【opencv学习笔记】003之图像像素基本操作（获取像素指针、范围处理）及掩膜操作（filter2D）详解
目录
一、前言
二、图像像素基本操作
1、获取图像像素指针
1.获取图像像素指针是什么？
2.相应API
3.获取目的
2、像素范围处理saturate_cast
1.像素范围处理是什么？
2.像素范围处理API
3、掩膜操作
1.掩膜是什么？
2.掩膜操作是什么？
3.掩膜操作的作用？
4.API
三、全部代码及结果展示
1、代码
2、运行效果图
一、前言
欠下的总是要还的，继续给大家更新有关于OpenCV的教程，很久没给大家更新，希望能得到大家的谅解。
今天要讲的是图像像素比较简单的几个基本操作，包括图像矩阵的掩膜操作，获取像素的指针、图像像素范围处理以filter2D的介绍。
图像处理很大程度上是对像素的处理，通过对比像素，修改像素，可以实现降噪、平滑、检测等功能。
二、图像像素基本操作
1、获取图像像素指针
1.获取图像像素指针是什么？
二维图像保存在电脑中，大家可以理解为矩阵，一个二维数组，每个位置都会有一个像素值。
访问像素值，就是访问二维数组中某个位置的值。
2.相应API
访问的时候，我们先访问行，后访问列，通过如下方式，我们获取行指针，索引i表示第几行，从0开始计行数。
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。 我们通过行指针，可以获取到该行的的所有点，即所有像素。
const uchar* current= myImage.ptr(row); //获得当前行指针
p(row, col) =current[col] //获取当前像素点P(row, col)的像素值。
3.获取目的
获取到像素点，我们就可以对这个像素点进行操作，如果我们加上循环嵌套，还可以遍历所有的像素点，即对所有的像素点进行操作。
2、像素范围处理saturate_cast
1.像素范围处理是什么？
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。
2.像素范围处理API
像素范围处理的API是saturate_cast
saturate_cast（-100） //返回 0
saturate_cast（288） //返回255
saturate_cast（100） //返回100 3、掩膜操作
1.掩膜是什么？
在讲掩膜操作之前，先给大家说一下什么是掩膜。
我们不考虑别的地方什么是掩膜，我也不会给大家讲掩膜的标准定义，我们既然说图像的掩膜操作，那么我们就说在图像掩膜操作中的这个掩膜到底是什么。
这个掩膜就是一个n*n的矩阵。通过掩膜去遍历图像，
图像与掩膜
2.掩膜操作是什么？
接下来我们讲掩膜操作，我们用数字模拟一个图像，左边是一个10*10的图像矩阵，右边是一个掩膜，他们两个做操作。
首先，左边黄色的3*3方块与掩膜对应位置相乘，求得的值，存放在新图像上的对应于原图上的中心位置的中间的位置。就像下图一样：
下图的操作是：
5 * 0 + 5 * (-1) + 5 * 0 + 5 * (-1) + 5 * 5 + 5 * (-1) + 5 * 0 + 5 * (-1) + 5 * 0 = 5
掩膜操作
由于图像所有都是5，所以上面这个经过掩膜操作并没有什么太明显的变化。
全部做掩膜操作
做完掩膜操作，边上的像素是做不到的，对于不同的算法，边上的像素做法不同，在这里先不说，以后会给大家详细讲解。
我们再看一个示例：
全部做掩膜操作
对于外层一圈，不同算法不同，有的算法是将最外层全部设为0，有的是设为与其距离最近的像素点一致，有的是在原图外层加一层，这样经过掩膜的图像就是与原图一样尺寸了。
3.掩膜操作的作用？
掩膜操作实现图像对比度调整。
4.API
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
);函数参数含义如下：
（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。
如下面这个例子：
filter2D( src, dst, src.depth(), kernel );
三、全部代码及结果展示
1、代码
#include
#include
#include
using namespace cv;
int main(int argc, char** argv) {
Mat src, dst;
src = imread("D:/hand.png");
if (!src.data) {
printf("could not load image...\n");
return -1;
}
/*
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(row - 1);
const uchar* current = src.ptr(row);
const uchar* next = src.ptr(row + 1);
uchar* output = dst.ptr(row);
for (int col = offsetx; col < cols; col++) {
output[col] = saturate_cast(5 * current[col] - (current[col- offsetx] + current[col+ offsetx] + previous[col] + next[col]));
}
}
*/
double t = getTickCount();
Mat kernel = (Mat_(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);
imshow("input image", src);
imshow("contrast image demo", dst);
waitKey(0);
return 0;
} 2、运行效果图
原图
掩膜操作后的图像
今天的内容就讲到这里啦，有什么问题，大家可以在下面留言哦！