矩阵的Mask操作是非常简单的.就是我们根据掩码矩阵(Kernel矩阵)重新计算图像总每个像素的值.此Mask值用于调整相邻像素对新像素的影响程度.从数学的角度来看,是用我们指定的值做了一个加权平均数.
测试用例
要实现对图像对比度的增强,基本上我们会对图像中的每一个像素应用下面的公式: ![]()
上图中第一种表示方式是使用公式,第二种表示法是使用Mask,其是第一种表示法的压缩版本.你可以通过将Mask矩阵的中心((由0 - 0索引标记的大写字母))放在你想计算的像素上,然后将像素值与重叠部分矩阵值相乘.以上两种表示方法是一样的,但是在大型矩阵的情况下,使用后一种表示法更容易理解.
实例源码
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
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]);
const char* filename = argc >=2 ? argv[1] : "../sky.jpg";
Mat src, dst0, dst1;
if (argc >= 3 && !strcmp("G", argv[2]))
src = imread( samples::findFile( filename ), IMREAD_GRAYSCALE);
else
src = imread( samples::findFile( filename ), IMREAD_COLOR);
if (src.empty())
{
cerr << "Can't open image [" << filename << "]" << endl;
return EXIT_FAILURE;
}
namedWindow("Input", WINDOW_AUTOSIZE);/**创建自适应图片大小的显示窗口 Input*/
namedWindow("Pixel", WINDOW_AUTOSIZE);/**创建自适应图片大小的显示窗口 Pixel*/
namedWindow("Filter", WINDOW_AUTOSIZE);/**创建自适应图片大小的显示窗口 Filter*/
imshow( "Input", src );/**Input窗口显示原始图像*/
/** 使用像素访问基本方法实现对比度增强 */
double t = (double)getTickCount();
Sharpen( src, dst0 );/**输出图像存储在dst0*/
t = ((double)getTickCount() - t)/getTickFrequency();
cout << "Hand written function time passed in seconds: " << t << endl;
imshow( "Pixel", dst0 );
// waitKey();
/** 使用filter2D()函数实现对比度增强 */
Mat kernel = (Mat_<char>(3,3) << 0, -1, 0,
-1, 5, -1,
0, -1, 0);
t = (double)getTickCount();
filter2D( src, dst1, src.depth(), kernel );/**输出图像存储在dst1*/
t = ((double)getTickCount() - t)/getTickFrequency();
cout << "Built-in filter2D time passed in seconds: " << t << endl;
imshow( "Filter", dst1 );
waitKey();
return EXIT_SUCCESS;
}
/**
* @brief 利用公式来实现对比度增强
* @param myImage 源图片
* @param Result 对比度增强后的输出图片
*/
void Sharpen(const Mat& myImage,Mat& Result)
{
CV_Assert(myImage.depth() == CV_8U); // accept only uchar images
const int nChannels = myImage.channels();
Result.create(myImage.size(),myImage.type());
for(int i = 1 ; i < myImage.rows-1; ++i)
{
const uchar* previous = myImage.ptr<uchar>(i - 1);/**上一行*/
const uchar* current = myImage.ptr<uchar>(i );/**当前行*/
const uchar* next = myImage.ptr<uchar>(i + 1);/**下一行*/
uchar* output = Result.ptr<uchar>(i);
for(int j= nChannels;j < nChannels*(myImage.cols-1); ++j)
{
*output++ = saturate_cast<uchar>(5*current[j]
- previous[j] - next[j]-current[j-nChannels]-current[j+nChannels]);
}
}
/**边界直接设置为0*/
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));
}
直接访问像素利用公式计算进行对比度增强
下面让我们来看看如何使用像素访问基本方法或者filter2D函数来实现这一功能:
void Sharpen(const Mat& myImage,Mat& Result)
{
CV_Assert(myImage.depth() == CV_8U); // accept only uchar images
const int nChannels = myImage.channels();
Result.create(myImage.size(),myImage.type());
for(int j = 1 ; j < myImage.rows-1; ++j)
{
const uchar* previous = myImage.ptr<uchar>(j - 1);
const uchar* current = myImage.ptr<uchar>(j );
const uchar* next = myImage.ptr<uchar>(j + 1);
uchar* output = Result.ptr<uchar>(j);
for(int i= nChannels;i < nChannels*(myImage.cols-1); ++i)
{
*output++ = saturate_cast<uchar>(5*current[i]
-current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);
}
}
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));
}
首先我们确保输入的图像是unsigned char格式的.为此我们使用cv::CV_Assert()函数,当内部表达式为false的时候会主动抛出异常.
