opencv学习笔记二（矩阵的掩膜操作）

opencv学习笔记二（矩阵的掩膜操作）

获取图像像素指针

• CV_Assert(myImage.depth() == CV_8U);
• Mat.ptr(int i=0) 获取像素矩阵的指针，索引i表示第几行，从0开始计行数。
• 获得当前行指针const uchar* current= myImage.ptr(row );
• 获取当前像素点P(row, col)的像素值 p(row, col) =current[col]

像素范围处理saturate_cast

• saturate_cast（-100），返回 0。
• saturate_cast（288），返回255
• saturate_cast（100），返回100
• 这个函数的功能是确保RGB值得范围在0~255之间

掩膜操作解释

掩膜操作实现图像对比度调整：-红色是中心像素，从上到下，从左到右对每个像素做同样的处理操作，得到最终结果就是对比度提高之后的输出图像Mat对象

函数调用filter2D功能实现掩膜操作

1. 定义掩膜：Mat kernel = (Mat_(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
2. filter2D( src, dst, src.depth(), kernel );其中src与dst是Mat类型变量、src.depth表示位图深度，有32、24、8等。
   

自定义掩膜代码及调用filter2D函数

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

using namespace std;
using namespace cv;


//自定义掩膜操作来提高对比度并显示结果
void YanMo(Mat &src);

int main(){
	Mat src;
	src = imread("4.jpg");//此处默认读进来BGR的图像(有三个通道的值)
	if (!src.data){
		printf("could not load image...\n");
		return -1;
	}

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

	cout << "图像的通道值：" << src.channels() << endl;//通过此可以输出通道数


	//自定义掩膜操作来提高对比度并显示结果
	YanMo(src);

	//使用opencv中的api进行掩膜操作
	//在opencv中有这样功能的api(filter2D)
	Mat dst2 = Mat::zeros(src.size(), src.type());
	Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);//定义掩膜
	//filter2D(src, dst2, src.depth(), kernel);//使用filter2D进行掩膜操作，和上面自定义掩膜操作功能相同
												//src.depth()表示位图的深度，不知道就-1表示与输入图像一样

	//测量opencv中filter2D函数执行时间
	LARGE_INTEGER t1, t2, tc;//定义时间变量
	QueryPerformanceFrequency(&tc);//能获取计算机内精确计时器每秒的滴答数。
	QueryPerformanceCounter(&t1);//能获取计算机内精确计时器从开机起的总滴答数
	filter2D(src, dst2, src.depth(), kernel);
	QueryPerformanceCounter(&t2);//能获取计算机内精确计时器从开机起的总滴答数
	printf("filter2D Use Time:%f\n", (t2.QuadPart - t1.QuadPart)*1.0 / tc.QuadPart);//得到调用上面函数filter2D所耗时间

	namedWindow("contrast image demo2", CV_WINDOW_AUTOSIZE);
	imshow("contrast image demo2", dst2);//对比度提高后的图像

	waitKey(0);
	return 0;
}

//自定义掩膜操作来提高对比度并显示结果
void YanMo(Mat &src){
	//int cols = src.cols * src.channels();//获取mat对象的实际的像素cols（宽度），图像的clos*图像的通道数；
	int cols = (src.cols - 1) * src.channels();//最后一列不获取（用不到src.cols）
	int offsetx = src.channels();//此处将0、1、2第一列三通道（处于边缘像素）的略掉，从3开始获取像素
	int rows = src.rows;

	Mat dst = Mat::zeros(src.size(), src.type());//初始化一个dst图像和读入的src图像类型大小相同，背景为0
	//通过指针遍历Mat对象中的像素数据（要注意哪些指针可以操作，哪些不能赋值）
	for (int row = 1; row < (rows - 1); row++){	//row行从1开始，不从最边缘开始（为了进行掩膜操作使得掩膜重合），不到最边缘结束（row-1）
		//此处获取每个通道对应指针
		const uchar* previous = src.ptr<uchar>(row - 1);//获取上一行指针
		const uchar* current = src.ptr<uchar>(row);//获取当前行指针
		const uchar* next = src.ptr<uchar>(row + 1);//获取下一行指针
		uchar* output = dst.ptr<uchar>(row);//获取dst的行的指针
		for (int col = offsetx; col < cols; col++) {
			//output[col] = 5 * current[col] - (current[col - offsetx] + current[col + offsetx] + previous[col] + next[col]);	//使用 saturate_cast<uchar>（令像素值在0-255之间）
			output[col] = saturate_cast<uchar>(5 * current[col] - (current[col - offsetx] + current[col + offsetx] + previous[col] + next[col]));
		}
	}

	namedWindow("contrast image demo", CV_WINDOW_AUTOSIZE);
	imshow("contrast image demo", dst);//对比度提高后的图像
}