目录
图像操作其实就是对像素进行操作，这些操作不仅仅是像前面那些基础操作一样简单，只有获取值啊，简单赋值啊之类的。但是像素操作可不止有这么简单。
从今天这节内容开始，我们来一起聊一些更高级的像素操作，我们会讲一些原理，并讲解对应的API，通过实战让大家能够对内容有更深刻的认识。
前面我们讲了几个像素基本操作：
获取像素指针：用于后续读取某像素的信息及修改像素。通过像素指针来访问像素。
控制像素范围：将求得的像素值规范到0-255之间。
读写像素，利用像素指针获取像素值及修改像素值。
获取像素指针是可以获得一个指向像素的指针，我们可以使用指针来访问像素值，修改像素值。包括获取灰度图像像素指针和彩色图像像素指针。
获取方式如下：
//灰度图像 src_gray.at<uchar>(y, x); //行在前，列在后，y表示行，x表示列 src_gray.at<uchar>(Point(x, y)); //彩色图像 Vec3b BGR = src.at<Vec3b>(row, col); int B = BGR.val[0]; int G = BGR.val[1]; int R = BGR.val[2]; Scalar BGR1 = src.at<Vec3b>(Point(col, row));
像素范围处理功能会将所有的输入值都控制在0-255之间，小于0的返回0，大于255的返回255，其他不变。具体API如下：
saturate_cast<uchar>(number);
读写像素是最基本的像素操作，一个是用于获取像素值，一个是用于修改某个位置的像素值，上面获取像素指针的代码同时也读取了像素，写像素代码如下：
//灰度图像 image.at<uchar>(y, x) = 123; //彩色图像 image.at<Vec3b>(y,x)[0]=0; // blue image.at<Vec3b>(y,x)[1]=0; // green image.at<Vec3b>(y,x)[2]=255; // red
首先我们先来看一下定义：
掩膜操作是指根据掩膜矩阵（也称作核kernel）重新计算图像中每个像素的值。
我们举个例子来说明一下，然后我们再来解释：
比如上面的这个图中，我们左边是图像，右边是我们的掩膜矩阵，定义说，我们要根据掩膜矩阵重新计算图像中每个像素的值。计算方式如下：
从左边图中找到黄色背景区域（从原图中找到和掩膜矩阵大小相同的区域），对应位置相乘，然后求和：
5 * 0 + 5 * (-1) + 5 * 0 + 5 * (-1) + 5 * 5 + 5 * (-1) + 5 * 0 + 5 * (-1) + 5 * 0 = 5
通过计算，我们就会得到右面的图像，左边的3×3的像素，经过计算，会得到右边1×1的像素。然后，我们计算
然后，我们计算下一个像素点，也就是左边的区域往后移动一个区域，一直到最后一个区域结束：
我们会发现，计算过后，图像变小了（最外面有一圈没有计算）。这个问题，我们先留在这里，以后再说。
由于图像所有都是5，五个中心减去四个相邻，最后结果还是5，所以上面这个经过掩膜操作并没有什么太明显的变化。
如果换个矩阵就不一样啦：
通过上面的介绍，我想，我们可以对掩膜有个更加深刻的了解了，掩膜可以通过邻近像素来修改自身像素值。
了解了具体的原理，我们接下来通过代码来自己实现一下掩膜操作吧！
核心代码就是使用掩膜中心位置的值的五倍，减去上下左右四个位置的值：
for (int i = 1; i < src_gray.rows-1; i++) { for (int j = 1; j < src_gray.cols-1; j++) { src_new.at<uchar>(i, j) = src_gray.at<uchar>(i, j) * 5 - //中心 src_gray.at<uchar>(i - 1, j) - //上 src_gray.at<uchar>(i + 1, j) - //下 src_gray.at<uchar>(i, j - 1) - //左 src_gray.at<uchar>(i, j + 1); //右 } }
全部代码如下：
