opencv系列学习(2)

二 opencv核心模块

3 对矩阵进行蒙版运算

3.1 我们根据蒙版矩阵（也称为内核）重新计算图像中每个像素的值

3.2 filter2D（）函数

应用此类滤镜在图像处理中非常普遍，以至于OpenCV中有一个函数将负责应用遮罩（在某些地方也称为内核）。为此，您首先需要定义一个包含掩码的对象：

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

然后调用filter2D（）函数，指定输入，输出图像和要使用的内核

 filter2D( src, dst1, src.depth(), kernel );

3.3 基础访问像素方法

函数

void Sharpen(const Mat& myImage,Mat& Result)
{
    CV_Assert(myImage.depth() == CV_8U);  // accept only uchar images
    const int nChannels = myImage.channels();
    Result.create(myImage.size(),myImage.type());
    for(int j = 1 ; j < myImage.rows-1; ++j)
    {
        const uchar* previous = myImage.ptr<uchar>(j - 1);
        const uchar* current  = myImage.ptr<uchar>(j    );
        const uchar* next     = myImage.ptr<uchar>(j + 1);
        uchar* output = Result.ptr<uchar>(j);
        for(int i= nChannels;i < nChannels*(myImage.cols-1); ++i)
        {
            *output++ = saturate_cast<uchar>(5*current[i]
                         -current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);
        }
    }
    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));
}

首先，我们确保输入图像数据为无符号字符格式。为此，我们使用cv :: CV_Assert函数，当其中的表达式为false时将引发错误。

CV_Assert（myImage.depth（）== CV_8U）;  //只接受uchar图片

我们创建与输入具有相同大小和类型的输出图像。如您在存储部分中所见，根据通道的数量，我们可能会有一个或多个子列。

我们将通过指针遍历它们，因此元素的总数取决于此数目

 const  int nChannels = myImage.channels（）;
 Result.create（myImage.size（），myImage.type（））;

我们将使用普通的C []运算符来访问像素。因为我们需要同时访问多个行，所以我们将获取每个行的指针（上一行，当前一行和下一行）。我们需要另一个指向将要保存计算的位置的指针。然后，只需使用[]运算符访问正确的项目。为了使输出指针向前移动，我们只需在每次操作后增加此值（一个字节）即可：

for(int j = 1 ; j < myImage.rows-1; ++j)
    {
        const uchar* previous = myImage.ptr<uchar>(j - 1);
        const uchar* current  = myImage.ptr<uchar>(j    );
        const uchar* next     = myImage.ptr<uchar>(j + 1);
        uchar* output = Result.ptr<uchar>(j);
        for(int i= nChannels;i < nChannels*(myImage.cols-1); ++i)
        {
            *output++ = saturate_cast<uchar>(5*current[i]
                         -current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);
        }
    }

图像边界上可能不存在像素位置（如-1），这里我们的公式是不确定的，所以我们通过一个简单的方法，将边界设置为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));