OpenCV矩阵上的掩码操作

我们的测试用例

让我们考虑图像对比度增强方法的问题。基本上,我们想对图像的每个像素应用以下公式:

我( i,j)=5∗我( i,j)−[我(i−1,j)+我(i+1,j)+我( i,j−1)+我( i,j+1)]

⟺我( i,j)∗M,其中 M=我∖j−10+1−10−100−15−1+10−10

第一种表示法是使用公式,而第二种表示法是第一种表示法的压缩版本,使用掩码。通过将掩码矩阵的中心(大写字母表示为零-零索引)放在要计算的像素上,并将像素值乘以重叠的矩阵值相加来使用掩码。这是一回事,但是在大型矩阵的情况下,后一种符号更容易查看。

法典

C++爪哇岛蟒

您可以从此处下载此源代码,或查看位于 的 OpenCV 源代码库示例目录。samples/cpp/tutorial_code/core/mat_mask_operations/mat_mask_operations.cpp

#include < opencv2/imgcodecs.hpp>
#include < opencv2/highgui.hpp>
#include < opencv2/imgproc.hpp>
#include < iostream>
使用命名空间 std;
使用命名空间 CV;
static void help(char* progName)
{
cout << endl
<< “这个程序展示了如何使用蒙版过滤图像:自己写和”
<< “filter2d 方式。<< endl
<< “用法:” << endl
<< progName << “ [image_path -- default lena.jpg] [G -- grayscale] ” << endl << endl;
}
无效锐化(const Mat&myImage,Mat&Result);
int main( int argc, char* argv[])
{
帮助(argv[0]);
const char* 文件名 = argc >=2 ?argv[1] : “lena.jpg”;
垫子 src, dst0, dst1;
if (argc >= 3 && !strcmp(“G”, argv[2]))
src = imread( samples::findFile( 文件名 ), IMREAD_GRAYSCALE);
src = imread( samples::findFile( 文件名 ), IMREAD_COLOR);
如果 (src.空())
{
cerr << “无法打开图像 [” <<文件名<< “]” << endl;
返回EXIT_FAILURE;
}
namedWindow(“输入”, WINDOW_AUTOSIZE);
namedWindow(“输出”, WINDOW_AUTOSIZE);
imshow( “输入”, src );
double t = (double)getTickCount();
锐化( src, dst0 );
t = ((double)getTickCount() - t)/getTickFrequency();
cout << “以秒为单位的手写函数时间:” << t << endl;
imshow( “输出”, dst0 );
等待键();
垫核 = (Mat_(3,3) << 0, -1, 0,
-1, 5, -1,
0, -1, 0);
t = (double)getTickCount();
filter2D( src, dst1, src.depth(), 内核 );
t = ((double)getTickCount() - t)/getTickFrequency();
cout << “内置 filter2D 时间以秒为单位传递:” << t << endl;
imshow( “输出”, dst1 );
等待键();
返回EXIT_SUCCESS;
}
无效锐化(const Mat&myImage,Mat&Result)
{
CV_Assert(myImage.深度() == CV_8U);仅接受 uchar 图像
const int nChannels = myImage。渠道();
结果。创建(myImage.size(),myImage。类型());
forint j = 1 ; j < myImage.行-1;++j)
{
const uchar* previous = myImage。PTR(J-1);
const uchar* current = myImage。PTR(J);
const uchar* next = myImage。PTR(J+1);
uchar* 输出 = 结果。PTR(j);
forint i= nChannels;我< nChannels*(myImage.cols-1);++i)
{
输出[i] = saturate_cast(5*current[i]
-current[i-nChannels] - current[i+nChannels] - 上一个[i] - 下一个[i]);
}
}
结果。行 (0) 中。setTo(标量(0));
结果。row(结果。rows-1)。setTo(标量(0));
结果。col(0) 中。setTo(标量(0));
结果。col(结果。cols-1)。setTo(标量(0));
}

