矩阵的掩膜操作
图像的通道
掩膜
1.掩膜的定义
2.利用掩膜提高图像的对比度
opencv实现掩膜操作
1.opencv对图像像素的处理
用到的函数
(1)、CV_Assert(myImage.depth() == CV_8U)
(2)、Mat.ptr(int i=0)
(3)、saturate_cast()处理像素值的范围
(4)、setTo()
代码实现(带注释)
2、函数调用-filter2D功能
(1)定义掩膜矩阵
(2)调用filter2D()函数
完整代码(详细注释)
图像的通道
图像的通道就是把图像分解成一个或多个颜色成分，常见的有单通道，三通道和四通道
单通道：灰度图像，一个像素点只需要一个数值即可表示，0-255(0为黑色，255为白色)
三通道：RGB图像，为红绿蓝三种颜色通道的叠加，三个通道缺一不可。每个通道由0-255的数值表示，当使用矩阵表示三个通道时，三个通道是并列表示的，所以rgb的图像矩阵列数为单个通道的列数乘以通道数。
四通道：在三通道的基础上加上了透明度(0是完全透明，255是完全不透明)
掩膜
1.掩膜的定义
掩模(Mask)是由0和1组成的一个二进制图像。当在某一功能中应用掩模时，1值区域被处理，被屏蔽的0值区域不被包括在计算中。通过指定的数据值、数据范围、有限或无限值、感兴趣区和注释文件来定义图像掩模，也可以应用上述选项的任意组合作为输入来建立掩模。
建立掩膜后，通过图像与掩膜相乘得到的图像就是掩膜操作后的图像
通过掩膜可以屏蔽某些不需要的区域，或者对某些区域的图像数值进行特殊运算，实际上就是利用掩膜矩阵对原来的图像矩阵重新进行运算
2.利用掩膜提高图像的对比度
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。
通过这种掩膜操作就可以提高图像的对比度
opencv实现掩膜操作
1.opencv对图像像素的处理
用到的函数
(1)、CV_Assert(myImage.depth() == CV_8U)
CV_Assert()函数判断括号中是否为真，当括号中的结果为false时，返回一个错误信息，这里是为了保证输入的图像是uchar类型的。
(2)、Mat.ptr(int i=0)
获取图像矩阵的指针，其中小括号中的i表示的是图像矩阵的第几行，从0开始计数。
(3)、saturate_cast()处理像素值的范围
确保RGB图像的像素值在0-255之间
saturate_cast(-100)，返回0
saturate_cast(288)，返回255
saturate_cast(100)，返回100
其实就是一个类型转换函数，将圆弧括号中的类型转换成尖括号中的类型。
(4)、setTo()
opencv中的setTo函数是将指定的元素设置为指定的值
例如：
1、有一个Mat src，想将他的值全部设置成0，则可以src.setTo(0)
2、setTo还有更为高级的用法，对于一个已知的src，我们要将其中大于或者小于某个值的像素值设置为指定的值，则可以如下：src.setTo(0,src < 10);这句话的意思是，当src中的某个像素值小于10的时候，就将该值设置成0.