#include<iostream> #include<opencv2opencv.hpp> using namespace std; using namespace cv; int main() { Mat src = imread("./image/sign.png"); if (!src.data) { cout << "ERROR : could not load image.n"; return -1; } Mat src_gray; cvtColor(src, src_gray, COLOR_BGR2GRAY); imshow("src_gray", src_gray); Mat src_new = Mat(Size(src_gray.cols,src_gray.rows),CV_8UC1); for (int i = 1; i < src_gray.rows-1; i++) { for (int j = 1; j < src_gray.cols-1; j++) { src_new.at<uchar>(i, j) = src_gray.at<uchar>(i, j) * 5 - //中心 src_gray.at<uchar>(i - 1, j) - //上 src_gray.at<uchar>(i + 1, j) - //下 src_gray.at<uchar>(i, j - 1) - //左 src_gray.at<uchar>(i, j + 1); //右 } } imshow("new src_gray", src_new); waitKey(0); return 0; }
执行结果如下：
大家就能发现，图像中文字边界的位置的发生了明显变化。
我们自己实现了我们的掩膜操作，在opencv中，我们提供了专门的API来实现掩膜操作：
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。
（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。
在一般使用中，我们只涉及到前面四个参数，
对于第五个参数，我们都是默认中心为锚点，
对于第六个参数，一般来说我们很少会设置一个额外的值去调整像素值，所以也是默认为0的。
对于第七个参数，因为是刚开始，我们先不展开说明，因为后续我们还会讲到，在这里，我们先采用默认，让我们把重心放在前四个参数上面。
如下面这个例子：
filter2D( src, dst, src.depth(), kernel );
我们来使用一个完整的例子来说明一下：
执行结果如下：
我们能够发现，我们的文字出现了白色的边界。
如果我们再调整一下kernel，我们就可以得到很多类型的图像：
大家也可以自己尝试设置自己的kernel，一般来说有个原则就是尽量核所有数值加起来不要太大。一般都是让求得的值为1。
我们留意到一个比较重要的内容，就是我们操作像素，是要遍历所有像素的，这是很耗时间的操作。特别是了解深度学习的同学，当做深度学习图像检测要遍历图像做训练时，运算量是极大的，所以我们需要获取执行时间，来分析算法的优劣，进行算法效率比较。
在opencv中，我们提供了专门的API来获取执行时间，全部功能代码如下：
double t = (double)getTickCount(); // do something ... t = ((double)getTickCount() - t) / getTickFrequency(); cout << "消耗的时间为: " << t << endl;
这其中涉及到两个API：
getTickCount(); getTickFrequency();
第一个是：函数返回特定事件（例如，当机器打开时）后的刻度数。它可用于初始化RNG或通过读取函数调用前后的计时计数来测量函数执行时间。
第二个是：函数返回每秒的刻度数。
我们通过第一个执行得到运行前和运行后的刻度数，相减后得到运行过程中的刻度时长，然后除以每秒的刻度数，就能得到代码以秒为单位的运行时长了。
举个例子：
double t = (double)getTickCount(); // do something ... Mat src_new; Mat kernel = (Mat_<char>(3, 3) << 1, -4, 1, -1, 7, -1, 1, -4, 1); filter2D(src, src_new, src.depth(), kernel); imshow("src_new: 1, -4, 1, -1, 7, -1, 1, -4, 1", src_new); t = ((double)getTickCount() - t) / getTickFrequency(); cout << "消耗的时间为: " << t << endl;
执行结果如下：
到这里我们就说完啦，大家多做练习哦！
本网页所有视频内容由 imoviebox边看边下-网页视频下载, iurlBox网页地址收藏管理器 下载并得到。
ImovieBox网页视频下载器 下载地址: ImovieBox网页视频下载器-最新版本下载
本文章由: imapbox邮箱云存储,邮箱网盘,ImageBox 图片批量下载器,网页图片批量下载专家,网页图片批量下载器,获取到文章图片,imoviebox网页视频批量下载器,下载视频内容,为您提供.
阅读和此文章类似的: 全球云计算
官方软件产品操作指南 (170)
1569