二、矩阵的掩膜操作

一、获取图像像素指针

方法一、
主要用到的函数是

Mat.ptr<uchar>(int i = 0)

它的作用是得到图像矩阵的的开始地址，可以跟据图像的储存的关系：
单通道图像：

行列	$column_0$	$column_1$	$\ldots$	$column_n$
$row_0$	$piexl_{(0,0)}$	$piexl_{(0,1)}$	$\ldots$	$piexl_{(0,n)}$
$row_1$	$piexl_{(1,0)}$	$piexl_{(1,1)}$	$\ldots$	$piexl_{(1,n)}$
$\vdots$	$\ldots$	$\ldots$	$\ddots$	$\ldots$
$row_m$	$piexl_{(m,0)}$	$piexl_{(m,1)}$	$\ldots$	$piexl_{(m,n)}$

RGB图像格式与上述相同，不过一个像素点由三个颜色分量表示。

//单通道图像为例：
const uchar * current = my_image.ptr<uchar>(row);//获取第row行地址指针
piexl_row_col = current[column];//得到第row行第column列像素的地址

---

//RGB图像操作：
//获取图像的Size与channel
int cols = src.cols * src.channels();
int offsetx = src.channels();
int rows = src.rows;

for (int row = 1; row < rows - 1; row++)
{
    //等到行和列的地址
    const uchar * previous = src.ptr<uchar>(row - 1);
    const uchar * carrent = src.ptr<uchar>(row);
    const uchar * next = src.ptr<uchar>(row + 1);
    uchar * output = dst.ptr<uchar>(row);

    for (int col = offsetx; col < cols; col++)
    {
        //掩膜处理
        output[col] = saturate_cast<uchar>(carrent[col] * 5 - carrent[col - offsetx] - carrent[col + offsetx] - previous[col] - next[col]);
    }
}

---

RGB图像操作例子中有一个常用的函数：

saturate_cast<uchar>

这个函数的功能是确保像素值在uchar类型数据允许范围之内

• saturate_cast(-100),函数返回0
• saturate_cast(280),函数返回255
• saturate_cast(100),函数返回100
  

  ---

二、掩膜操作

掩膜操作也可以成为卷积操作，就是把kernel（核）与图像卷积
如果把kernel定义为：

$$I(i,j)=5*I(i,j)-[I(i,j-1)+I(i-1,j)+I(i+1,j)+I(i,j+1)]$$
我们把该式对应像素点的系数写成矩阵形式：

$$\begin{bmatrix} 0&-1&0\\ -1&5&-1\\ 0&-1&0\\ \end{bmatrix}$$

这个算子的作用是提高图像对比度，如果把该算子换成Laplace算子

$$\begin{bmatrix} 0&1&0\\ 1&-4&1\\ 0&1&0\\ \end{bmatrix}$$ 就成了边缘检测。

卷积操作API

CV_EXPORTS_W void filter2D( InputArray src, OutputArray dst, int ddepth,
                            InputArray kernel, Point anchor = Point(-1,-1),
                            double delta = 0, int borderType = BORDER_DEFAULT );

---

用法：

//用opencv的API  filter2D
    Mat kernel = (Mat_<char>(3, 3) << 0, 1, 0, 1, -4, 1, 0, 1, 0);

    filter2D(src, dst, -1, kernel);//此处-1为万能参数，也可以用src.depth()来代替-1

---

All demo:

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char ** argv)
{
    //读入图像
    Mat src, dst;
    src = imread("F:/Opencv/myimage/51CTO/4.jpg");
    //判断图像是否读取错误
    if (!src.data)
    {
        cout << "can not open the image ..." << endl;
        return -1;
    }
    //初始化结果图像
    dst = Mat::zeros(src.size(), src.type());
    double t = getTickCount();
    //掩膜操作
    //获取图像的Size与channel
    int cols = src.cols * src.channels();
    int offsetx = src.channels();
    int rows = src.rows;

    for (int row = 1; row < rows - 1; row++)
    {
        //等到行和列的地址
        const uchar * previous = src.ptr<uchar>(row - 1);
        const uchar * carrent = src.ptr<uchar>(row);
        const uchar * next = src.ptr<uchar>(row + 1);
        uchar * output = dst.ptr<uchar>(row);

        for (int col = offsetx; col < cols; col++)
        {
            //掩膜处理
            output[col] = saturate_cast<uchar>(carrent[col] * 5 - carrent[col - offsetx] - carrent[col + offsetx] - previous[col] - next[col]);
        }
    }
    cout << "myself function cost time：" << (getTickCount() - t) / getTickFrequency() << endl;
    //display all image
    namedWindow("Myself function", CV_WINDOW_AUTOSIZE);
    imshow("Myself function", dst);

    namedWindow("source image", CV_WINDOW_AUTOSIZE);
    imshow("source image", src);

    t = getTickCount();

    //用opencv的API  filter2D
    Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);

    filter2D(src, dst, -1, kernel);//此处-1为万能参数，也可以用src.depth()来代替-1

    namedWindow("OpenCV API", CV_WINDOW_AUTOSIZE);
    imshow("OpenCV API", dst);

    cout << "OpenCV API: " << (getTickCount() - t) / getTickFrequency() << endl;

    waitKey(0);

    return 0;

}

ps:
本例中还有一个实用的函数：
就是计算代码运行时间
传送门