矩阵的掩膜操作

矩阵的掩膜操作根据掩膜重新计算每个像素的像素值

1、掩膜的定义
用选定的图像、图形或物体,对处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。用于覆盖的特定图像或物体称为掩模或模板。光学图像处理中,掩模可以是胶片、滤光片等。数字图像处理中,掩模为二维矩阵数组,有时也用多值图像。

2、数字图像处理中,图像掩模主要用于
提取感兴趣区,用预先制作的感兴趣区掩模与待处理图像相乘,得到感兴趣区图像,感兴趣区内图像值保持不变,而区外图像值都为0。
掩膜是一种图像滤镜的模板,实用掩膜经常处理的是遥感图像。当提取道路或者河流,或者房屋时,通过一个n*n的矩阵来对图像进行像素过滤,然后将我们需要的地物或者标志突出显示出来。这个矩阵就是一种掩膜。

屏蔽作用,用掩模对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算,或仅对屏蔽区作处理或统计。
结构特征提取,用相似性变量或图像匹配方法检测和提取图像中与掩模相似的结构特征。
特殊形状图像的制作。
5 实现图像对比度调整




3、各种掩膜有不同的作用
3x3 
邻域平均 全是1  

3x3高斯均值滤波器 
filters(0) = 1: filters(1) = 2:filters(2) = 1 
filters(3) = 2: filters(4) = 4: filters(5) = 2 
filters(6) = 1: filters(7) = 2: filters(8) = 1  

拉普拉斯1型滤波器  高通边缘检测器掩膜 
filters(0) = -1: filters(1) = 0: filters(2) = -1 
filters(3) = 0: filters(4) = 4: filters(5) = 0 
filters(6) = -1: filters(7) = 0: filters(8) = -1  

锐化   (中锐化:filters(4) = 5 , 高锐化:filters(4) = 6)
filters(0) = 0: filters(1) = -1: filters(2) = 0 
filters(3) = -1: filters(4) = 6: filters(5) = -1 
filters(6) = 0: filters(7) = -1: filters(8) = 0 

垂直掩膜 
filters(0) = 3: filters(1) = -6: filters(2) = 3 
filters(3) = 3: filters(4) = -6: filters(5) = 3 
filters(6) = 3: filters(7) = -6: filters(8) = 3
 
水平掩膜 
filters(0) = 3: filters(1) = 3: filters(2) = 3 
filters(3) = -6: filters(4) = -6: filters(5) = -6 
filters(6) = 3: filters(7) = 3: filters(8) = 3  

对角线掩膜 
filters(0) = 3: filters(1) = 3: filters(2) = -6 
filters(3) = 3: filters(4) = -6: filters(5) = 3 
filters(6) = -6: filters(7) = 3: filters(8) = 3  

高斯滤镜5x5 
f(0) = 1:   f(1) = 4:     f(2) = 6:     f(3) = 4:     f(4) = 1
f(5) = 4:   f(6) = 16:   f(7) = 24:   f(8) = 16:   f(9) = 4 
f(10) = 6: f(11) = 24: f(12) = 36: f(13) = 24: f(14) = 6 
f(15) = 4: f(16) = 16: f(17) = 24: f(18) = 16: f(19) = 4 
f(20) = 1: f(21) =  4: f(22) =  6:   f(23) = 4:   f(24) = 1


4、 用编程定义掩膜(kernel) :通过指定的数据值、数据范围、有限或无限值、感兴趣区和注释文件来定义图像掩模,也可以应用上述选项的任意组合作为输入来建立掩模。
Mat src = (Mat_<uchar>(3,3) << 1,26,7,
     4,3,1,
3,45,6); //常用此函数来定义吧
//对于小的矩阵来说你可以使用逗号隔开的初始化函数:
注意事项:1、括号一定括上,否则报错。
2、定义多少,<<后面的数字就填多少,不能多填也不能少填。



filter2D 一个函数即可搞定膜操作

参数介绍:
第一个参数为源图像。
第二个参数为最终输出的图像,需要再定义一个Mat类变量。
第三个参数为像素深度,两个像素深度一定要相同,否则出错。
src.depth()   或者     -1
第四个参数为掩膜。

代码示例如下:

