【OpenCV】矩阵掩模操作

最新推荐文章于 2025-07-28 20:06:54 发布

笔尖bj

最新推荐文章于 2025-07-28 20:06:54 发布

阅读量1.4k

点赞数

CC 4.0 BY-SA版权

分类专栏：图像处理 --------OpenCV学习图像处理 OpenCV / C++ 文章标签： opencv

本文链接：https://blog.youkuaiyun.com/u013165921/article/details/78423735

图像处理同时被 3 个专栏收录

65 篇文章

订阅专栏

--------OpenCV学习

23 篇文章

订阅专栏

图像处理 OpenCV / C++

23 篇文章

订阅专栏

本文通过图像锐化操作，比较了手工编写函数与使用内置filter2D函数进行图像处理的效率。实验结果显示，虽然手工函数能够实现同样的效果，但在运行速度上不如内置函数高效。

矩阵掩模操作是指根据一个掩码矩阵(也称为内核kernel)重新计算图像中每个像素的值。掩码可以控制改变相邻像素和当前像素对新像素值的影响，从而产生新的图像像素。

本节通过图像锐化来比较图像指针运算与掩模操作的运行结果，观察运行时间的差异。

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace std;
using namespace cv;

void sharpen(const Mat& myImage, Mat& Result);

int main(int argc, char* grav[])
{
    char* filename = "../data/fruits.jpg";

    Mat src, dst0, dst1;
    src = imread(filename, IMREAD_COLOR);
    if (src.empty())
    {               
        // cerr(无缓冲标准错误):没有缓冲，发送给它的内容立即被输出
        cerr << "Can't open image" << endl;     
        return -1;
    }

    namedWindow("Input", WINDOW_AUTOSIZE);
    namedWindow("Output", WINDOW_AUTOSIZE);

    imshow("Input", src);                                       // 显示原图像

    double t = (double)getTickCount();                          // 计算hand-coded方法的时间
    sharpen(src, dst0);
    t = ((double)getTickCount() - t) / getTickFrequency();
    cout << "Hand written function time passed in seconds:" << t << endl;
    imshow("Output", dst0);

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

    t = (double)getTickCount();                                 // 计算矩阵掩模方法的时间
    filter2D(src, dst1, src.depth(), kernel);                   // 滤波filter2D函数
    t = ((double)getTickCount() - t) / getTickFrequency();
    cout << "Built-in filter2D time passed in seconds:" << t << endl;
    imshow("Output", dst1);

    waitKey(0);
    return 0;   
}

void sharpen(const Mat& myImage, Mat& Result)
{
    CV_Assert(myImage.depth() == CV_8U);                        // 只允许uchar型图像

    const int nChannels = myImage.channels();
    Result.create(myImage.size(), myImage.type());

    for (int j = 1; j < myImage.rows - 1; ++j)                  // 遍历图像
    {
        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)
        {
            // saturate_cast原理: if(data<0)  data = 0;   if (data>255)   data = 255 

            *output++ = saturate_cast<uchar>(5 * current[i]     // 防止数据溢出
                - current[i - nChannels] - current[i + nChannels] - previous[i] - next[i]);         
        }
    }

    Result.row(0).setTo(Scalar(0));                             // 图像四边未处理像素设为0
    Result.row(Result.rows - 1).setTo(Scalar(0));
    Result.col(0).setTo(Scalar(0));
    Result.col(Result.cols - 1).setTo(Scalar(0));
}

运行结果

Hand written function time passed in seconds:0.0174564
Built-in filter2D time passed in seconds:0.00683035