2016-12-05 17:27:18 jinxiaonian11 阅读数 67042

刚开始涉及到图像处理的时候,在opencv等库中总会看到mask这么一个参数,非常的不理解,在查询一系列资料之后,写下它们,以供翻阅。
什么是掩膜(mask)
数字图像处理中的掩膜的概念是借鉴于PCB制版的过程,在半导体制造中,许多芯片工艺步骤采用光刻技术,用于这些步骤的图形“底片”称为掩膜(也称作“掩模”),其作用是:在硅片上选定的区域中对一个不透明的图形模板遮盖,继而下面的腐蚀或扩散将只影响选定的区域以外的区域。
图像掩膜与其类似,用选定的图像、图形或物体,对处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。
光学图像处理中,掩模可以是胶片、滤光片等。数字图像处理中,掩模为二维矩阵数组,有时也用多值图像。数字图像处理中,图像掩模主要用于:

①提取感兴趣区,用预先制作的感兴趣区掩模与待处理图像相乘,得到感兴趣区图像,感兴趣区内图像值保持不变,而区外图像值都为0。
②屏蔽作用,用掩模对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算,或仅对屏蔽区作处理或统计。
③结构特征提取,用相似性变量或图像匹配方法检测和提取图像中与掩模相似的结构特征。
④特殊形状图像的制作。

掩膜是一种图像滤镜的模板,实用掩膜经常处理的是遥感图像。当提取道路或者河流,或者房屋时,通过一个n*n的矩阵来对图像进行像素过滤,然后将我们需要的地物或者标志突出显示出来。这个矩阵就是一种掩膜。

2019-06-15 00:06:38 matt45m 阅读数 89

前言

1.数字图像处理中的掩膜的概念是起源于于PCB制版的过程,在半导体制造中,许多芯片工艺步骤采用光刻技术,用于这些步骤的图形“底片”称为掩膜(也称作“掩模”),其作用是:在硅片上选定的区域中对一个不透明的图形模板遮盖,继而下面的腐蚀或扩散将只影响选定的区域以外的区域。
2.图像掩膜与其类似,用选定的图像、图形或物体,对处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。
光学图像处理中,掩模可以是胶片、滤光片等。数字图像处理中,掩模为二维矩阵数组,有时也用多值图像。
3.数字图像处理中,图像掩模主要用于:
①提取感兴趣区,用预先制作的感兴趣区掩模与待处理图像相乘,得到感兴趣区图像,感兴趣区内图像值保持不变,而区外图像值都为0。
②屏蔽作用,用掩模对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算,或仅对屏蔽区作处理或统计。
③结构特征提取,用相似性变量或图像匹配方法检测和提取图像中与掩模相似的结构特征。
④特殊形状图像的制作。
4.掩膜是一种图像滤镜的模板,实用掩膜经常处理的是遥感图像。当提取道路或者河流,或者房屋时,通过一个n*n的矩阵来对图像进行像素过滤,然后将我们需要的地物或者标志突出显示出来。这个矩阵就是一种掩膜。

代码演示

1.下面是用掩膜来增加图像对比度的函数,可以看它实现的公式:

**I(i,j)=5∗I(i,j)−[I(i−1,j)+I(i+1,j)+I(i,j−1)+I(i,j+1)]**
void mask(Mat &input, Mat &dest)
{
	//生成一个和源图像大小相等类型相同的全0矩阵
	dest = Mat::zeros(input.size(), input.type());
	//获取图像的列数
	int cols = (input.cols - 1)*input.channels();
	//获取图像的行数
	int rows = input.rows;
	//获取图像通道数
	int channel = input.channels();

	//遍历行数
	for (int row = 1; row < rows - 1; row++) 
	{
		//上一行
		uchar* previous = input.ptr<uchar>(row - 1);
		//当前行
		uchar* current = input.ptr<uchar>(row);
		//下一行
		uchar* next = input.ptr<uchar>(row + 1);

		//输出图像的行
		uchar* output = dest.ptr<uchar>(row);
		//开始对每个像素做掩膜操作
		for (int col = channel; col < cols; col++)
		{
			output[col] = saturate_cast<uchar>(5 * current[col] - (current[col - channel] + current[col + channel] + previous[col] + next[col]));
		}
	}
}

测试结果:
在这里插入图片描述

2017-01-13 19:54:11 i_chaoren 阅读数 3304

内容描述:给定皮肤镜黑素细胞瘤图像,检测毛发噪声,并修复毛发遮挡部位的信息。

主要包括以下五个大的步骤,流程图如下:


过程分析

第一步:对原图进行灰值化处理;计算公式为:Gray = R*0.299 + G*0.587 + B*0.114。

下图分别为实验原图和灰值化之后的图:

                                            

图1                                                                                           图2 

