status ){ if( result != STATUS_OK ) cerr << status << " Error: " << OpenNI::getExtendedError() << endl;}int main( int argc, char** argv ){Status result = STATUS_OK; //OpenNI2 imageVideoFrameRef oniDepthImg; VideoFrameRef oniColorImg;//OpenCV imagecv::Mat cvDepthImg;cv::Mat cvBGRImg;cv::Mat cvFusionImg;cv::namedWindow("depth");cv::namedWindow("image");cv::namedWindow("fusion");char key=0;//【1】// initialize OpenNI2 result = OpenNI::initialize();CheckOpenNIError( result, "initialize context" ); // open device Device device; result = device.open( openni::ANY_DEVICE );//【2】// create depth stream VideoStream oniDepthStream; result = oniDepthStream.create( device, openni::SENSOR_DEPTH );//【3】// set depth video mode VideoMode modeDepth; modeDepth.setResolution( 640, 480 ); modeDepth.setFps( 30 ); modeDepth.setPixelFormat( PIXEL_FORMAT_DEPTH_1_MM ); oniDepthStream.setVideoMode(modeDepth);// start depth stream result = oniDepthStream.start(); // create color stream VideoStream oniColorStream; result = oniColorStream.create( device, openni::SENSOR_COLOR );// set color video modeVideoMode modeColor; modeColor.setResolution( 640, 480 ); modeColor.setFps( 30 ); modeColor.setPixelFormat( PIXEL_FORMAT_RGB888 ); oniColorStream.setVideoMode( modeColor);//【4】// set depth and color imge registration modeif( device.isImageRegistrationModeSupported(IMAGE_REGISTRATION_DEPTH_TO_COLOR ) ){device.setImageRegistrationMode( IMAGE_REGISTRATION_DEPTH_TO_COLOR );}// start color stream result = oniColorStream.start(); while( key!=27 ) { // read frameif( oniColorStream.readFrame( &oniColorImg ) == STATUS_OK ){// convert data into OpenCV typecv::Mat cvRGBImg( oniColorImg.getHeight(), oniColorImg.getWidth(), CV_8UC3, (void*)oniColorImg.getData() );cv::cvtColor( cvRGBImg, cvBGRImg, CV_RGB2BGR );cv::imshow( "image", cvBGRImg );} if( oniDepthStream.readFrame( &oniDepthImg ) == STATUS_OK ){cv::Mat cvRawImg16U( oniDepthImg.getHeight(), oniDepthImg.getWidth(), CV_16UC1, (void*)oniDepthImg.getData() );cvRawImg16U.convertTo( cvDepthImg, CV_8U, 255.0/(oniDepthStream.getMaxPixelValue()));//【5】// convert depth image GRAY to BGRcv::cvtColor(cvDepthImg,cvFusionImg,CV_GRAY2BGR);cv::imshow( "depth", cvDepthImg );}//【6】cv::addWeighted(cvBGRImg,0.5,cvFusionImg,0.5,0,cvFusionImg);cv::imshow( "fusion", cvFusionImg );key = cv::waitKey(20);}//cv destroycv::destroyWindow("depth");cv::destroyWindow("image");cv::destroyWindow("fusion"); //OpenNI2 destroy oniDepthStream.destroy(); oniColorStream.destroy(); device.close(); OpenNI::shutdown();return 0;}小斤由上到下解释一把：
【1】使用OpenNI::initialize()方法进行初始化，对于错误处理，可以使用OpenNI::getExtendedError()方法。在这里，Device对象打开任意一个可用设备。
【2】在OpenNI2中，可以通过创建VideoStream视频流对象来读取设备的深度图像和色彩图像数据。
【3】对于VideoStream视频流对象，我们可以设备它的Mode，包括分辨率，FPS，像素格式等等。对于像素格式的类型，可以使用VideoStream的getSensorInfo()方法获得，目前Kinect只有PIXEL_FORMAT_DEPTH_1_MM可供选择。
【4】如果设备支持深度与彩色图像配准的话，小斤在这里使用OpenNI2自带的接口进行配准。在while循环中，各个VideoStream对象通过readFrame()来读取对应的图像数据。
【5】将OpenNI的图像数据转换为OpenCV可显示的图像格式。对于彩色图像，可以先将数据塞入OpenCV三通道(8位)RGB对象，再转换到BGR来显示。对于深度图像，先放入单通道（16位）对象（这是因为深度数据的值域较大），最近将深度值等比例缩小到[0,255]的值域中，作为灰度图显示。
【6】最后的图像融合，由于addWeighted()方法需要两个输入图像是同一类型，所以小斤首先将深度灰度图（单通道），转化为BGR图像，这样就与彩色图像一致了。再通过该方法进行融合，小斤使用的比例是0.5，0.5，也就是融合图像的每个像素点的值，都是(深度图像该点的像素值*0.5)+ (彩色图像该点的像素值*0.5)。
----------------------------------
作者：小斤（陈忻）
新浪围脖：@小斤陈
本文属于原创文章，如需转载引用请注明原文作者和链接，谢谢。