CV_Assert(myImage.depth() == CV_8U); // 表明只接收unsigned char 格式数据
然后我们创建一个与输入图像使用相同数据类型和大小的输出图像.正如你在图像存储章节看到的,根据通道的数量,我们可能有一个子列或者多个子列.我们将通过指针进行遍历,因此元素的个数取决于数据类型.
const int nChannels = myImage.channels();
Result.create(myImage.size(),myImage.type());
我们使用C语言中普通的[]操作符来访问像素.因为我们需要同时访问很多行数据,因此我们需要获取每一行数据的指针(上一行,当前行,下一行).另外我们还需要另外一个指针来指向我们存储计算结果的地址.然后也对其使用[]进行访问.我们要向前移动输出指针,只需每次操作后对此指针进行自增即可(每次增加一个字节)
for(int j = 1 ; j < myImage.rows-1; ++j)
{
const uchar* previous = myImage.ptr<uchar>(j - 1);
const uchar* current = myImage.ptr<uchar>(j );
const uchar* next = myImage.ptr<uchar>(j + 1);
uchar* output = Result.ptr<uchar>(j);
for(int i= nChannels;i < nChannels*(myImage.cols-1); ++i)
{
*output++ = saturate_cast<uchar>(5*current[i]
-current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);
}
}
在图像边界上,上面的表达式会出现不存在的像素点(-1,-1).在这些点公式是没有定义的,一个较为简单的解决办法是在这些点上不使用Kernel矩阵,例如直接设置边界像素为0.
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));
fileter2D进行对比度增强
在图像处理中使用过滤器是非常常见的,因此OpenCV中有一个专门的函数负责应用mask(掩码),某些地方可能称之为kernel.因此,首先需要定义一个保存掩码的对象:
Mat kernel = (Mat_<char>(3,3) << 0, -1, 0,
-1, 5, -1,
0, -1, 0);
然后调用filter2D()函数,并指定输入,输出图像,以及所使用的mask矩阵.
filter2D( src, dst1, src.depth(), kernel );
filter2D函数甚至有第5个可选参数来指定mask矩阵的中心,第6个可选参数用于将过滤后的像素存储到K之前添加一个可选值,第7个可选参数用于确定在操作未定义的区域(边界)中会执行何种操作.这个函数更简短,高效.通常比手动编码的方法更快.
相关函数说明
/**
* @brief 创建一个显示窗口,winName
* @param winname 新建的窗口名称
* @param flags 显示窗口类型
* WINDOW_AUTOSIZE:窗口大小自适应图片大小,并且不可手动更改
* WINDOW_NORMAL:用户可以改变窗口大小
* WINDOW_OPENGL:窗口创建的时候会使用OpenGL
*/
void nameWindow(const string& winname,int flags = WINDOW_AUTOSIZE) ;
运行结果
gaoy@gy-PC:~/GY/git/open-cv-learning/Demo/Core/2_mask/build$ ./mask
This program shows how to filter images with mask: the write it yourself and thefilter2d way.
Usage:
./mask [image_path -- default lena.jpg] [G -- grayscale]
(Input:11109): GLib-GObject-CRITICAL **: 18:36:38.050: g_value_set_boxed: assertion 'G_VALUE_HOLDS_BOXED (value)' failed
Hand written function time passed in seconds: 0.0448108
Built-in filter2D time passed in seconds: 0.00679664
运行效果图
![]()
上图中第一种表示方式是使用公式,第二种表示法是使用Mask,其是第一种表示法的压缩版本.你可以通过将Mask矩阵的中心((由0 - 0索引标记的大写字母))放在你想计算的像素上,然后将像素值与重叠部分矩阵值相乘.以上两种表示方法是一样的,但是在大型矩阵的情况下,使用后一种表示法更容易理解.
