OPENCV学习笔记（二）zeros、filter2D、saturate_cast

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

data：uchar类型的指针，指向Mat数据矩阵的首地址。可以理解为标示一个房屋的门牌号；
dims：Mat矩阵的维度，若Mat是一个二维矩阵，则dims=2，三维则dims=3，大多数情况下处理的都是二维矩阵，是一个平面上的矩阵。
可以理解为房屋是一个一层的平房，三维或更多维的则是多层楼房；
rows：Mat矩阵的行数。可理解为房屋内房间行数；
cols：Mat矩阵的列数。可理解为房屋内房间列数；
size()：首先size是一个结构体，定义了Mat矩阵内数据的分布形式，数值上有关系式：
image.size().widthimage.cols; image.size().heightimage.rows
可以理解为房屋内房间的整体布局，这其中包括了房间分别在行列上分布的数量信息；

channels()：Mat矩阵元素拥有的通道数。例如常见的RGB彩色图像，channels3；而灰度图像只有一个灰度分量信息， channels1。
可以理解为每个房间内放有多少床位，3通道的放了3张床，单通道的放了1张床；
depth：用来度量每一个像素中每一个通道的精度，但它本身与图像的通道数无关！depth数值越大，精度越高。
在Opencv中，Mat.depth()得到的是一个0~6的数字，分别代表不同的位数，对应关系如下：
enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6},其中U是unsigned的意思，S表示signed，也就是有符号和无符号数。
可以理解为房间内每张床可以睡多少人，这个跟房间内有多少床并无关系；
elemSize：elem是element(元素)的缩写，表示矩阵中每一个元素的数据大小，如果Mat中的数据类型是CV_8UC1，那么 elemSize1；
如果是CV_8UC3或CV_8SC3，那么elemSize3；如果是CV_16UC3或者CV_16SC3，那么 elemSize==6；即elemSize是以8位（一个字节）为一个单位，乘以通道数和8位的整数倍；
可以理解为整个房间可以睡多少人，这个时候就得累计上房间内所有床位数（通道）和每张床的容纳量了；

elemSize1：elemSize加上一个“1”构成了elemSize1这个属性，1可以认为是元素内1个通道的意思，这样从命名上拆分后就很 容易解释这个属性了：
表示Mat矩阵中每一个元素单个通道的数据大小，以字节为一个单位，所以有：
eleSize1elemSizeannels；
step：可以理解为Mat矩阵中每一行的“步长”，以字节为基本单位，每一行中所有元素的字节总量，是累计了一行中所 有元素、所有通道、所有通道的elemSize1之后的值；
step1()：以字节为基本单位，Mat矩阵中每一个像素的大小，累计了所有通道、所有通道的elemSize1之后的值,所以有：
step1step/elemSize1；
type：Mat矩阵的类型，包含有矩阵中元素的类型以及通道数信息，type的命名格式为CV_(位数)+(数据类型)+(通道 数)

函数调用filter2D功能
定义掩膜：Mat kernel = (Mat_(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
filter2D(src, dst, src.depth(), kernel);

```cpp
int main(int argc, char** argv)
{
	Mat src, dst;
	src = imread("test.jpg");
	if (!src.data) {                                       
		printf("could not load...\n ");
		return -1;
	}
	namedWindow("intput image", WINDOW_AUTOSIZE);
	imshow("intput image", src);

	int cols = src.cols  * src.channels()-1;
	//cout << cols<<endl;
	int offsetx = src.channels();
	int rows = src.rows;
	//cout << src.rows<<endl<< src.cols << endl << src.size() << endl<< src.type() << endl;
	dst = Mat::zeros(src.size(), src.type());      //图片全部赋值为0，相当于一张黑色图片；
	for (int row = 1; row < (rows - 1); row++) {
		const uchar* previous = src.ptr<uchar>(row - 1);    //opencv中的Ptr指其使用的智能指针，指的是Template class for smart reference-counting pointers（智能指针模板类）ptr是在访问图片中像素时的操作，如image.ptr<uchar>(5),指的是访问image图片的第6行像素值。
		const uchar* current = src.ptr<uchar>(row);
		const uchar* next = src.ptr<uchar>(row + 1);
		//cout << int(*previous)<<int(*next) << endl;
		uchar* output = dst.ptr<uchar>(row);
		for (int col = offsetx; col < cols; col++) {
			output[col] = saturate_cast<uchar>(5 * current[col] - (current[col - offsetx] + current[col + offsetx] + previous[col] + next[col]));     //previous[col]为指针，*previous[col]=*（previous+col）；
			//cout << previous[col]<<      next[col] << endl;
		}
	}
	namedWindow("contrast image demo1", WINDOW_AUTOSIZE);
	imshow("contrast image demo1", dst);


	double t = getTickCount();
	Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	filter2D(src, dst, src.depth(), kernel);
	double timeconsume = (getTickCount() - t) / getTickFrequency();
	printf("tim consume %.2f\n", timeconsume);

	namedWindow("contrast image demo2", WINDOW_AUTOSIZE);
	imshow("contrast image demo2", dst);

	waitKey(6000);
	//getchar();
	return 0;
}	

函数
zeros：图片全部赋值为0，相当于一张黑色图片；
Mat::zeros(src.size(), src.type())

filter2D
filter2D(src, dst, src.depth(), kernel);