一、逐像素的图像复制

1、代码

2、效果

二、简单的图像边缘检测（自实现）

0、图像处理的卷积运算

1、简单模糊处理

2、强化边缘处理

1、原理

2、代码

3、效果

三、简单的图像边缘检测（调用API）

1、设置卷积核kernel

2、利用filter()函数进行卷积运算

3、总代码

一、逐像素的图像复制

这里主要是为了强化图像的指针应用。

//图像的指针用法举例
cv::Mat image = cv::Mat(400, 600, CV_8UC1);    //定义了一个Mat变量image。
uchar * data00 = image.ptr<uchar>(0);          //data00是指向image第1行第1个元素的指针。
uchar * data10 = image.ptr<uchar>(1);          //data10是指向image第1行第1个元素的指针。
uchar * data01 = image.ptr<uchar>(0)[1];       //data01是指向image第1行第2个元素的指针。

1、代码：

//逐像素的图像复制
#include <iostream>
#include <opencv2/opencv.hpp>          using namespace cv;
using namespace std;
int main()
{int i, j;Mat img = imread("Resource/Lena.jpg");int channels = img.channels();                                  //通道数int cols = img.cols * channels;                                   //列*通道数（每行需要的RGB）int rows = img.rows;                                                //行数Mat New = Mat::zeros(img.size(), img.type());      //创建一张黑色的图const uchar* p = img.ptr<uchar>(0);                        //原图首地址uchar* pNew = New.ptr<uchar>(0);                      //新图首地址if (img.empty())                             //判断图像存在{printf("could not load the image..");return -1;}for (i = 0; i < rows; i++){p = img.ptr<uchar>(i);               //指向i行首元素pNew = New.ptr<uchar>(i);       //指向j行首元素for (j = 0; j <= cols; j++){pNew[j] = p[j];                            //pNew的i行j元素RGB赋值p的i行j元素RGB}}namedWindow("原始图像", WINDOW_AUTOSIZE);imshow("原始图像", img);namedWindow("修改后图像", WINDOW_AUTOSIZE);imshow("修改后图像", New);waitKey(0);return 0;
}

2、效果

二、简单的图像边缘检测（自实现）

0、图像处理的卷积运算

1、简单模糊处理

比如说，如下图像处理矩阵将使得图像变得更平滑，显得更模糊，因为它联合周边像素进行了平均处理：

2、强化边缘处理

而如下图像处理矩阵将使得像素值变化明显的地方更为明显，强化边缘，而变化平缓的地方没有影响，达到提取边缘的目的：

1、原理

在边缘处，留心观察发现会有RGB的突变，只需要把这个RGB突变部分给锐化，显示在对应位置即可。（其他部分淡化）

2、代码

//平滑处理
#include <iostream>
#include <opencv2/opencv.hpp>               using namespace cv;
using namespace std;
int main()
{int i, j;Mat img = imread("Resource/Lena.jpg");if (img.empty()){printf("could not load the image..");return -1;}int cols = img.cols * img.channels();            //列*通道数int rows = img.rows;                            //行数int channels = img.channels();                 //通道数Mat New = Mat::zeros(img.size(), img.type()); //创建一张黑色的图const uchar* p;                                   //原图当前行首地址（暂时无指向）const uchar* prior;                              //原图上一行首地址（暂时无指向）const uchar* next;                               //原图下一行首地址（暂时无指向）uchar* pNew;                                 //新图当前行首地址（暂时无指向）//按行处理（每行首和尾不做处理）for (i = 1; i < rows - 1; i++){p = img.ptr<uchar>(i);                        //原图当前行首地址prior = img.ptr<uchar>(i - 1);             //原图上一行首地址next = img.ptr<uchar>(i + 1);             //原图下一行首地址pNew = New.ptr<uchar>(i);                  //新图当前行首地址//按列处理（每列首和尾不做处理）for (j = 0 + channels; j <= cols - channels; j++){pNew[j] = saturate_cast <uchar>(4 * p[j] - prior[j] - next[j] - p[j - channels] - p[j + channels]);//                限制RGB范围(0~255)          //p[j]：当前行当前列元素      //prior[j]：上一行当前列元素      //next[j]：下一行当前列元素// p[j - channels]：上一列像素（不是RGB）   //p[j + channels]：下一列像素（不是RGB）}}namedWindow("修改前图像", WINDOW_AUTOSIZE);imshow("修改前图像", img);namedWindow("修改后图像", WINDOW_AUTOSIZE);imshow("修改后图像", New);waitKey(0);return 0;
}

3、效果

三、简单的图像边缘检测（调用API）

1、设置卷积核kernel

//1、初始化卷积核Mat kernel = (Mat_<char>(3, 3) <<  0, -1, 0, -1, 4, -1,   0, -1, 0);

