OpenCV学习(三)：矩阵的掩模的操作

上一篇介绍了OpenCV中imread,cvtColor,imshow,imwrite的使用，这一篇打算介绍Mat的像素指针，以及掩模操作。

像素指针

对图像操作，基本都是对图像的每个像素操作，在OpenCV中Mat.ptr<uchar>(int i=0)可以获取像素的指针，i表示第i行，从第0列开始操作。

这样获取当前行的像素指针const uchar* current = myImage.ptr<uchar>( row )，那么获取像素点P(row, col)的像素值p(row, col) = current[col]

eg:

Mat inMat = imread("1.png");
uchar u = inMat.ptr<uchar>(0)[0];

上面先载入一张图片到inMat中，然后从inMat中获取第1行第1列的像素并赋给uchar类型的u。

---

掩模操作

知道了获取图像的像素方法，接下来就可以对图像进行掩模操作，从而提高图片的对比度。

接下来就根据上面图片的公式，来实现图片像素的操作。

    Mat inMat = imread("1.png");
    if (!inMat.data) {  //判断图像是否读取成功
        cout << "图像读取失败" << endl;
        return;
    }

    imshow("原图像", inMat);

    int channel = inMat.channels(); //获取图像的通道数
    int row = inMat.rows;
    int col = inMat.cols;
    Mat outMat = Mat(inMat.size(), inMat.type());
    for (int i = 1; i < row-1; i++) {
        for (int j = channel; j < (col-1)*channel; j++) {
            outMat.ptr<uchar>(i)[j] = 5 * inMat.ptr<uchar>(i)[j]-
                                                                (inMat.ptr<uchar>(i - 1)[j] + 
                                                                 inMat.ptr<uchar>(i + 1)[j] +
                                                                 inMat.ptr<uchar>(i)[j-channel] + 
                                                                 inMat.ptr<uchar>(i)[j+channel]);
        }
    }
    imshow("掩模之后的图像", outMat);
}

---

注意：
< 1 >我们在显示图片的时候，可以不用调用namedwindow来创建窗口，可以直接调用imshow，来创建并显示窗口图像。
< 2 >像素计算操作时，不能直接从原点(0, 0)到最大点(col, row)来计算计算像素值，否则计算就会超过范围 。
< 3 >在对列进行操作时，别忘了图像的通道值。

---

运行结果

可以看见掩模之后的图片失真很严重，这是因为我们像素计算之后的值可能为负数或者超过了范围。

此时我们可以用到一个函数saturate_cast< uchar >，当计算的值为负数，或者很大时，可以使我们计算的像素值保证在0~255之间。

更改之后的代码如下

outMat.ptr<uchar>(i)[j] = saturate_cast<uchar>(5 * inMat.ptr<uchar>(i)[j]-
                                                                (inMat.ptr<uchar>(i - 1)[j] + 
                                                                 inMat.ptr<uchar>(i + 1)[j] +
                                                                 inMat.ptr<uchar>(i)[j-channel] + 
                                                                 inMat.ptr<uchar>(i)[j+channel]));

此时运行的结果如下：

可以看见结果好多了

---

filter2D

对于上面的代码显然是最原始的像素计算方式，此时我们可以使用filter2D达到最简洁的像素计算方式。

< 1 >定义掩模

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

< 2 >调用filter2D

filter2D(inMat, outMat, inMat.depth(), kernel);

(1)参数一：输入的图像
(2)参数二：输出的图像
(3)参数三：输出的图像深度，一般和输入图像的深度一样，也可以直接填-1，和前面一样

---

此时附上完整代码

void test4(){
    Mat inMat = imread("1.png");
    if (!inMat.data) {  //判断图像是否读取成功
        cout << "图像读取失败" << endl;
        return;
    }

    imshow("原图像", inMat);

    int channel = inMat.channels(); //获取图像的通道数
    int row = inMat.rows;
    int col = inMat.cols;
    Mat outMat = Mat(inMat.size(), inMat.type());
    for (int i = 1; i < row-1; i++) {
        for (int j = channel; j < (col-1)*channel; j++) {
            outMat.ptr<uchar>(i)[j] = saturate_cast<uchar>(5 * inMat.ptr<uchar>(i)[j]-
                                                                (inMat.ptr<uchar>(i - 1)[j] + 
                                                                 inMat.ptr<uchar>(i + 1)[j] +
                                                                 inMat.ptr<uchar>(i)[j-channel] + 
                                                                 inMat.ptr<uchar>(i)[j+channel]));
        }
    }
    imshow("掩模之后的图像", outMat);

    Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
    filter2D(inMat, outMat, inMat.depth(), kernel);
    imshow("filter2D变化之后的图像", outMat);
}

运行结果：

可以看见，filter2D和前面的计算结果显示的样子基本一样。