在计算机视觉或图像处理中,经常涉及领域操作,我们下面来看看如果通过程序扫描领域。
例:对图像进行锐化(基于laplace算子),将一副图像减去它经过拉普拉斯滤波后的图像,边缘将得到放大,细节更加锐利,锐化算子的计算方式如下:
sharpened_pixel=5*current-left-right-up-down;
图像遍历使用3个指针,一个指向当前行,一个指向上一行,一个指向下一行。每个像素值的计算需要上下左右四个领域像素,所以图像的第一行、最后一行、第一列、最后一列不计算。
#include "stdafx.h"
#include "opencv/cv.hpp"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/features2d/features2d.hpp"
#include <math.h>
#include <iostream>
using namespace cv;
using namespace std;
void sharpen(const cv::Mat &image,cv::Mat &result)
{ result.create(image.size(),image.type());
for(int j=1;j<image.rows-1;j++){
const uchar* previous= //上一行
image.ptr<const uchar>(j-1);
const uchar* current= //当前行
image.ptr<const uchar>(j);
const uchar* next= //下一行
image.ptr<const uchar>(j+1);
uchar* output=result.ptr<uchar>(j); //输出行
for(int i=1;i<image.cols-1;i++){
*output++=cv::saturate_cast<uchar>(
5*current[i]-current[i-1]-current[i+1]-previous[i]-next[i]);
}
}
//将没有处理到的像素设置为0
result.row(0).setTo(cv::Scalar(0));
result.row(result.rows-1).setTo(cv::Scalar(0));
result.col(0).setTo(cv::Scalar(0));
result.col(result.cols-1).setTo(cv::Scalar(0));
}
int main()
{
Mat image= cv::imread("imL.png");
Mat image2;
cvtColor(image,image,CV_BGR2GRAY);
sharpen(image,image2);
cv::namedWindow("Image");
cv::imshow("Image1",image);
cv::imshow("Image2",image2);
waitKey(0);
return 0;
}
因为比较基础,这里转化为灰度图,便于处理。
效果如下:
注意的地方是:setTo函数是将矩阵中的元素设置为指定的值。
如果是三通道的彩色图像,就要使用cv::Scalar(a,b,c)来指定三通道的值。
扩展部分:当计算涉及邻域时,我们还可以采用核矩阵来表示,本例中的核矩阵可以表示为
0 -1 0
-1 5 -1
0 -1 0
我们可以采用opencv中的cv::filter2D来完成本例任务(这个核的应用就是信号处理中卷积的基础)
void sharpen2D(const cv::Mat &image,cv::Mat &result)
{
cv::Mat kernel(3,3,CV_32F,cv::Scalar(0));
kernel.at<float>(1,1)=5.0;
kernel.at<float>(0,1)=-1.0;
kernel.at<float>(2,1)=-1.0;
kernel.at<float>(1,0)=-1.0;
kernel.at<float>(1,2)=-1.0;
cv::filter2D(image,result,image.depth(),kernel);
}
核越大,使用这种方法的效率越显得更高。