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