目錄
一、前言
圖像操作其實就是對像素進行操作，這些操作不僅僅是像前面那些基礎操作一樣簡單，只有獲取值啊，簡單賦值啊之類的。但是像素操作可不止有這麼簡單。
從今天這節內容開始，我們來一起聊一些更高級的像素操作，我們會講一些原理，並講解對應的API，通過實戰讓大家能夠對內容有更深刻的認識。
二、溫故知新——像素基本操作
前面我們講了幾個像素基本操作：
獲取像素指針：用於後續讀取某像素的信息及修改像素。通過像素指針來訪問像素。
控制像素範圍：將求得的像素值規範到0-255之間。
讀寫像素，利用像素指針獲取像素值及修改像素值。
1、獲取像素指針
獲取像素指針是可以獲得一個指向像素的指針，我們可以使用指針來訪問像素值，修改像素值。包括獲取灰度圖像像素指針和彩色圖像像素指針。
獲取方式如下：
//灰度圖像
src_gray.at<uchar>(y, x); //行在前，列在後，y表示行，x表示列
src_gray.at<uchar>(Point(x, y));
//彩色圖像
Vec3b BGR = src.at<Vec3b>(row, col);
int B = BGR.val[0];
int G = BGR.val[1];
int R = BGR.val[2];
Scalar BGR1 = src.at<Vec3b>(Point(col, row));
2、像素範圍處理
像素範圍處理功能會將所有的輸入值都控制在0-255之間，小於0的返回0，大於255的返回255，其他不變。具體API如下：
saturate_cast<uchar>(number);
3、讀寫像素
讀寫像素是最基本的像素操作，一個是用於獲取像素值，一個是用於修改某個位置的像素值，上面獲取像素指針的代碼同時也讀取了像素，寫像素代碼如下：
//灰度圖像
image.at<uchar>(y, x) = 123;
//彩色圖像
image.at<Vec3b>(y,x)[0]=0; // blue
image.at<Vec3b>(y,x)[1]=0; // green
image.at<Vec3b>(y,x)[2]=255; // red
三、圖像掩膜操作
1、怎麼理解掩膜Mask
首先我們先來看一下定義：
掩膜操作是指根據掩膜矩陣（也稱作核kernel）重新計算圖像中每個像素的值。
我們舉個例子來說明一下，然後我們再來解釋：
比如上面的這個圖中，我們左邊是圖像，右邊是我們的掩膜矩陣，定義說，我們要根據掩膜矩陣重新計算圖像中每個像素的值。計算方式如下：
從左邊圖中找到黃色背景區域（從原圖中找到和掩膜矩陣大小相同的區域），對應位置相乘，然後求和：
5 * 0 + 5 * (-1) + 5 * 0 + 5 * (-1) + 5 * 5 + 5 * (-1) + 5 * 0 + 5 * (-1) + 5 * 0 = 5
通過計算，我們就會得到右面的圖像，左邊的3×3的像素，經過計算，會得到右邊1×1的像素。然後，我們計算
然後，我們計算下一個像素點，也就是左邊的區域往後移動一個區域，一直到最後一個區域結束：
我們會發現，計算過後，圖像變小了（最外面有一圈沒有計算）。這個問題，我們先留在這裏，以後再說。
由於圖像所有都是5，五個中心減去四個相鄰，最後結果還是5，所以上面這個經過掩膜操作並沒有什麼太明顯的變化。
如果換個矩陣就不一樣啦：
通過上面的介紹，我想，我們可以對掩膜有個更加深刻的瞭解了，掩膜可以通過鄰近像素來修改自身像素值。
2、掩膜實現
瞭解了具體的原理，我們接下來通過代碼來自己實現一下掩膜操作吧！
核心代碼就是使用掩膜中心位置的值的五倍，減去上下左右四個位置的值：
for (int i = 1; i < src_gray.rows-1; i++)
{
for (int j = 1; j < src_gray.cols-1; j++)
{
src_new.at<uchar>(i, j) =
src_gray.at<uchar>(i, j) * 5 - //中心
src_gray.at<uchar>(i - 1, j) - //上
src_gray.at<uchar>(i + 1, j) - //下
src_gray.at<uchar>(i, j - 1) - //左
src_gray.at<uchar>(i, j + 1); //右
}
}
全部代碼如下：
#include<iostream>
#include<opencv2\opencv.hpp>
using namespace std;
using namespace cv;
int main() {
Mat src = imread("./image/sign.png");
if (!src.data)
{
cout << "ERROR : could not load image.\n";
return -1;
}
Mat src_gray;
cvtColor(src, src_gray, COLOR_BGR2GRAY);
imshow("src_gray", src_gray);
Mat src_new = Mat(Size(src_gray.cols,src_gray.rows),CV_8UC1);
