opencv之矩阵的掩模操作

本文详细介绍使用OpenCV进行图像锐化的过程,包括图像加载、显示及锐化处理。通过对比自定义掩膜操作和使用filter2D函数,展示了两种方法的时间消耗,为读者提供了深入理解图像处理技巧的机会。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

先贴一下效果图:

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

using namespace cv;

int main(int argc, const char * argv[]) 
{
	Mat src, dst;
	//加载图像
	src = imread("F:\\LX(OpenCV)\\ny1.bmp");

	if (!src.data) {
		printf("could not load image\n");
		return -1;
	}
	//显示
	namedWindow("input Image", CV_WINDOW_AUTOSIZE);
	imshow("input Image", src);
	/*//掩膜操作逐像素操作
	double t = getTickCount();
	int rows = src.rows;
	int cols = (src.cols - 1)*src.channels();
	int offset = src.channels();
	dst = Mat::zeros(src.size(), src.type());
	for (int row = 1; row < (rows - 1); row++) 
	{
		const uchar*previous = src.ptr<uchar>(row - 1);
		const uchar*current = src.ptr<uchar>(row);
		const uchar*next = src.ptr<uchar>(row + 1);
		uchar*output = dst.ptr<uchar>(row);

		for (int col = offset; col < cols; col++) 
		{
			output[col]=saturate_cast<uchar>(5*current[col]-(current[col-offset]+current[col+offset]+previous[col]+next[col]));
		}
	}
	namedWindow("output");
	imshow("output", dst);
	double timeconsume = (getTickCount() - t) / getTickFrequency();
	printf("timeconsume:%.2f\n", timeconsume);*/


	//直接调用函数操作
	double t = getTickCount();
	Mat kernel = (Mat_<char>(3, 3) << 0,-1,0,-1,5,-1,0,-1,0);
	filter2D(src, dst, -1, kernel);
	namedWindow("output");
	imshow("output", dst); 
	double timeconsume = (getTickCount() - t) / getTickFrequency();
	printf("timeconsume:%.2f\n", timeconsume);
	waitKey(0);
	return 0;
}

 

### 如何使用C++和OpenCV计算Mat矩阵的平均值 为了计算`cv::Mat`对象中的平均像素值,在OpenCV库中有多种方法可以实现这一目标。一种常用的方法是利用`mean`函数来获取整个图像或特定区域内的平均强度值。 下面是一个简单的例子,展示了如何通过调用`cv::mean()`函数来获得单通道灰度图的均值: ```cpp #include <opencv2/opencv.hpp> using namespace cv; int main(){ // 假设有一个已经加载好的单通道8位灰度图像grayImage Mat grayImage = imread("path_to_image", IMREAD_GRAYSCALE); // 计算并打印该图片所有像素点的平均亮度值 Scalar meanValue = mean(grayImage); std::cout << "Average pixel value: " << meanValue[0] << std::endl; } ``` 对于多通道彩色图像(如BGR),如果想要分别求取各颜色分量的平均数,则可以直接对三通道的数据应用相同的`cv::mean()`操作而无需额外处理[^1]。 当涉及到更复杂的场景时——比如需要排除某些特殊条件下的像素贡献到最终的结果中去(例如掩码指定区域内有效样本外忽略不计的情况),则可以通过传递第二个参数作为掩模给`cv::mean()`来进行更加精确地控制: ```cpp // 创建一个与输入图像大小相同但只含单一非零元素的位置处标记为有效的二进制掩膜mask Mat mask = ... ; Scalar maskedMean = mean(src, mask); // 使用带有掩码的版本计算加权平均 std::cout << "Masked average values per channel:" << maskedMean << std::endl; ``` 上述代码片段说明了基本原理以及一些高级特性;实际开发过程中可根据具体需求调整相应逻辑以适应不同应用场景的要求。 #### 注意事项 - 对于多维或多通道数组而言,返回的是各个维度上的独立统计结果组成的向量。 - 如果提供了掩码,则只会考虑那些对应位置上具有正值的地方参与运算过程。
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
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