【OpenCv】三天学会C++/OPENCV2基本操作之邻域操作

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。