for (int i = 1; i < src_gray.rows-1; i++)
{
for (int j = 1; j < src_gray.cols-1; j++)
{
src_new.at<uchar>(i, j) =
src_gray.at<uchar>(i, j) * 5 - //中心
src_gray.at<uchar>(i - 1, j) - //上
src_gray.at<uchar>(i + 1, j) - //下
src_gray.at<uchar>(i, j - 1) - //左
src_gray.at<uchar>(i, j + 1); //右
}
}
imshow("new src_gray", src_new);
waitKey(0);
return 0;
}
執行結果如下：
大家就能發現，圖像中文字邊界的位置的發生了明顯變化。
3、API-filter2D
我們自己實現了我們的掩膜操作，在opencv中，我們提供了專門的API來實現掩膜操作：
void filter2D(
InputArray src,
OutputArray dst,
int ddepth,
InputArray kernel,
Point anchor = Point(-1,-1),
double delta = 0,
int borderType = BORDER_DEFAULT
);
函數參數含義如下：
（1）InputArray類型的src ，輸入圖像。
（2）OutputArray類型的dst ，輸出圖像，圖像的大小、通道數和輸入圖像相同。
（3）int類型的ddepth，目標圖像的所需深度。
（4）InputArray類型的kernel，卷積核（或者更確切地說是相關核）是一種單通道浮點矩陣；如果要將不同的核應用於不同的通道，請使用split將圖像分割成不同的顏色平面，並分別對其進行處理。。
（5）Point類型的anchor，表示錨點（即被平滑的那個點），注意他有默認值Point(-1,-1)。如果這個點座標是負值的話，就表示取核的中心爲錨點，所以默認值Point(-1,-1)表示這個錨點在覈的中心。。
（6）double類型的delta，在將篩選的像素存儲到dst中之前添加到這些像素的可選值。
（7）int類型的borderType，用於推斷圖像外部像素的某種邊界模式。有默認值BORDER_DEFAULT。
在一般使用中，我們只涉及到前面四個參數，
對於第五個參數，我們都是默認中心爲錨點，
對於第六個參數，一般來說我們很少會設置一個額外的值去調整像素值，所以也是默認爲0的。
對於第七個參數，因爲是剛開始，我們先不展開說明，因爲後續我們還會講到，在這裏，我們先採用默認，讓我們把重心放在前四個參數上面。
如下面這個例子：
filter2D( src, dst, src.depth(), kernel );
我們來使用一個完整的例子來說明一下：
執行結果如下：
我們能夠發現，我們的文字出現了白色的邊界。
如果我們再調整一下kernel，我們就可以得到很多類型的圖像：
大家也可以自己嘗試設置自己的kernel，一般來說有個原則就是儘量核所有數值加起來不要太大。一般都是讓求得的值爲1。
四、執行時間
我們留意到一個比較重要的內容，就是我們操作像素，是要遍歷所有像素的，這是很耗時間的操作。特別是瞭解深度學習的同學，當做深度學習圖像檢測要遍歷圖像做訓練時，運算量是極大的，所以我們需要獲取執行時間，來分析算法的優劣，進行算法效率比較。
在opencv中，我們提供了專門的API來獲取執行時間，全部功能代碼如下：
double t = (double)getTickCount();
// do something ...
t = ((double)getTickCount() - t) / getTickFrequency();
cout << "消耗的時間爲: " << t << endl;
這其中涉及到兩個API：
getTickCount();
getTickFrequency();
第一個是：函數返回特定事件（例如，當機器打開時）後的刻度數。它可用於初始化RNG或通過讀取函數調用前後的計時計數來測量函數執行時間。
第二個是：函數返回每秒的刻度數。
我們通過第一個執行得到運行前和運行後的刻度數，相減後得到運行過程中的刻度時長，然後除以每秒的刻度數，就能得到代碼以秒爲單位的運行時長了。
舉個例子：
double t = (double)getTickCount();
// do something ...
Mat src_new;
Mat kernel = (Mat_<char>(3, 3) << 1, -4, 1, -1, 7, -1, 1, -4, 1);
filter2D(src, src_new, src.depth(), kernel);
imshow("src_new: 1, -4, 1, -1, 7, -1, 1, -4, 1", src_new);
t = ((double)getTickCount() - t) / getTickFrequency();
cout << "消耗的時間爲: " << t << endl;
執行結果如下：
到這裏我們就說完啦，大家多做練習哦！