OpenCV 矩阵的掩膜操作

深藏阁楼爱情的钟 2022-08-28 05:46 98阅读 0赞

### 文章目录 ###

*  掩膜操作
 *   *  什么是掩膜操作？
     *   *  掩膜操作实现图像对比度调整
     *  如何获取图像像素指针？
     *  如何像素范围处理？
     *   *  什么是像素范围处理？
         *  像素范围处理API——\`saturate\_cast\`
     *  掩膜操作的API——filter2D
     *   *  使用步骤
 *  掩膜操作案例

# 掩膜操作 #

## 什么是掩膜操作？ ##

掩膜操作是指根据掩膜矩阵（也称作核kernel）重新计算图像中每个像素的值。掩膜矩阵中的值表示了邻近像素值（包括该像素自身的值）对新像素值有多大的影响。从数学的观点来看，我们用自己设置的权值，对像素领域内的值做了个加权平均。

比如，下面这个公式表示用5倍当前像素的值减去该像素上、下、左、右四个像素值和，得到的结果赋值给当前像素。使用该公式可以用于提升图像的对比度。调节I(i,j)的系数权重可以得到不同的对比度提升效果。

![在这里插入图片描述][567f5b7c768c49dfbbd6e0f1b256d598.png]

上面的公式可以用掩膜矩阵表示成如下的形式。

![在这里插入图片描述][c9da8bcc7fbd45fb95585767a12f30e2.png]

掩膜操作可以实现图像对比度的调整，使得图像可以锐化，提高图像对比度。

### 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  
![在这里插入图片描述][63f933d64029418b982f15a34d0d09e8.png]

--------------------

下面我们继续探究，如果要想进行掩膜操作，就要先获取图像像素指针和进行像素范围处理

## 如何获取图像像素指针？ ##

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\[col\]

## 如何像素范围处理？ ##

### 什么是像素范围处理？ ###

我们在设置图像像素的灰度值或者RGB值时候，如果不了解，会随意设置，以RGB为例，他们的取值范围是从0 到255，所以如果我们输入范围以外的数据，为防止程序出错，我们需要控制范围，保证我们输入非法数据时候，不会导致程序出现问题。

处理的原则如下：

如果我们输入小于0的值，它会返回0，
    如果我们输入大于255的值，它会返回255，
    如果我们输入0-255之间的值，它会正常返回。

那么我们用的时候怎么进行处理呢？

这里就要用到像素范围处理函数`saturate_cast<uchar>`

### 像素范围处理API——`saturate_cast<uchar>` ###

saturate_cast<uchar>（-100），返回 0。
    saturate_cast<uchar>（288），返回255
    saturate_cast<uchar>（100），返回100

这个函数的功能是确保RGB值得范围在0~255之间

## 掩膜操作的API——filter2D ##

掩膜操作的API是filter2D，函数原型是：

void filter2D( 
        InputArray src, 
        OutputArray dst, 
        int ddepth,                            
        InputArray kernel, 
        Point anchor = Point(-1,-1),                            
        double delta = 0, 
        int borderType = BORDER_DEFAULT 
    );

参数：

1.  `InputArray类型的src` ，输入图像。
2.  `OutputArray类型的dst` ，输出图像，图像的大小、通道数和输入图像相同。
3.  `int类型的ddepth`，目标图像的所需深度。
4.  `InputArray类型的kernel`，卷积核（或者更确切地说是相关核）是一种单通道浮点矩阵；如果要将不同的核应用于不同的通道，请使用split将图像分割成不同的颜色平面，并分别对其进行处理。。
5.  `Point类型的anchor`，表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。。
6.  `double类型的delta`，在将筛选的像素存储到dst中之前添加到这些像素的可选值。说的有点专业了其实就是给所选的像素值添加一个值delta。
7.  `int类型的borderType`，用于推断图像外部像素的某种边界模式。有默认值BORDER\_DEFAULT。

### 使用步骤 ###

1.  定义掩膜：`Mat kernel = (Mat_<char>(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。

例如：

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

# 掩膜操作案例 #

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5rWB5qWa5Li25qC85b-1_size_20_color_FFFFFF_t_70_g_se_x_16]

#include <iostream>
    #include <math.h>
    #include <opencv2/opencv.hpp>
    #include<opencv2/highgui.hpp>
    #include <opencv2/highgui/highgui_c.h> 
    
    using namespace cv;
    
    int main(int argc, char** argv) { 
    	Mat src, dst;
    	src = imread("test2.jpg");
    	if (!src.data) { 
    		printf("could not load image...\n");
    		return -1;
    	}
    	namedWindow("input image", CV_WINDOW_AUTOSIZE);
    	imshow("input image", src);
    
    	// 矩阵计算 掩膜操作
    	int cols = (src.cols - 1) * src.channels();
    	int offsetx = src.channels();
    	int rows = src.rows;
    
    	dst = Mat::zeros(src.size(), src.type());
    	for (int row = 1; row < (rows - 1); row++) { 
    		const uchar* previous = src.ptr<uchar>(row - 1);
    		const uchar* current = src.ptr<uchar>(row);
    		const uchar* next = src.ptr<uchar>(row + 1);
    		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]));
    		}
    	}
    
    	namedWindow("contrast image demo", CV_WINDOW_AUTOSIZE);
    	imshow("contrast image demo", dst);
    	
    	// 使用 掩膜操作API
    	Mat dst2;
    	double t = getTickCount();
    	Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
    	filter2D(src, dst2, src.depth(), kernel);
    	double timeconsume = (getTickCount() - t) / getTickFrequency();
    	printf("tim consume %.2f\n", timeconsume);
    	namedWindow("filter2D contrast image demo", CV_WINDOW_AUTOSIZE);
    	imshow("filter2D contrast image demo", dst2);
    
    
    	waitKey(0);
    	return 0;
    }

[567f5b7c768c49dfbbd6e0f1b256d598.png]: /images/20220828/830d18edb84a480aa4214b132f27acbd.png
[c9da8bcc7fbd45fb95585767a12f30e2.png]: /images/20220828/f4984dddc1cc4ff9bdb5cbc582933cfe.png
[63f933d64029418b982f15a34d0d09e8.png]: /images/20220828/af1ecebccbe04920a91835f3e5a307bc.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5rWB5qWa5Li25qC85b-1_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/12bf849062044defa035a8f78c487cb9.png