矩阵的掩码操作很简单。其思想是：根据掩码矩阵（也称作核）重新计算图像中每个像素的值。掩码矩阵中的值表示近邻像素值（包括该像素自身的值）对新像素值有多大影响。从数学观点看，我们用自己设置的权值，对像素邻域内的值做了个加权平均。
基本方法：创建工具类
#import<Foundation/Foundation.h>
#import<opencv2/opencv.hpp>
#import<opencv2/imgcodecs/ios.h>
using namespace cv;
@interface OpenCVTool : NSObject
void Sharpen(const Mat& myImage,Mat& Result,int n);// 对图片操作的方法
@end
#import "OpenCVTool.h"
@implementation OpenCVTool
void Sharpen(const Mat& myImage,Mat& Result ,int n){
CV_Assert(myImage.depth() == CV_8U);
Result.create(myImage.size(), myImage.type());
const int nChannels = myImage.channels();
for (int j = 1; j < myImage.rows; ++j) {
const uchar *previous = myImage.ptr(j - 1);
const uchar *current = myImage.ptr(j);
const uchar *next = myImage.ptr(j+1);
uchar *output = Result.ptr(j);
for (int i = nChannels; i < nChannels*(myImage.cols - 1); ++i) {
*output++ = saturate_cast(n * current[i]- current[i - nChannels] - current[i+nChannels] - previous[i] - next[i]);
// *output++ = n * current[i]- current[i - nChannels] - current[i+nChannels] - previous[i] - next[i];
}
}
// 边界处理
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));
}
@end
刚进入函数的时候，我们需要确保输入图像是无符号字符类型的，为了确保这一点我们使用了CV_Assert函数，若是这个函数括号内的值为FALSE。则会抛出一个错误。
CV_Assert(myImage.depth() == CV_8U);// 仅接受uchar的图片
然后我们创建了一个与输入有着相同大小和类型的输出对象，我们用指针在每一个通道上迭代，因此通道数就决定了需计算的元素总数。
Result.create(myImage.size(), myImage.type());
const int nChannels = myImage.channels();
利用C语言的[]操作符，我们能简单明了地访问像素。因为要同时访问多行像素，所以我们获取了其中每一行像素的指针（分别是前一行、当前行和下一行）。此外，我们还需要一个指向计算结果存储位置的指针。有了这些指针后，我们使用[]操作符，就能轻松访问到目标元素。为了让输出指针向前移动，我们在每一次操作之后对输出指针进行了递增（移动一个字节）：
for (int j = 1; j < myImage.rows; ++j) {
const uchar *previous = myImage.ptr(j - 1);
const uchar *current = myImage.ptr(j);
const uchar *next = myImage.ptr(j+1);
uchar *output = Result.ptr(j);
for (int i = nChannels; i < nChannels*(myImage.cols - 1); ++i) {
*output++ = saturate_cast(n * current[i]- current[i - nChannels] - current[i+nChannels] - previous[i] - next[i]);
// *output++ = n * current[i]- current[i - nChannels] - current[i+nChannels] - previous[i] - next[i];
}
}
在图像的边界上，上面给出的公式会访问不存在的像素位置（比如(0,-1)）。因此我们的公式对边界点来说是未定义的。一种简单的解决方法，是不对这些边界点使用掩码，而直接把它们设为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));
调用
UIImageView *imagView1 = [[UIImageView alloc] initWithFrame:CGRectMake(0, 100, self.view.bounds.size.width, 200)];
[self.view addSubview:imagView1];
UIImageView *imagView2 = [[UIImageView alloc] initWithFrame:CGRectMake(0, 350, self.view.bounds.size.width, 200)];
[self.view addSubview:imagView2];
Mat myImage,result;
UIImage *image = [UIImage imageNamed:@"try.png"];
imagView1.image = image;
UIImageToMat(image, myImage);
Sharpen(myImage, result,5);
UIImage *image2 = MatToUIImage(result);
imagView2.image = image2;
实现的结果
手机上出现的结果，上面的是正常的图片，下面的是经过处理的图片
：
网友评论