基本方法

C++爪哇岛蟒

现在让我们看看如何通过使用基本的像素访问方法或使用 filter2D() 函数来实现这一点。

下面是一个函数可以做到这一点:

无效锐化(const Mat&myImage,Mat&Result)
{
CV_Assert(myImage.depth() == CV_8U);仅接受 uchar 图像
const int nChannels = myImage.channels();
结果.create(myImage.size(),myImage.type());
forint j = 1 ; j < myImage.rows-1; ++j)
{
const uchar* 前 = myImage.ptr(j - 1);
const uchar* 当前 = myImage.ptr(j );
const uchar* next = myImage.ptr(j + 1);
uchar* 输出 = Result.ptr(j);
forint i= nChannels;i < nChannels*(myImage.cols-1);++i)
{
输出[i] = saturate_cast(5*current[i]
-current[i-nChannels] - current[i+nChannels] - 上一个[i] - 下一个[i]);
}
}
结果.row(0).setTo(标量(0));
结果.row(Result.rows-1).setTo(标量(0));
结果.col(0).setTo(标量(0));
结果.col(Result.cols-1).setTo(标量(0));
}

首先,我们确保输入图像数据是无符号字符格式。为此,我们使用 cv::CV_Assert 函数,当其中的表达式为 false 时,该函数会抛出错误。

CV_Assert(myImage.depth() == CV_8U);仅接受 uchar 图像

我们创建一个与输入具有相同大小和类型的输出图像。正如您在存储部分中看到的,根据通道的数量,我们可能有一个或多个子列。

我们将通过指针遍历它们,因此元素的总数取决于这个数字。

const int nChannels = myImage.channels();
结果.create(myImage.size(),myImage.type());

我们将使用普通的 C [] 运算符来访问像素。由于我们需要同时访问多行,因此我们将获取每行的指针(上一行、当前行和下一行)。我们需要另一个指向要保存计算位置的指针。然后,只需使用 [] 运算符访问正确的项目即可。为了向前移动输出指针,我们只需在每次操作后增加此值(增加一个字节):

forint j = 1 ; j < myImage.rows-1; ++j)
{
const uchar* 前 = myImage.ptr(j - 1);
const uchar* 当前 = myImage.ptr(j );
const uchar* next = myImage.ptr(j + 1);
uchar* 输出 = Result.ptr(j);
forint i= nChannels;i < nChannels*(myImage.cols-1);++i)
{
输出[i] = saturate_cast(5*current[i]
-current[i-nChannels] - current[i+nChannels] - 上一个[i] - 下一个[i]);
}
}

在图像的边框上,上部符号导致不存在的像素位置(如负一 - 负一)。在这些方面,我们的公式是不确定的。一个简单的解决方案是不要在这些点上应用内核,例如,将边框上的像素设置为零:

结果.row(0).setTo(标量(0));
结果.row(Result.rows-1).setTo(标量(0));
结果.col(0).setTo(标量(0));
结果.col(Result.cols-1).setTo(标量(0));

filter2D 函数

C++爪哇岛蟒

应用这种过滤器在图像处理中非常普遍,以至于在 OpenCV 中有一个函数可以处理应用掩码(在某些地方也称为内核)。为此,您首先需要定义一个包含掩码的对象:

垫核 = (Mat_(3,3) << 0, -1, 0,
-1, 5, -1,
0, -1, 0);

然后调用 filter2D() 函数,指定要使用的输入、输出图像和内核:

filter2D( src, dst1, src.depth(), 内核 );

该函数甚至还有第五个可选参数来指定内核的中心,第六个参数用于在将过滤后的像素存储在 K 中之前向它们添加可选值,第七个参数用于确定在操作未定义(边界)的区域中要执行的操作。

此函数更短、更不冗长,并且由于进行了一些优化,因此通常比手动编码的方法更快。例如,在我的测试中,第二个只用了 13 毫秒,而第一个只用了大约 31 毫秒。有很大的不同。

例如:

OpenCV矩阵上的掩码操作_第1张图片

你可能感兴趣的:(opencv,矩阵,人工智能,计算机视觉)