1.3矩阵的掩码操作

矩阵的掩码操作:根据掩码矩阵重新计算矩阵中每个像素的值。从数学观点看,利用自己设置的权值,对

像素邻域内的值做了加权平均。突出像素点,图片有了锐化的效果。

对图像的每个像素应用下列公式

I(i,j)=5*I(i,j)-I(i+1,j)-I(i,j+1)-I(i-1,j)-I(i,j-1)

#include<iostream>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc.hpp>
#include<windows.h>
using namespace cv;
using namespace std;

void CreateLookupTable(uchar* table, uchar divideWith);
Mat& ScanImageAndReduceC(Mat& I, const uchar* table);
Mat& ScanImageAndReduceIterator(Mat& I, const uchar* table);
Mat& ScanImageAndReduceRandomAccess(Mat& I, const uchar* table);
int main() {
	Mat I, J;
	I = imread("D:\\OpenCVT\\4.jpg", CV_LOAD_IMAGE_COLOR);
	if (!I.data) {
		cout << "The image could not be loaded" << endl;
		return -1;
	}
	Mat Kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	filter2D(I, J, I.depth(), Kernel);
	namedWindow("源图像", CV_WINDOW_NORMAL);
	imshow("源图像", I);
	namedWindow("矩阵掩码操作后", CV_WINDOW_NORMAL);
	imshow("矩阵掩码操作后", J);
	waitKey(0);
	return 0;
}
void CreateLookupTable(uchar* table, uchar divideWith) {
	for (int i = 0; i < 256; i++) {
		table[i] = (i / divideWith)*divideWith;
	}
}
Mat& ScanImageAndReduceC(Mat& I, const uchar* table) {
	//检测只能为uchar类型
	CV_Assert(I.depth() != sizeof(uchar));
	int channels = I.channels();

	int nRows = I.rows*channels;
	int nCols = I.cols;
	if (I.isContinuous()) {
		nCols*= nRows;
		nRows = 1;
	}
	int i, j;
	uchar *p;
	for (i = 0; i < nRows; ++i) {
		p = I.ptr<uchar>(i);
		for (j = 0; j < nCols; ++j) {
			p[j] = table[p[j]];
		}
	}
	return I;
}
Mat& ScanImageAndReduceIterator(Mat& I, const uchar* table) {
	CV_Assert(I.depth() != sizeof(uchar));
	const int channels = I.channels();
	switch (channels) {
	case 1: {
		MatIterator_<uchar>it, end;
		for (it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it) {
			*it = table[*it];
		}
		break;
	}
	case 3: {
		MatIterator_<Vec3b>it, end;
		for (it = I.begin<Vec3b>(), end = I.end<Vec3b>(); it != end; ++it) {
			(*it)[0] = table[(*it)[0]];
			(*it)[1] = table[(*it)[1]];
			(*it)[2] = table[(*it)[2]];
		}
	}
	}
	return I;
}
Mat& ScanImageAndReduceRandomAccess(Mat& I, const uchar* table) {
	return I;
}

  

转载于:https://www.cnblogs.com/zuoyou151/p/9577007.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在OpenCV中,掩码操作是通过使用按位逻辑运算来实现的。掩码可以用于保留图像的指定部分或者对图像进行遮罩。以下是一些使用掩码操作的示例代码: 示例1: ```python import cv2 import numpy as np # 读取图像 a = cv2.imread("girl.png", 1) # 创建一个与图像大小相同的掩码 w, h, c = a.shape mask = np.zeros((w, h), dtype=np.uint8) # 设置掩码的感兴趣区域 mask = 255 mask = 255 # 使用按位与函数进行掩码操作 c = cv2.bitwise_and(a, a, mask=mask) # 显示图像和掩码 cv2.imshow("a", a) cv2.imshow("mask", mask) cv2.imshow("c", c) cv2.waitKey() cv2.destroyAllWindows() ``` 示例2: ```python import cv2 import numpy as np # 读取图像 dog = cv2.imread('dog.jpg') # 创建一个与图像大小相同的掩码 w, h, c = dog.shape mask = np.zeros((w, h), dtype=np.uint8) # 设置掩码的感兴趣区域 mask = 255 # 使用按位与函数进行掩码操作 dog2 = cv2.bitwise_and(dog, dog, mask=mask) # 显示图像和掩码 cv2.imshow('dog', dog) cv2.imshow('mask', mask) cv2.imshow('dog2', dog2) cv2.waitKey() cv2.destroyAllWindows() ``` 掩码操作可以应用于不仅仅是图像的保留指定部分。例如,可以使用掩码操作对两个图像进行按位加法,并根据掩码来控制哪些区域进行加法运算。以下是一个示例代码: ```python import cv2 import numpy as np # 创建两个图像和一个掩码 img1 = np.ones((4, 4), dtype=np.uint8) * 3 img2 = np.ones((4, 4), dtype=np.uint8) * 5 mask = np.zeros((4, 4), dtype=np.uint8) mask = 1 # 使用掩码进行按位加法运算 img3 = cv2.add(img1, img2, mask=mask) # 打印结果 print("img1=\n", img1) print("img2=\n", img2) print("mask=\n", mask) print("img3=\n", img3) ``` 希望这些示例代码可以帮助您理解OpenCV中的掩码操作。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值