轉載請注明出處！！！http://blog.csdn.net/zhonghuan1992

 

OpenCV在矩陣上的卷積

         在openCV官網上說是戴面具，事實上就是又一次計算一下矩陣中的每個value，那么怎么計算呢，依據該像素點的周圍信息，用一個加權的公式來進行計算。那么如今就要看，周圍的信息是怎樣被加權的。讓我們想一下這種方式，請看以下的公式：

        

         上面的公式就是根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，會是以下的代碼。

#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,這里確保我們接受的圖片的格式

	Result.create(myImage.size(), myImage.type()); //依據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]);//這里依據公式計算，之所以是i-nChannels是由於矩陣的存儲格式，
			//  詳細看這里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里，在這樣的情況下，能夠把邊界值都設為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：

        

卷積后的圖像：

        

        

         能夠自行比較一下這兩幅圖片的不同之處。

 

The filter2D function:

         由於上面的過程在圖像處理中太常見了，openCV提供了函數對這樣的操作的支持。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);

         然后使用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，另外一種方式用時僅7毫秒。

         程序完整代碼可從這里下載：