OpenCV在矩陣上的卷積

在openCV官網上說是戴面具，其實就是重新計算一下矩陣中的每一個value，那麼怎麼計算呢，根據該像素點的周圍信息，用一個加權的公式來進行計算。那麼現在就要看，周圍的信息是如何被加權的。讓我們想一下這樣的方式，請看下面的公式：

上面的公式就是依據當前像素點的值和四個鄰居的值，更新一下。相當於原來矩陣每一塊3*3的小矩陣和M進行想乘一樣。

在程序中，我們對該公式進行編程的話，會是下面的代碼。

#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,這裡確保我們接受的圖片的格式  
      
    Result.create(myImage.size(), myImage.type()); //根據myImage的size和type來創建矩陣。  
    const int nChannels = myImage.channels();//獲取圖片的channel  
      
    for (int j = 1; j < myImage.rows - 1; ++j)  
    {  
        const uchar* previous = myImage.ptr<uchar>(j - 1);//獲取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]);//這裡根據公式計算，之所以是i-nChannels是因為矩陣的存儲格式，  
            //  具體看這裡http://blog.csdn.net/zhonghuan1992/article/details/38408939  
        }  
    }  
      
    //對於圖像的邊界部分，上面的公式並不作用於這裡，在這種情況下，可以把邊界值都設為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;  
}

轉換前的圖像：

卷積後的圖像：

返回欄目頁：http://www.bianceng.cn/Programming/cplus/

可以自行比較一下這兩幅圖片的不同之處。

The filter2D function:

因為上面的過程在圖像處理中太常見了，openCV提供了函數對這種操作的支持。在卷積前，你要選擇一個矩陣，看上面的公式，就是那個M，要確定那個M。

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

然後使用filter2D函數。

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

經過比較，在我的電腦上，第一種方式用時21毫秒，第二種方式用時僅7毫秒。

程序完整代碼可從這裡下載：http://docs.opencv.org/_downloads/mat_mask_operations.cpp