opencv学习（二）-矩阵的掩码操作

矩阵的掩码操作

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。

对图像的每个像素应用下面的公式：

即：每个像素 = 该像素*5 - 相邻上下左右的像素的和

原始算法按照这个公式边界值是计算不了的，因为会访问到旁边不存在的元素，需要将边界元素设置成 0

那么，图像矩阵经过这个操作后会发生什么呢？

假设中间像素是很亮的话，显然经过运算会更亮。中间元素亮度低的话，经过运算就会更暗。因此经过这个运算后图像对比度会增强，亮的更亮，暗的更暗

下面的函数就是将原图像和掩码矩阵进行卷积运算

Mat.filter2D(ddepth: number, kernel: Mat, anchor?: Point2, delta?: number, borderType?: number): Mat

const cv = require("opencv4nodejs");
const input = cv.imread("../../data/Lenna.png");

// 掩码矩阵
// 必须是单通道浮点型矩阵
const kernel = new cv.Mat([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], cv.CV_32FC1);

const output = input.filter2D(input.depth, kernel);

cv.imshow("input", input);
cv.imshow("output", output);
cv.waitKey();

函数参数解释

• ddepth 图像深度
• kernel 卷积核（或者是相关核）,一个单通道浮点型矩阵。如果想在图像不同的通道使用不同的 kernel，可以先使用split函数将图像通道事先分开。
• anchor 内核的基准点(anchor)，其默认值为(-1,-1)说明位于 kernel 的中心位置。基准点即 kernel 中与进行处理的像素点重合的点。
• delta 在储存目标图像前可选的添加到像素的值，默认值为 0
• borderType 像素向外逼近的方法，默认值是 BORDER_DEFAULT,即对全部边界进行计算。

在这里插入图片描述

tips:

• 卷积运算理解