这一节主要讲图像在像素级上的操作：掩模。包括获取图像的像素指针，掩模的解释。
1、获取图像像素的指针Mat.pt
得到Mat对象之后可以由对象获取对象的指针。
Mat.ptr
(int i=0)获取像素矩阵的指针，索引i表示第几行，从0开始计数。
获得当前行的指针：const uchar* current=myimage.ptr
(row);
获取当前像素点P(row，col)的像素值p(row,col)=current[col];
像素范围处理：saturate_cast
(int i)：其中i是属于0——255的值（BGR值范围）。
翻译：saturate(浸湿，浸透; 使充满; [化] 使饱和; 使渗进，使湿透)
2、图像掩模（mask）
举例：mask为如下的一个矩阵：
最后中心像素的大小由一下公式计算得到。
掩模通常用于提高图像对比度。
介绍一下图像容器Mat
还是先看Mat的存储形式。Mat和Matlab里的数组格式有点像，但一般是二维向量，如果是灰度图，一般存放
类型；如果是RGB彩色图，存放
类型。
单通道灰度图数据存放格式：
多通道的图像中，每列并列存放通道数量的子列，如RGB三通道彩色图：
注意通道的顺序反转了：BGR。通常情况内存足够大的话图像的每一行是连续存放的，也就是在内存上图像的所有数据存放成一行，这中情况在访问时可以提供很大方便。可以用 isContinuous()函数来判断图像数组是否为连续的。
所以说，在col上，图像的存储是每个通道连续的，每一列有三个通道的数据。所以在处理RGB图像时需要把图像的通道考虑进去。
代码：
#include
#include
using namespace cv; /* 图像掩模操作 */ int main(int argc,char argv) { Mat src, dst; src = imread("C:\\Users\\admin\\Desktop\\1.png", IMREAD_REDUCED_COLOR_2); if (src.empty()) { printf("Could load image..."); return -1; } namedWindow("Input image",CV_WINDOW_AUTOSIZE); imshow("Input image", src); double t = getTickCount(); int cols = (src.cols-1) * src.channels();//考虑RGB图像的通道数 int rows = src.rows; int offsetx = src.channels(); dst = Mat::zeros(src.size(), src.type()); for (int row = 1; row < (rows-1); row++) { const uchar* previous = src.ptr
(row - 1); const uchar* current = src.ptr
(row); const uchar* next = src.ptr
(row + 1); uchar *output = dst.ptr
(row); for (int col = offsetx; col
(5 * current[col] - (current[col - offsetx] + current[col + offsetx]) - (previous[col] + next[col])); } } //调用api //Mat kernel = (Mat_
(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0); //filter2D(src, dst, src.depth(), kernel); double tsum = (getTickCount() - t) / getTickFrequency(); printf("all time:%.2f\n", tsum); namedWindow("output image", CV_WINDOW_AUTOSIZE); imshow("output image", dst); waitKey(0); return 0; }
效果：
效果，增强了图像的对比度。
另外，获取时间的函数：getTickCount()
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/210898.html原文链接：https://javaforall.net