第二步:波谷检测;波谷检测可以分解为两个小的步骤,首先是使用结构元素对原图进行灰度闭运算(先膨胀后腐蚀:填充物体内细小空洞、连接邻近物体),进过多次试验,最终采用的是5×5的结构元素;然后用原图减去闭运算的结果,会得到图像的波谷区,也就是本图中的毛发区域,检测结果如下图3所示。

第三步:固定阈值分割;由于图片中的毛发区域在整张图中的占比很小,查阅文献可知,一般情况下,毛发占比仅有5%,所以不宜使用大津阈值的方法,这里采用的是固定阈值分割,这里使用的阈值为15,由图4可知,除了毛发区域,也出现了很多小的噪声,所以需要对图像降噪。

                                              

图3                                                                                         图4 

第四步:区域生长;在这里区域生长的作用主要是用来滤除小噪声的,对整幅图进行区域生长,对每个连通区域进行数量统计,对于统计量小于15的区域进行滤除。降噪之后的结果如图5所示。

第五步:掩膜重建;首先,为了减少毛发区域的颜色对图像重建产生影响,以及标记掩膜区域,在原图中将毛发区域赋值为255;伪代码如下:

if (二值图掩膜区像素 == 255)  {

                      for(int k=0;k<3;k++) 

                           原彩色图对应的区域 = 255;  }

然后建立了一个9×9的模板,在原始彩色图毛发区域对原图进行滤波,伪代码如下:

if ( 二值图掩膜区像素== 255)

                            { 使用9×9的模板对原图进行卷积滤波 }

模板结构如下:


最后得到的结果如下图6所示。

                                                   

图5                                                                                             图6

结果分析

在整个实验中关键的一步是波谷检测,它能够有效的将原图中的毛发区域检测出来,提供了掩膜的主要框架,需要注意的是在结构元素选择的时候,选择稍微较大的结构元素,这样可以将图中较为粗大的毛发也能提取出来,否则将会提取不完整,如图7所示,当然也不能选择的太大,不然噪声会非常多。对于阈值分割和区域生长已经在过程分析中交代清楚,这里不再赘述。最后就是掩膜重建,在重建的时候,进行一次滤波不能达到有效的重建结果,如图8所示,所以需要多次滤波,这里选择的滤波次数loop=5。

                                                                                                             

图7                                                                                     图8      

2019-01-04 00:25:59 qq_42887760 阅读数 376

1. 获取图像像素指针

  • CV_Assert(myImage.depth() == CV_8U);
  • Mat.ptr(int i=0) 获取像素矩阵的指针,索引i表示第几行,从0开始计行数。
  • 获得当前行指针const uchar* current= myImage.ptr(row );
  • 获取当前像素点P(row, col)的像素值 p(row, col) =current[col]

2. 像素范围处理saturate_cast

这个函数的功能是确保RGB值得范围在0~255之间,如下所示:

saturate_cast(-100),返回 0。
saturate_cast(288),返回255
saturate_cast(100),返回100

3. 掩膜操作实现图像对比度调整

红色是中心像素,从上到下,从左到右对每个像素做同样的处理操作,得到最终结果就是对比度提高之后的输出图像Mat对象。
在这里插入图片描述

  • 矩阵的掩膜操作十分简单,根据掩膜来重新计算每个像素的像素值,掩膜(mask 也被称为Kernel)

  • 掩膜矩阵 3*3 在图像矩阵上移动与图像重合,与每一个重合的像素点做掩膜操作,

  • 公式:中心点掩膜后的颜色数据 I(i,j)=5I(i,j)[I(i1,j)+I(i+1,j)+I(i,j1)+I(i,j+1)]I(i,j) = 5*I(i,j) - [I(i-1,j)+I(i+1,j)+I(i,j-1)+I(i,j+1)]

  • 这里是3*3的矩阵,所以图像数据的第一行倒数第一行,第一列倒数第一列不做掩膜操作 。其中: i,j 表示像素的位置,第 i 行,第 j 列, I(i,j) 表示每个通道颜色数据。

  • 掩膜操作不是矩阵乘法,由公式可以看出

  • 该掩膜矩阵的作用: 掩膜操作可以提高图像对比度,对比度提高可以增加图像感官度、锐化,让看起来有点模糊的图像更清晰

程序代码
#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>

using namespace cv;

int main(int argc,char** argv){
	Mat src,dst;
	src=imread("E:/Experiment/OpenCV/Pictures/dog2.jpg");

	if(!src.data){
		printf("could not load image ...");
		return -1;
	}
	//CV_Assert(src.depth()==CV_8U);
	
