OpenCV在矩阵上的卷积

在openCV官网上说是戴面具，其实就是重新计算一下矩阵中的每一个value，那么怎么计算呢，根据该像素点的周围信息，用一个加权的公式来进行计算。那么现在就要看，周围的信息是如何被加权的。让我们想一下这样的方式，请看下面的公式：

上面的公式就是依据当前像素点的值和四个邻居的值，更新一下。相当于原来矩阵每一块3*3的小矩阵和M进行想乘一样。

在程序中，我们对该公式进行编程的话，会是下面的代码。

#include <opencv2/core/core.hpp>  
#include<opencv2/highgui/highgui.hpp>  
#include <iostream>  
#include <sstream>  
      
using namespace std;  
using namespace cv;  
      
void Sharpen(const Mat& myImage, Mat& Result)  
{  
    CV_Assert(myImage.depth() == CV_8U);  // accept only uchar images,这里确保我们接受的图片的格式  
      
    Result.create(myImage.size(), myImage.type()); //根据myImage的size和type来创建矩阵。  
    const int nChannels = myImage.channels();//获取图片的channel  
      
    for (int j = 1; j < myImage.rows - 1; ++j)  
    {  
        const uchar* previous = myImage.ptr<uchar>(j - 1);//获取i，j位置上i行，i-1行和i+1行，  
        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]);//这里根据公式计算，之所以是i-nChannels是因为矩阵的存储格式，  
            //  具体看这里http://blog.csdn.net/zhonghuan1992/article/details/38408939  
        }  
    }  
      
    //对于图像的边界部分，上面的公式并不作用于这里，在这种情况下，可以把边界值都设为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));  
}  
int main()  
{  
    String str = "zh.png";  
    Mat I, J;  
    //I = imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);  
    I = imread(str, CV_LOAD_IMAGE_COLOR);  
      
    Sharpen(I, J);  
    imshow("", J);  
    waitKey();  
      
    return 0;  
}

转换前的图像：

卷积后的图像：

返回栏目页：http://www.bianceng.cn/Programming/cplus/

可以自行比较一下这两幅图片的不同之处。

The filter2D function:

因为上面的过程在图像处理中太常见了，openCV提供了函数对这种操作的支持。在卷积前，你要选择一个矩阵，看上面的公式，就是那个M，要确定那个M。

Mat kern = (Mat_<char>(3, 3) << 0, -1, 0,  
        -1, 5, -1,  
        0, -1, 0);

然后使用filter2D函数。

filter2D(I, K, I.depth(), kern);

经过比较，在我的电脑上，第一种方式用时21毫秒，第二种方式用时仅7毫秒。

程序完整代码可从这里下载：http://docs.opencv.org/_downloads/mat_mask_operations.cpp

• 没有相关文章