2、利用filter()函数进行卷积运算

filter2D(img, New, img.depth(), kernel);
//          原图，目标图，深度，     卷积核

3、总代码

//边缘检测
#include <iostream>
#include <opencv2/opencv.hpp>               using namespace cv;
using namespace std;Mat img = imread("Resource/Lena.jpg");           //读取图像
int cols = img.cols * img.channels();                  //列*通道数
int rows = img.rows;                                           //行数
int channels = img.channels();                             //通道数
Mat New = Mat::zeros(img.size(), img.type());  //创建一张黑色的图//判断图像是否存在
int JudgeImage()
{if (img.empty()){printf("could not load the image..");return -1;}
}//边缘化
void Marginalize()
{int i, j;const uchar* p;                                                   //原图当前行首地址（暂时无指向）const uchar* prior;                                              //原图上一行首地址（暂时无指向）const uchar* next;                                               //原图下一行首地址（暂时无指向）uchar* pNew;                                                     //新图当前行首地址（暂时无指向）//按行处理（每行首和尾不做处理）for (i = 1; i < rows - 1; i++){p = img.ptr<uchar>(i);                            //原图当前行首地址prior = img.ptr<uchar>(i - 1);                 //原图上一行首地址next = img.ptr<uchar>(i + 1);                 //原图下一行首地址pNew = New.ptr<uchar>(i);                  //新图当前行首地址//按列处理（每列首和尾不做处理）for (j = 0 + channels; j <= cols - channels; j++){pNew[j] = saturate_cast <uchar>(4 * p[j] - prior[j] - next[j] - p[j - channels] - p[j + channels]);//                限制RGB范围(0~255)          //p[j]：当前行当前列元素      prior[j]：上一行当前列元素        next[j]：下一行当前列元素// p[j - channels]：上一列像素（不是RGB）   p[j + channels]：下一列像素（不是RGB）}}
}//打印卷积核
void ShowKernel(Mat kernel)
{printf("卷积核：\n");//打印卷积核for (int i = 0; i < 3; i++){for (int j = 0; j < 3; j++){printf("%3d", kernel.at<char>(i, j));}printf("\n");}
}//调用API边缘化
void API_Marginalize()
{//1、初始化卷积核Mat kernel = (Mat_<char>(3, 3) <<    0, -1, 0, -1, 4, -1,   0, -1, 0);      //2、卷积运算filter2D(img, New, img.depth(), kernel);            //          原图，目标图，深度，     卷积核//打印卷积核//ShowKernel(kernel);
}//显示图像
void Show()
{namedWindow("修改前图像", WINDOW_AUTOSIZE);imshow("修改前图像", img);namedWindow("修改后图像", WINDOW_AUTOSIZE);imshow("修改后图像", New);
}int main()
{JudgeImage();          //判断图像是否存在//Marginalize();          //边缘化图像API_Marginalize();       //调用API边缘化Show();                           //显示图像waitKey(0);return 0;
}

有出错的地方欢迎大家纠错！

OpenCV（二）逐像素的图像复制、图像边缘检测（自实现和API实现）相关推荐

[Python图像处理] 三十五.OpenCV图像处理入门、算数逻辑运算与图像融合（推荐）
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
OpenCV（总结篇）图像逐像素访问（三种操作：指针、迭代器、at()函数）
目录概述 1.指针访问 2.迭代器访问 3.at()函数访问总代码效果参考资料概述访问图像像素值是图像处理的基本操作.OpenCV提供了很多访问方式,比较常用的三种方式: (1) 通过指 ...
opencv(二）图像像素提取及操作
为了编写计算机视觉应用,我们必须会存取图像的内容,如修改或者创建图像,这些过程都需要对图像的基本元素进行操作,即所谓的像素. 1[存取像素值] 为了存取矩阵元素,我们需要在代码中指定元素所在的行和列, ...
opencv 二维图像特征检测特征描述特征匹配平面物体识别跟踪
github代码一.Harris角点 cornerHarris() R = det(M) - k*(trace(M))^2 算法基本思想是使用一个固定窗口在图像上进行任意方向上的滑动,比较滑动前与 ...
OpenCV删除面积小的区域实现图像二值化分割标记连通区域
OpenCV删除面积小的区域实现图像二值化分割标记连通区域 [尊重原创,转载请注明出处]http://blog.csdn.net/guyuealian/article/details/781 ...
python+OpenCV图像处理（十二）车牌定位中对图像的形态学组合操作处理
车牌定位中对图像的形态学组合操作处理所谓的车牌定位,其中最关键的部分就是对图片的处理,参数的设置,并使之拥有泛化能力. 首先传入图片,在进行大规模的图片处理时,因为无法确定图片的尺寸,所以需要将原始 ...
python opencv图像二值化函数_python opencv 二值化计算白色像素点的实例
python opencv 二值化计算白色像素点的实例贴部分代码 #! /usr/bin/env python # -*- coding: utf-8 -*- import cv2 import ...
cv图像预处理——逐像素变换
cv图像预处理--逐像素变换标签:计算机视觉逐像素变换对图像中的每个像素逐个进行处理. 白化(类似于标准化) 白化的目的是要为图像的平均亮度水平和对比度提供波动的恒定性.其中每个像素进行如下转换 ...
android都图片mat_计算机视觉 OpenCV Android | Mat像素操作（图像像素的读写、均值方差、算术、逻辑等运算、权重叠加、归一化等操作）...
本文目录 1. 像素读写 2. 图像通道与均值方差计算 3. 算术操作与调整图像的亮度和对比度 4. 基于权重的图像叠加 5. Mat的其他各种像素操作 1. 像素读写 Mat作为图像容器,其数据部分 ...

OpenCV（二）逐像素的图像复制、图像边缘检测（自实现和API实现）

一、逐像素的图像复制

1、代码：

2、效果

二、简单的图像边缘检测（自实现）

0、图像处理的卷积运算

1、简单模糊处理

2、强化边缘处理

1、原理

2、代码

3、效果

三、简单的图像边缘检测（调用API）

1、设置卷积核kernel

2、利用filter()函数进行卷积运算

3、总代码

OpenCV（二）逐像素的图像复制、图像边缘检测（自实现和API实现）相关推荐

最新文章

热门文章