	//掩膜操作
	int channels=src.channels();//图像的通道数
	int cols=(src.cols)*src.channels();//列数*通道数
	int rows=src.rows;//行数

	dst=Mat::zeros(src.size(),src.type());//初始化 dst

	for(int row=1 ; row<rows-1 ; row++){
		const uchar* previous = src.ptr<uchar>(row - 1);//上一行
		const uchar* current=src.ptr<uchar>(row);//当前行
		const uchar* next =src.ptr<uchar>(row + 1);//下一行

		uchar* output=dst.ptr<uchar>(row);
		for(int col=1*channels ; col<cols-1*channels ; col++){
			//掩膜操作:I(i,j) = 5*I(i,j) - [I(i-1,j)+I(i+1,j)+I(i,j-1)+I(i,j+1)]
			output[col] =saturate_cast<uchar>( 5 * current[col] - (previous[col] + next[col] + current[col + channels] + current[col + channels]));
		}
	
	}

	namedWindow("output1",CV_WINDOW_AUTOSIZE);
	imshow("output1",src);

	namedWindow("output2",CV_WINDOW_AUTOSIZE);
	imshow("output2",dst);

	waitKey(0);

	return 0;
}
运行效果

在这里插入图片描述
但是如果不使用 saturate_cast 函数
(即:将32行中output[col] =saturate_cast( 5 * current[col] - (previous[col] + next[col] + current[col + channels] + current[col + channels]));
换成output[col] = 5 * current[col] - (previous[col] + next[col] + current[col + channels] + current[col + channels]);),
将会得到以下效果:
在这里插入图片描述

4. 函数调用filter2D功能

  • 定义掩膜:Mat kernel = (Mat_(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
  • filter2D( src, dst, src.depth(), kernel ); 其中src与dst是Mat类型变量、src.depth表示位图深度,有32、24、8等。
代码
#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>

using namespace cv;

int main(int argc,char** argv){
	Mat src,dst;
	src=imread("E:/Experiment/OpenCV/Pictures/dog2.jpg");

	if(!src.data){
		printf("could not load image ...");
		return -1;
	}


	Mat kernel=(Mat_<char>(3,3)<< 0, -1, 0, -1, 5, -1 , 0, -1, 0);
	filter2D(src,dst,src.depth(),kernel);
	//filter2D(src,dst,-1,kernel);

	namedWindow("output1",CV_WINDOW_AUTOSIZE);
	imshow("output1",src);

	namedWindow("output2",CV_WINDOW_AUTOSIZE);
	imshow("output2",dst);

	waitKey(0);

	return 0;
}
运行效果(与上述代码效果一致):

在这里插入图片描述

5.测试运行时间

方法一:(需要头文件: time.h )

......
#include <time.h>
......
int main(){
	clock_t start, finish;
    double  duration;

    start = clock();
    
	//......
    //要执行的内容
    //......
    
    finish = clock();
    duration = (double)(finish - start) / CLOCKS_PER_SEC;
    printf("行优先用时: %f seconds\n", duration);

	return 0;
}

方法二:

......
......
int main(){
	double t=getTickCount();
    
	//......
    //要执行的内容
    //......
    
    double timeConsume = (getTickCount() - t) / getTickFrequency();
	printf("time consume %.2f",timeConsume);

	return 0;
}
案例代码:
#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>

using namespace cv;

int main(int argc,char** argv){
	Mat src,dst;
	src=imread("E:/Experiment/OpenCV/Pictures/dog2.jpg");

	if(!src.data){
		printf("could not load image ...");
		return -1;
	}

	double t=getTickCount();

	Mat kernel=(Mat_<char>(3,3)<< 0, -1, 0, -1, 5, -1 , 0, -1, 0);
	filter2D(src,dst,src.depth(),kernel);
	//filter2D(src,dst,-1,kernel);

	double timeConsume = (getTickCount() - t) / getTickFrequency();
	printf("time consume %.2f",timeConsume);

	namedWindow("output1",CV_WINDOW_AUTOSIZE);
	imshow("output1",src);

	namedWindow("output2",CV_WINDOW_AUTOSIZE);
	imshow("output2",dst);

	waitKey(0);

	return 0;
}
2015-07-07 20:16:37 sinat_22822467 阅读数 1112
用选定的图像、图形或物体,对待处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。用于覆盖的特定图像或物体称为掩模或模板。光学图像处理中,掩模可以足胶片、滤光片等。数字图像处理中,掩模为二维矩阵数组,有时也用多值图像。数字图像处理中,图像掩模主要用于:①提取感兴趣区,用预先制作的感兴趣区掩模与待处理图像相乘,得到感兴趣区图像,感兴趣区内图像值保持不变,而区外图像值都为0。②屏蔽作用,用掩模对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算,或仅对屏蔽区作处理或统计。③结构特征提取,用相似性变量或图像匹配方法检测和提取图像中与掩模相似的结构特征。④特殊形状图像的制作。

逻辑运算+掩膜

阅读数 5

图像处理——掩膜

阅读数 39508

没有更多推荐了,返回首页