OpenCV2计算机视觉应用编程手册（自学版）初级四

OpenCV2计算机视觉应用编程手册（自学版）初级四  图像邻域操作、滤波处理

介绍了锐化滤波器的四种实现方法

/*

第四个opencv程序---图像邻域操作、滤波处理

时间：2014年11月30日00:40:10

使用拉普拉斯算子对图像进行锐化滤波

锐化滤波的模板

0    -1   0

-1   5   -1

0   -1    0

下面介绍了四种图像锐化的方法，有的速度快，有的慢一些。在图像处理中

滤波是非常常见的，所以这个地方很重要。

几个知识点：

  //1--- saturate_cast<uchar> 将小于的数据设置为大于的设置为

2---result.row(0).setTo(cv::Scalar(0));// 对第行的值都设置为下面类似

    3---可以使用opencv自己定义的filter2D函数实现滤波器

*/

 

/*****************************************

锐化滤波器方法：

  //1--- saturate_cast<uchar> 将小于0的数据设置为0 大于255的设置为255

 2---result.row(0).setTo(cv::Scalar(0));// 对第一行的值都设置为0  下面类似

**********************************************/

#include "stdafx.h"  

#include<iostream>

#include <opencv2/opencv.hpp> 

using namespace std;// 使用STD

using namespace cv;// 使用名字空间

 /*

  第一个锐化函数 sharpen

*/

void sharpen(const cv::Mat &image, cv::Mat &result) {

 

result.create(image.size(), image.type()); // allocate if necessary

for (int j= 1; j<image.rows-1; j++)

 {

 // for all rows (except first and last)

const uchar* previous= image.ptr<const uchar>(j-1); // previous row

const uchar* current= image.ptr<const uchar>(j); // current row

const uchar* next= image.ptr<const uchar>(j+1); // next row

 

uchar* output= result.ptr<uchar>(j); // output row

 

for (int i=1; i<image.cols-1; i++) {

            

    // saturate_cast<uchar> 将小于的数据设置为大于的设置为

 

 

*output++= cv::saturate_cast<uchar>(5*current[i]-current[i-1]-current[i+1]-previous[i]-next[i]);

//output[i]= cv::saturate_cast<uchar>(5*current[i]-current[i-1]-current[i+1]-previous[i]-next[i]); 

}

}

   // 对四个边界进行处理，最上面一行最下面最左边最右边。这个地方我们默认设置为了0

// Set the unprocess pixels to 00 

result.row(0).setTo(cv::Scalar(0));// 对第一行的值都设置为下面类似

result.row(result.rows-1).setTo(cv::Scalar(0));

result.col(0).setTo(cv::Scalar(0));

result.col(result.cols-1).setTo(cv::Scalar(0));

}

 

/*****************************************

第二个锐化函数 sharpen2

   锐化滤波器方法：

   使用step访问下一行的首地址

**********************************************/

 

void sharpen2(const cv::Mat &image, cv::Mat &result) {

 

result.create(image.size(), image.type()); // allocate if necessary

 

int step= image.step1();

const uchar* previous= image.data; // ptr to previous row

const uchar* current=  image.data+step; // ptr to current row

const uchar* next= image.data+2*step;   // ptr to next row

uchar *output= result.data+step; // ptr to output row

 

for (int j= 1; j<image.rows-1; j++) { // for each row (except first and last)

for (int i=1; i<image.cols-1; i++) { // for each column (except first and last)

 

output[i]= cv::saturate_cast<uchar>(5*current[i]-current[i-1]-current[i+1]-previous[i]-next[i]); 

}

 

previous+= step;// 这个地方使用step指向下一行的首地址

current+= step;

next+= step;

output+= step;

}

 

// Set the unprocess pixels to 0

result.row(0).setTo(cv::Scalar(0));

result.row(result.rows-1).setTo(cv::Scalar(0));

result.col(0).setTo(cv::Scalar(0));

result.col(result.cols-1).setTo(cv::Scalar(0));

}

/*****************************************

  第三个锐化函数：sharpen3

   锐化滤波器方法：

   使用迭代器访问图像的数据  

**********************************************/

void sharpen3(const cv::Mat &image, cv::Mat &result) {

 

cv::Mat_<uchar>::const_iterator it= image.begin<uchar>()+image.step;

cv::Mat_<uchar>::const_iterator itend= image.end<uchar>()-image.step;

cv::Mat_<uchar>::const_iterator itup= image.begin<uchar>();

cv::Mat_<uchar>::const_iterator itdown= image.begin<uchar>()+2*image.step;

 

result.create(image.size(), image.type()); // allocate if necessary

cv::Mat_<uchar>::iterator itout= result.begin<uchar>()+result.step;

 

for ( ; it!= itend; ++it, ++itup, ++itdown) {

 

*itout= cv::saturate_cast<uchar>(*it *5 - *(it-1)- *(it+1)- *itup - *itdown); 

}

}

/*****************************************

  第四个锐化函数：sharpen2D

   锐化滤波器方法：

   使用opencv自己定义的filter2D函数实现滤波器

********************************************/

void sharpen2D(const cv::Mat &image, cv::Mat &result) {

 

// Construct kernel (all entries initialized to 0)

cv::Mat kernel(3,3,CV_32F,cv::Scalar(0));

// assigns kernel values

kernel.at<float>(1,1)= 5.0;

kernel.at<float>(0,1)= -1.0;

kernel.at<float>(2,1)= -1.0;

kernel.at<float>(1,0)= -1.0;

kernel.at<float>(1,2)= -1.0;

 

//filter the image

cv::filter2D(image,result,image.depth(),kernel);

}

 

int main()

{

cv::Mat image= cv::imread("F:\\house.jpg",0);

if (!image.data)

return 0; 

 

cv::Mat result;

result.create(image.size(),image.type());

 

double time= static_cast<double>(cv::getTickCount());// 计算各个滤波器的运行时间

sharpen(image, result);

time= (static_cast<double>(cv::getTickCount())-time)/cv::getTickFrequency();

std::cout << "time= " << 1000*time <<"ms"<< std::endl;

 

cv::namedWindow("Image");

cv::imshow("Image",result);

image= cv::imread("F:\\house.jpg",0);

time= static_cast<double>(cv::getTickCount());

sharpen3(image, result);

time= (static_cast<double>(cv::getTickCount())-time)/cv::getTickFrequency();

std::cout << "time iterator= " << 1000*time <<"ms"<< std::endl;

 

cv::namedWindow("Image 3");

cv::imshow("Image 3",result);

image= cv::imread("F:\\house.jpg",0);

time= static_cast<double>(cv::getTickCount());

sharpen2D(image, result);

time= (static_cast<double>(cv::getTickCount())-time)/cv::getTickFrequency();

std::cout << "time 2D= " << 1000*time <<"ms"<< std::endl;

 

cv::namedWindow("Image 2D");

cv::imshow("Image 2D",result);

 

cv::waitKey();

 

return 0;

}