代码实现(带注释)
CV_Assert(myImage.depth() == CV_8U); // CV_Assert()函数对括号内的内容进行判断，若为false，则返回错误信息
//这里要确保输入的图像是uchar类型的
const int nChannels = myImage.channels();//图像的通道数
Result.create(myImage.size(), myImage.type());//创建一个图像，第一个参数是图像的大小(和原图像一致)，第二个参数是图像矩阵类型，和原图像一样
for (int j = 1; j < myImage.rows - 1; ++j) //行扫描
{
const uchar* previous = myImage.ptr(j - 1);//定义上一行
const uchar* current = myImage.ptr(j);//定义当前行
const uchar* next = myImage.ptr(j + 1);//定义下一行
uchar* output = Result.ptr(j);//output指针在第j行行头
for (int i = nChannels; i < nChannels*(myImage.cols - 1); ++i)//列扫描，从i=nChannels(第二组)开始
{
*output++ = saturate_cast(5 * current[i]
- current[i - nChannels] - current[i + nChannels] - previous[i] - next[i]);//对输出图像处理，从第j行第i列开始加
}2、函数调用-filter2D功能
(1)定义掩膜矩阵
Mat kernel = (Mat_(3, 3) << 0, -1, 0,
-1, 5, -1,
0, -1, 0);//定义掩膜矩阵
这里定义的矩阵就是进行掩膜操作的运算矩阵
(2)调用filter2D()函数
filter2D函数括号内包括4个参数
例如
filter2D(src, dst1, src.depth(), kernel);
其中第一个和第二个参数表示的是输入图像和输出图像
第三个参数表示的是位图深度，有32、24、8等
第四个参数表示的是掩膜矩阵，就是上面定义的kernel
完整代码(详细注释)
#include
#include
#include
#include
using namespace std;
using namespace cv;
static void help(char* progName)
{
cout << endl
<< "This program shows how to filter images with mask: the write it yourself and the"
<< "filter2d way. " << endl
<< "Usage:" << endl
<< progName << " [image_path -- default lena.jpg] [G -- grayscale] " << endl << endl;
}
void Sharpen(const Mat& myImage, Mat& Result);
int main(int argc, char* argv[])
{
help(argv[0]);
Mat src, dst0, dst1;
src = imread("A:/opencvproject/pikaqiu.jpg", IMREAD_COLOR);
if (src.empty())//判断图像是否存在
{
cerr << "Can't open image"<< endl;
return EXIT_FAILURE;
}
namedWindow("Input", WINDOW_AUTOSIZE);//创建窗口input(输入图像的窗口)
namedWindow("Output", WINDOW_AUTOSIZE);//创建窗口output(输出图像的窗口)
imshow("Input", src);//显示输入图像src
//第一种方式，具体实现在Sharpen()函数中
double t = (double)getTickCount();//开始记录时间
Sharpen(src, dst0);
t = ((double)getTickCount() - t) / getTickFrequency();//记录转换完成时间-转换开始时间
cout << "Hand written function time passed in seconds: " << t << endl;//打印转换所用时间
imshow("Output", dst0);//显示输出图像dst0
waitKey();//等待键盘输入
//下面是第二种方式，使用filter2D();
Mat kernel = (Mat_(3, 3) << 0, -1, 0,
-1, 5, -1,
0, -1, 0);//定义掩膜矩阵
t = (double)getTickCount();//记录第二种时间的开始时间
filter2D(src, dst1, src.depth(), kernel);//使用filter2D()函数实现图像掩膜操作
t = ((double)getTickCount() - t) / getTickFrequency();//记录图像转换所用时间
cout << "Built-in filter2D time passed in seconds: " << t << endl;//打印使用filter2D函数所用的时间
imshow("Output", dst1);//展示第二种方式输出的图像dst1
waitKey();//等待键盘输入
return EXIT_SUCCESS;
}
//第一种转换方式的实现函数
void Sharpen(const Mat& myImage, Mat& Result)
{
CV_Assert(myImage.depth() == CV_8U); // CV_Assert()函数对括号内的内容进行判断，若为false，则返回错误信息
//这里要确保输入的图像是uchar类型的
const int nChannels = myImage.channels();//图像的通道数
Result.create(myImage.size(), myImage.type());//创建一个图像，第一个参数是图像的大小(和原图像一致)，第二个参数是图像矩阵类型，和原图像一样
for (int j = 1; j < myImage.rows - 1; ++j) //行扫描
{
const uchar* previous = myImage.ptr(j - 1);//定义上一行
const uchar* current = myImage.ptr(j);//定义当前行
const uchar* next = myImage.ptr(j + 1);//定义下一行
uchar* output = Result.ptr(j);//output指针在第j行行头
for (int i = nChannels; i < nChannels*(myImage.cols - 1); ++i)//列扫描，从i=nChannels(第二组)开始
{
*output++ = saturate_cast(5 * current[i]
- current[i - nChannels] - current[i + nChannels] - previous[i] - next[i]);//对输出图像处理，从第j行第i列开始加
}
}
// 使用这种方式最外面一圈无法进行矩阵运算
Result.row(0).setTo(Scalar(0));//第0行矩阵值设置为0
Result.row(Result.rows - 1).setTo(Scalar(0));//最后一行矩阵之设置为0
Result.col(0).setTo(Scalar(0));//第0列矩阵值设置为0
Result.col(Result.cols - 1).setTo(Scalar(0));//最后一行矩阵值设置为0
}
