目錄

一、逐像素的圖像復制

1、代碼

2、效果

二、簡單的圖像邊緣檢測（自實現）

0、圖像處理的卷積運算

1、簡單模糊處理

?2、強化邊緣處理

1、原理

2、代碼

?3、效果

三、簡單的圖像邊緣檢測（調用API）

1、設置卷積核kernel

2、利用filter()函數進行卷積運算

?3、總代碼

---

一、逐像素的圖像復制

這里主要是為了強化圖像的指針應用。

//圖像的指針用法舉例
cv::Mat image = cv::Mat(400, 600, CV_8UC1);    //定義了一個Mat變量image。
uchar * data00 = image.ptr<uchar>(0);          //data00是指向image第1行第1個元素的指針。
uchar * data10 = image.ptr<uchar>(1);          //data10是指向image第1行第1個元素的指針。
uchar * data01 = image.ptr<uchar>(0)[1];       //data01是指向image第1行第2個元素的指針。

1、代碼：

//逐像素的圖像復制
#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();									//通道數int cols = img.cols * channels;									//列*通道數（每行需要的RGB）int rows = img.rows;												//行數Mat New = Mat::zeros(img.size(), img.type());		//創建一張黑色的圖const uchar* p = img.ptr<uchar>(0);						//原圖首地址uchar* pNew = New.ptr<uchar>(0);						//新圖首地址if (img.empty())								//判斷圖像存在{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賦值p的i行j元素RGB}}namedWindow("原始圖像", WINDOW_AUTOSIZE);imshow("原始圖像", img);namedWindow("修改后圖像", WINDOW_AUTOSIZE);imshow("修改后圖像", New);waitKey(0);return 0;
}

2、效果

二、簡單的圖像邊緣檢測（自實現）

0、圖像處理的卷積運算

1、簡單模糊處理

比如說，如下圖像處理矩陣將使得圖像變得更平滑，顯得更模糊，因為它聯合周邊像素進行了平均處理：

?2、強化邊緣處理

而如下圖像處理矩陣將使得像素值變化明顯的地方更為明顯，強化邊緣，而變化平緩的地方沒有影響，達到提取邊緣的目的：

?

1、原理

在邊緣處，留心觀察發現會有RGB的突變，只需要把這個RGB突變部分給銳化，顯示在對應位置即可。（其他部分淡化）

?

?

2、代碼

//平滑處理
#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*通道數int rows = img.rows;							//行數int channels = img.channels();					//通道數Mat New = Mat::zeros(img.size(), img.type());	//創建一張黑色的圖const uchar* p;									//原圖當前行首地址（暫時無指向）const uchar* prior;								//原圖上一行首地址（暫時無指向）const uchar* next;								//原圖下一行首地址（暫時無指向）uchar* pNew;									//新圖當前行首地址（暫時無指向）//按行處理（每行首和尾不做處理）for (i = 1; i < rows - 1; i++){p = img.ptr<uchar>(i);						//原圖當前行首地址prior = img.ptr<uchar>(i - 1);				//原圖上一行首地址next = img.ptr<uchar>(i + 1);				//原圖下一行首地址pNew = New.ptr<uchar>(i);					//新圖當前行首地址//按列處理（每列首和尾不做處理）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范圍(0~255)			//p[j]：當前行當前列元素		//prior[j]：上一行當前列元素		//next[j]：下一行當前列元素// p[j - channels]：上一列像素（不是RGB）   //p[j + channels]：下一列像素（不是RGB）}}namedWindow("修改前圖像", WINDOW_AUTOSIZE);imshow("修改前圖像", img);namedWindow("修改后圖像", WINDOW_AUTOSIZE);imshow("修改后圖像", New);waitKey(0);return 0;
}

?3、效果

三、簡單的圖像邊緣檢測（調用API）

1、設置卷積核kernel

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

2、利用filter()函數進行卷積運算

filter2D(img, New, img.depth(), kernel);			
//			原圖，目標圖，深度，		卷積核

?3、總代碼

//邊緣檢測
#include <iostream>
#include <opencv2/opencv.hpp>               using namespace cv;
using namespace std;Mat img = imread("Resource/Lena.jpg");			//讀取圖像
int cols = img.cols * img.channels();					//列*通道數
int rows = img.rows;											//行數
int channels = img.channels();								//通道數
Mat New = Mat::zeros(img.size(), img.type());	//創建一張黑色的圖//判斷圖像是否存在
int JudgeImage()
{if (img.empty()){printf("could not load the image..");return -1;}
}//邊緣化
void Marginalize()
{int i, j;const uchar* p;													//原圖當前行首地址（暫時無指向）const uchar* prior;												//原圖上一行首地址（暫時無指向）const uchar* next;												//原圖下一行首地址（暫時無指向）uchar* pNew;														//新圖當前行首地址（暫時無指向）//按行處理（每行首和尾不做處理）for (i = 1; i < rows - 1; i++){p = img.ptr<uchar>(i);							//原圖當前行首地址prior = img.ptr<uchar>(i - 1);					//原圖上一行首地址next = img.ptr<uchar>(i + 1);					//原圖下一行首地址pNew = New.ptr<uchar>(i);					//新圖當前行首地址//按列處理（每列首和尾不做處理）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范圍(0~255)			//p[j]：當前行當前列元素		prior[j]：上一行當前列元素		next[j]：下一行當前列元素// p[j - channels]：上一列像素（不是RGB）   p[j + channels]：下一列像素（不是RGB）}}
}//打印卷積核
void ShowKernel(Mat kernel)
{printf("卷積核：\n");//打印卷積核for (int i = 0; i < 3; i++){for (int j = 0; j < 3; j++){printf("%3d", kernel.at<char>(i, j));}printf("\n");}
}//調用API邊緣化
void API_Marginalize()
{//1、初始化卷積核Mat kernel = (Mat_<char>(3, 3) <<	 0, -1, 0, -1, 4, -1,	0, -1, 0);		//2、卷積運算filter2D(img, New, img.depth(), kernel);			//			原圖，目標圖，深度，		卷積核//打印卷積核//ShowKernel(kernel);					
}//顯示圖像
void Show()
{namedWindow("修改前圖像", WINDOW_AUTOSIZE);imshow("修改前圖像", img);namedWindow("修改后圖像", WINDOW_AUTOSIZE);imshow("修改后圖像", New);
}int main()
{JudgeImage();			//判斷圖像是否存在//Marginalize();			//邊緣化圖像API_Marginalize();		//調用API邊緣化Show();							//顯示圖像waitKey(0);return 0;
}

?有出錯的地方歡迎大家糾錯！

總結

以上是生活随笔為你收集整理的OpenCV（二）逐像素的图像复制、图像边缘检测（自实现和API实现）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。