雖說opencv給我們提供了很多函數,但有時對於圖像處理,我們會用自己的算法,而算法中一定會對圖像的像素進行操作,
所以對圖像像素的操作十分重要。
比如,我遇到了一個問題,opencv的sobel算子例子中,需要先把彩色圖片轉變爲灰度圖,然後進行sobel邊緣檢測。
得到的是黑白圖像的邊緣。我的問題是如果省略灰度轉換這一步,直接利用sobel算法,得到的是彩色的邊緣圖嗎?
於是我打算通過操作像素,自己寫一個純粹的sobel邊緣檢測。
for (int i = 0; i < 3; i++)
{
channels[i].copyTo(curChannel);
for (int x = 1; x < 3*x3 - 2; x++)
{
for (int y = 1; y < 3*y3 -2 ; y++)
{
gradXImg.at<uchar>(x,y)=abs (
curChannel.at<uchar>(x-1,y+1) +
2*curChannel.at<uchar>(x,y+1)+
curChannel.at<uchar>(x+1,y+1)-
curChannel.at<uchar>(x-1,y-1)-
2*curChannel.at<uchar>(x,y-1)-
curChannel.at<uchar>(x+1,y-1));
gradYImg.at<uchar>(x,y)=abs (
curChannel.at<uchar>(x+1,y-1) +
2*curChannel.at<uchar>(x+1,y)+
curChannel.at<uchar>(x+1,y+1)-
curChannel.at<uchar>(x-1,y-1)-
2* curChannel.at<uchar>(x-1,y+1)-
curChannel.at<uchar>(x-1,y+1));
channels[i].at<uchar>(x,y) = gradXImg.at<uchar>(x,y) +
gradYImg.at<uchar>(x,y);
大致是這樣。
一個三層循環,分別對3個通道進行sobel運算。
看似程序完成,實際運行的時候,速度超級慢,超級慢。
於是看了看opencv的例子,重新改寫了函數。
for (int c = 0; c < channel; c++)
{
for (int x = 1; x < srcMat.cols -2; x++)
{
for (int y = 1; y < srcMat.rows - 2; y++ )
{
gradYImg.at<Vec3b>(y,x)[c]=abs (
srcMat.at<Vec3b>(y+1,x-1)[c] +
2*srcMat.at<Vec3b>(y+1,x)[c]+
srcMat.at<Vec3b>(y+1,x+1)[c]-
srcMat.at<Vec3b>(y-1,x-1)[c]-
2*srcMat.at<Vec3b>(y-1,x)[c]-
srcMat.at<Vec3b>(y-1,x+1)[c]);
gradXImg.at<Vec3b>(y,x)[c]=abs (
srcMat.at<Vec3b>(y-1,x+1)[c] +
2*srcMat.at<Vec3b>(y,x+1)[c]+
srcMat.at<Vec3b>(y+1,x+1)[c]-
srcMat.at<Vec3b>(y-1,x-1)[c]-
2* srcMat.at<Vec3b>(y,x-1)[c]-
srcMat.at<Vec3b>(y+1,x-1)[c]);
tmp.at<Vec3b>(y,x)[c] = gradXImg.at<Vec3b>(y,x)[c] +
gradYImg.at<Vec3b>(y,x)[c];
}
}
}
完成。
原圖:
換一張圖試試:
還是能看到一點彩色的邊緣。
還算成功,但再這之前,當我把mat圖顯示在qt中時效果如下
顯示的有些失真,爲什麼會這樣?請看我的文章“數字圖像處理成長之路2:mat與通道”的內容。