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
#include <stdio.h>

using namespace cv;

int main(int argc, char** argv)
{
	Mat src = imread("liaowenbin.bmp");
	namedWindow("open picture",WINDOW_AUTOSIZE);
	imshow("open picture",src);


	double t = getTickCount();    //***计算时间语句
	Mat kernel = (Mat_<char>(3,3) <<       //定义一个掩膜
		         0,-1,0,
		        -1,5,-1,
		         0,-1,0);	
	Mat dst;
	filter2D(src,dst,src.depth(), kernel);//掩膜操作
	
	double time = (getTickCount()-t) / getTickFrequency();//***
	std::cout << "usetime : " << time << std::endl;//***
	//printf("usetime :%0.2f \n",time);

	namedWindow("Output Picture",WINDOW_AUTOSIZE);
	imshow("Output Picture", dst);

	waitKey(0);
	return 0;
}


<think>好的,我现在要帮用户解决在C++中使用OpenCV设置掩膜矩阵的问题。用户可能已经看过一些教程,但需要更具体的指导和示例代码。首先,我需要回忆OpenCV中关于矩阵掩膜操作的相关知识,确保信息的准确性。 矩阵掩膜操作主要涉及使用卷积核(也称为掩膜)对图像进行滤波处理。常见的操作包括锐化、模糊和边缘检测。用户需要知道如何创建掩膜矩阵,并将其应用到图像上。根据引用[1]和[2],关键函数是filter2D,所以必须正确使用这个函数。 首先,我需要确定步骤的清晰性。应该包括读取图像、创建掩膜矩阵、应用filter2D函数,以及显示结果。此外,示例代码需要完整且可运行,所以需要包含必要的头文件和命名空间。 接着,要确保掩膜矩阵的正确性。比如,锐化掩膜通常是一个3x3的矩阵,中心较大,周围为负,这样能增强边缘。代码中需要展示如何用Mat::ones创建矩阵,然后调整数。可能还需要归一化处理,但根据情况而定。 用户可能对深拷贝和浅拷贝有疑问,但根据问题描述,他们主要关注掩膜设置,所以暂时可以不深入讨论Mat对象的使用细节,但引用[2]提到clone()和copyTo(),可能在相关问题中提到。 然后,检查是否需要处理图像类型转换,比如将图像转换为CV_32F类型,但通常filter2D会自动处理。不过,在应用后可能需要转换回8位无符号整数,尤其是当结果有负时,避免显示问题。例如,使用convertTo函数并取绝对。 可能的问题点包括:掩膜矩阵的数设置是否正确,是否进行了归一化,以及如何处理输出图像的类型。需要确保代码示例中这些步骤正确,避免用户运行时出错。 最后,生成的相关问题要围绕用户可能进一步的需求,比如不同掩膜类型、自定义核、归一化的影响,以及性能优化等。这些问题可以帮助用户扩展知识,并参考提供的引用资料。 总结步骤: 1. 引入头文件和命名空间。 2. 读取图像,检查是否成功。 3. 创建掩膜矩阵,例如锐化核。 4. 应用filter2D函数进行处理。 5. 处理输出类型(如转换到CV_8U)。 6. 显示和保存结果。 7. 添加相关问题,引导深入学习。 需要验证示例代码的正确性,比如是否正确应用了掩膜,是否有内存泄漏,以及是否处理了可能的异常情况,如图像读取失败。另外,代码注释要清晰,解释每一步的作用,方便用户理解。</think>### 如何在C++中使用OpenCV设置掩膜矩阵 #### 1. 基本概念 矩阵掩膜(卷积核)是图像处理中用于实现滤波操作矩阵,通过将核与图像进行卷积运算,可实现锐化、模糊、边缘检测等效果。OpenCV 的 `filter2D` 函数是核心工具,其原理为加权求和像素邻域[^1][^2]。 #### 2. 实现步骤 **步骤1:读取图像** ```cpp #include <opencv2/opencv.hpp> using namespace cv; int main() { Mat src = imread("input.jpg", IMREAD_COLOR); // 读取图像 if (src.empty()) { printf("图像读取失败"); return -1; } ``` **步骤2:定义掩膜矩阵** 以下示例定义一个锐化掩膜: $$K = \begin{bmatrix} 0 & -1 & 0 \\ -1 & 5 & -1 \\ 0 & -1 & 0 \end{bmatrix}$$ ```cpp Mat kernel = (Mat_<float>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0); // 3x3锐化核 ``` **步骤3:应用掩膜操作** ```cpp Mat dst; filter2D(src, dst, -1, kernel); // -1表示输出图像深度与输入相同 ``` **步骤4:处理输出结果** ```cpp // 将浮点结果转换为8位无符号整型(可选) dst.convertTo(dst, CV_8U); imshow("原图", src); imshow("锐化结果", dst); waitKey(0); imwrite("output.jpg", dst); return 0; } ``` #### 3. 关键参数说明 - `filter2D` 参数: - `ddepth`:输出图像深度,设为 `-1` 表示与输入一致 - `anchor`:核锚点位置(默认中心点 `(-1,-1)`) - `delta`:输出像素的附加偏移量 - 掩膜归一化:若核元素和为1(如均模糊),需添加 `kernel /= sum(kernel)[i]`。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

玖零猴

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值