在c++OpenCV 4中Mat的矩阵运算,极大的简化了计算量,使得代码更容易实现。
有许多函数的实现需要使用滤波器(核函数、掩膜运算)等等,很多种叫法,但实际上就是构造一个3x3或者5x5以及更大的矩阵,完成一个卷积运算。
在c++中使用Mat构造一个核函数其实很简单,下面给出代码示例
//需要包含的头文件
#include<iostream>
#include<opencv2/opencv.hpp>
//定义命名空间
using namespace std;
using namespace cv;
int main(){
Mat dist_1, dist_2, dist_3, dist_4;
Mat kenal=(Mat_<uchar>(5,5)<<1,1,1,1,1,
1,1,1,1,1,
1,1,0,1,1,
1,1,1,1,1,
1,1,1,1,1);
}
//计算图像中不同像素之间的欧氏距离
distanceTransform(kenal, dist_1, 2, 5, CV_8U);
cout << "欧氏距离:" << endl << dist_1 << endl;
//计算图像中不同像素之间的街区距离
distanceTransform(kenal, dist_2, 1, 3, CV_8U);
cout << "街区距离:" << endl << dist_2 << endl;
//计算图像中不同像素之间的棋盘距离
distanceTransform(kenal, dist_3, 3, 5, CV_8U);
cout << "棋盘距离:" << endl << dist_3 << endl;
上面程序的测试结果如下图所示:
这里用的是OpenCV自带的距离计算函数distanceTransform。函数原型如下:
void distanceTransform(InputArray src,
OutputArray dts,
int distanceType,
int maskSize,
int dstType=CV_32F
)
src:表示输入图像,数据类型为CV_8U的单通道图像
dst:输出图像,尺寸与输入相同,数据类型为CV_8U或者CV_32F
distanceType:选择计算像素之间的距离方法的标志
maskSize:距离变换掩码矩阵的尺寸
distType:输出图像的数据类型,可以是CV_8U或者CV_32F。