OpenCV学习：矩阵的掩码操作

Opencv_tutorials学习笔记

矩阵的掩码操作

矩阵掩码操作的思想：根据掩码矩阵（也称作核）重新计算图像中每个像素的值。掩码矩阵中的值表示近邻像素值（包括该像素自身的值）对新像素值有多大影响。从数学观点看，我们用自己设置的权值，对像素邻域内的值做了个加权平均。

测试用例是一个关于图像增强的例子

对每个像素应用下面的公式进行处理

实现掩码操作的两种方法。一种方法是用基本的像素访问方法，另一种方法是用 filter2D 函数。

基本的像素访问方法是利用指针遍历图像，使用[]操作符，就能轻松访问到目标元素。为了让输出指针向前移动，我们在每一次操作之后对输出指针进行了递增（移动一个字节）。

而filter2D函数是opencv自带的函数，必须先定义一个表示掩码的Mat对象

 Mat kern = (Mat_<char>(3,3) <<  0, -1,  0,                                -1,  5, -1,                                 0, -1,  0);

然后调用filter2D函数，参数包括输入、输出图像以及用到的核：

filter2D(I, K, I.depth(), kern );

还带有第五个可选参数——指定核的中心，和第六个可选参数——指定函数在未定义区域（边界）的行为。使用该函数有一些优点，如代码更加清晰简洁、通常比 自己实现的方法 速度更快（因为有一些专门针对它实现的优化技术）等等。

附录：opencv提供的函数实现（自己写的注释，请谨慎参考）

#include <opencv2/core/core.hpp>//opencv头文件#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <iostream>//流输入输出头文件using namespace std;//使用命名空间using namespace cv;static void help(char* progName){    cout << endl        <<  "This program shows how to filter images with mask: the write it yourself and the"        << "filter2d way. " << endl        <<  "Usage:"                                                                        << endl        << progName << " [image_name -- default lena.jpg] [G -- grayscale] "        << endl << endl;}void Sharpen(const Mat& myImage,Mat& Result);//函数说明int main( int argc, char* argv[]){    help(argv[0]);//命令行参数数目大于等于2的话，读入第二个参数argv[1]的图像，否则读入的是后面设定路径的图像    //const char* filename = argc >=2 ? argv[1] : "lena.jpg";const char* filename = argc >=2 ? argv[1] : "D:\\files\\C_exe\\Img_exercise\\lena.jpg";    Mat I, J, K;    if (argc >= 3 && !strcmp("G", argv[2]))//参数数目大于等于3的话，比较G和第三个参数argc[2]的值，相等的话imread的是灰度图        I = imread( filename, CV_LOAD_IMAGE_GRAYSCALE);//灰度图设定参数CV_LOAD_IMAGE_GRAYSCALE    else        I = imread( filename, CV_LOAD_IMAGE_COLOR);//彩色图像设定参数CV_LOAD_IMAGE_COLOR    namedWindow("Input", WINDOW_AUTOSIZE);    namedWindow("Output1", WINDOW_AUTOSIZE);namedWindow("Output2", WINDOW_AUTOSIZE);    imshow("Input", I);    double t = (double)getTickCount();    Sharpen(I, J);    t = ((double)getTickCount() - t)/getTickFrequency();    cout << "Hand written function times passed in seconds: " << t << endl;    imshow("Output1", J);    Mat kern = (Mat_<char>(3,3) <<  0, -1,  0,//创建一个掩码                                   -1,  5, -1,                                    0, -1,  0);    t = (double)getTickCount();    filter2D(I, K, I.depth(), kern );//调用filter2D函数    t = ((double)getTickCount() - t)/getTickFrequency();    cout << "Built-in filter2D time passed in seconds:      " << t << endl;    imshow("Output2", K);    waitKey(0);    return 0;}void Sharpen(const Mat& myImage,Mat& Result){//使用了 CV_Assert 函数。若该函数括号内的表达式为false，则会抛出一个错误//确保输入图像是无符号字符类型的    CV_Assert(myImage.depth() == CV_8U);  // accept only uchar images    const int nChannels = myImage.channels();//获取待处理图像的通道数    Result.create(myImage.size(),myImage.type());//用待处理图像的信息create Result图像的矩阵头信息    for(int j = 1 ; j < myImage.rows-1; ++j)//遍历待处理图像除边缘两行外的每一行    {        const uchar* previous = myImage.ptr<uchar>(j - 1);//设置三个指针，分别指向相邻的三行首地址        const uchar* current  = myImage.ptr<uchar>(j    );        const uchar* next     = myImage.ptr<uchar>(j + 1);        uchar* output = Result.ptr<uchar>(j);//设置指向中间行的指针，即掩模矩阵的中间行所在位置//Q_yyt:为什么不需要对RGB各个通道区分处理        for(int i= nChannels;i < nChannels*(myImage.cols-1); ++i)//i从nChannels开始，略去图像第一列，同样略去图像最后一列        {            *output++ = saturate_cast<uchar>(5*current[i]//用 saturate_cast 对结果进行转换，以确保它为有效值                         -current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);        }    }//公式对边界点来说是未定义的，一种简单的解决方法，是不对这些边界点使用掩码，而直接把它们设为0    Result.row(0).setTo(Scalar(0));    Result.row(Result.rows-1).setTo(Scalar(0));    Result.col(0).setTo(Scalar(0));    Result.col(Result.cols-1).setTo(Scalar(0));}

运行结果：

输入图像

基本方法输出图像

filter2D函数处理输出图像

运行时间比较