OpenCV學習之四矩陣的掩碼操作

矩陣的掩碼操作很簡單。其思想是：根據掩碼矩陣（也稱作核）重新計算影象中每個畫素的值。掩碼矩陣中的值表示近鄰畫素值（包括該畫素自身的值）對新畫素值有多大影響。從數學觀點看，我們用自己設定的權值，對畫素鄰域內的值做了個加權平均。

思考一下影象對比度增強的問題。我們可以對影象的每個畫素應用下面的公式：

上面那種表達法是公式的形式，而下面那種是以掩碼矩陣表示的緊湊形式。使用掩碼矩陣的時候，我們先把矩陣中心的元素（上面的例子中是(0,0)位置的元素，也就是5）對齊到要計算的目標畫素上，再把鄰域畫素值和相應的矩陣元素值的乘積加起來。雖然這兩種形式是完全等價的，但在大矩陣情況下，下面的形式看起來會清楚得多。

現在，我們來看看實現掩碼操作的兩種方法。一種方法是用基本的畫素訪問方法，另一種方法是用 filter2d 函式。

下面是實現了上述功能的函式：

void
sharpen
(const
mat&
myimage
,mat
&result)}
result
.row(0
).setto
(scalar(0
));result
.row
(result
.rows-1
).setto
(scalar(0
));result
.col(0
).setto
(scalar(0
));result
.col
(result
.cols-1
).setto
(scalar(0
));}

剛進入函式的時候，我們要確保輸入影象是無符號字元型別的。為了做到這點，我們使用了 cv_assert 函式。若該函式括號內的表示式為false，則會丟擲乙個錯誤。

cv_assert
(myimage
.depth
()==
cv_8u
);// 僅接受uchar影象

然後，我們建立了乙個與輸入有著相同大小和型別的輸出影象。在影象矩陣是如何儲存在記憶體之中的？

一節可以看到，根據影象的通道數，我們有乙個或多個子列。我們用指標在每乙個通道上迭代，因此通道數就決定了需計算的元素總數。

result
.create
(myimage
.size
(),myimage
.type
());
const
intnchannels
=myimage
.channels
();

利用c語言的操作符，我們能簡單明瞭地訪問畫素。因為要同時訪問多行畫素，所以我們獲取了其中每一行畫素的指標（分別是前一行、當前行和下一行）。此外，我們還需要乙個指向計算結果儲存位置的指標。有了這些指標後，我們使用操作符，就能輕鬆訪問到目標元素。為了讓輸出指標向前移動，我們在每一次操作之後對輸出指標進行了遞增（移動乙個位元組）：

for
(intj=
1;j<
myimage
.rows-1
;++j)
}

在影象的邊界上，上面給出的公式會訪問不存在的畫素位置（比如(0,-1)）。因此我們的公式對邊界點來說是未定義的。一種簡單的解決方法，是不對這些邊界點使用掩碼，而直接把它們設為0：

result
.row(0
).setto
(scalar(0
));// 上邊界
result
.row
(result
.rows-1
).setto
(scalar(0
));// 下邊界
result
.col(0
).setto
(scalar(0
));// 左邊界
result
.col
(result
.cols-1
).setto
(scalar(0
));// 右邊界

濾波器在影象處理中的應用太廣泛了，因此opencv也有個用到了濾波器掩碼（某些場合也稱作核）的函式。不過想使用這個函式，你必須先定義乙個表示掩碼的 mat物件：

mat
kern=(
mat_
<
char
>(3
,3)<<0,
-1,0
,-1,
5,-1
,0,-
1,0);

然後呼叫 filter2d 函式，引數包括輸入、輸出影象以及用到的核：

filter2d(i
,k,i
.depth
(),kern
);

它還帶有第五個可選引數——指定核的中心，和第六個可選引數——指定函式在未定義區域（邊界）的行為。使用該函式有一些優點，如**更加清晰簡潔、通常比自己實現的方法速度更快（因為有一些專門針對它實現的優化技術）等等。例如，我測試的濾波器方法僅花了13毫秒，而前面那樣自己實現迭代方法花了約31毫秒，二者有著不小差距。

OpenCV學習之四矩陣的掩碼操作

OpenCV學習筆記矩陣的掩碼操作

opencv學習（二）矩陣的掩碼操作

OpenCv矩陣掩碼操作

OpenCV學習之四 矩陣的掩碼操作

OpenCV學習筆記 矩陣的掩碼操作

opencv學習（二） 矩陣的掩碼操作

OpenCv矩陣掩碼操作

相關推薦

OpenCV學習之四矩陣的掩碼操作

OpenCV學習筆記矩陣的掩碼操作

opencv學習（二）矩陣的掩碼操作