需求说明
在对图像进行处理时，经常会有这类需求：想对感兴趣区域进行掩膜处理，只操作掩膜内数据，此时需要搭配掩膜绘制功能，并在绘制过程中希望能区分掩膜区和非掩膜区；除了掩膜本身的线条以外，还希望掩膜内图像是原色，掩膜外图像的颜色进行一定调整；通常可以采用图像透明化或者色彩单通道加深的方式实现。
比如对三通道的图像，可以将掩膜外数据的红通道数值提高，此时该部分图像就会偏红色，如下图1所示。
图1 颜色加深的蒙版效果
但是针对灰度图，因为图像数据本身就是单通道的，就不能借用颜色通道或者透明通道了；有一个基础的办法是将非掩膜区数据同时加减某个数值，这种方法简单但有一个弊端，比如我加了50，那原图200-255之间的数值都将变为255，这样就损坏了原图的某些特征信息。为此，我们采用非线性的算法将其进行较为合理的数值调整。
下面介绍具体实现流程。
具体流程
1）构造非线性参数。其中n为函数输入的参数，范围在-100到100；a、b、k为算法参数，公式见下。
n = min(max(n, -100), 100);
int k = 4;
float b = n / 100.f / k;
float a = 1.0f + k * b;
2）参照上式，对掩膜外数据进行如下处理。
float temp = pow(float(in[j]) / 255.f, 1.0f / a) * (1.0 / (1 + b));
3）temp的数值需要进行校准，因为灰度值如果是uchar型，范围在0-255之间，校准后乘上255，即可得到算法计算的结果。
if (temp > 1.0f)
temp = 1.0f;
if (temp < 0.0f)
temp = 0.0f;
uchar utemp = uchar(255 * temp);
r[j] = utemp;
4）掩膜内数值保持不变。
r[j] = in[j];
5）输出图像，完成。
功能函数
// 灰度图蒙版
cv::Mat GrayMask(cv::Mat input, cv::Mat mask, int n)
{
// 通道判断
if (input.channels() != 1)
{
return input;
}
// 非线性参数
// 当n=100时，非掩膜区呈灰色；当n=0时，非掩膜区无变化；当n=-100时，非掩膜区黑色
// n越小，非掩膜区越暗，n越大，非掩膜区越灰
// 目的是区分非掩膜区和掩膜区
n = min(max(n, -100), 100);
int k = 4;
float b = n / 100.f / k;
float a = 1.0f + k * b;
// 蒙版处理
cv::Mat result = cv::Mat::zeros(input.size(), input.type());
for (int i = 0; i < input.rows; ++i)
{
uchar *m = mask.ptr<uchar>(i);
uchar *in = input.ptr<uchar>(i);
uchar *r = result.ptr<uchar>(i);
for (int j = 0; j < input.cols; ++j)
{
if (m[j] == 0)
{
float temp = pow(float(in[j]) / 255.f, 1.0f / a) * (1.0 / (1 + b));
if (temp > 1.0f)
temp = 1.0f;
if (temp < 0.0f)
temp = 0.0f;
uchar utemp = uchar(255 * temp);
r[j] = utemp;
}
else {
r[j] = in[j];
}
}
}
return result;
}
C++测试代码
#include <iostream>
#include <unordered_map>
#include <unordered_set>
#include <stdio.h>
#include <io.h>
#include <chrono>
#include <time.h>
#include <stdio.h>
#include <direct.h>
#include <ctime>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
using namespace std;
using namespace cv;
cv::Mat GrayMask(cv::Mat input, cv::Mat mask, int n);
int main()
{
// 读取灰度图
cv::Mat src = imread("1.png",0);
// 绘制掩膜
cv::Mat mask = cv::Mat::zeros(src.size(), CV_8UC1);
cv::circle(mask, cv::Point(src.cols / 2, src.rows / 2), 100, cv::Scalar(255), -1);
// 灰度图蒙版
cv::Mat result = GrayMask(src, mask, 100);
// 结果显示
imshow("src", src);
imshow("result", result);
waitKey(0);
system("pause");
return 0;
}
// 灰度图蒙版
cv::Mat GrayMask(cv::Mat input, cv::Mat mask, int n)
{
// 通道判断
if (input.channels() != 1)
{
return input;
}
// 非线性参数
// 当n=100时，非掩膜区呈灰色；当n=0时，非掩膜区无变化；当n=-100时，非掩膜区黑色
// n越小，非掩膜区越暗，n越大，非掩膜区越灰
// 目的是区分非掩膜区和掩膜区
n = min(max(n, -100), 100);
int k = 4;
float b = n / 100.f / k;
float a = 1.0f + k * b;
// 蒙版处理
cv::Mat result = cv::Mat::zeros(input.size(), input.type());
for (int i = 0; i < input.rows; ++i)
{
uchar *m = mask.ptr<uchar>(i);
uchar *in = input.ptr<uchar>(i);
uchar *r = result.ptr<uchar>(i);
for (int j = 0; j < input.cols; ++j)
{
if (m[j] == 0)
{
float temp = pow(float(in[j]) / 255.f, 1.0f / a) * (1.0 / (1 + b));
if (temp > 1.0f)
temp = 1.0f;
if (temp < 0.0f)
temp = 0.0f;
uchar utemp = uchar(255 * temp);
r[j] = utemp;
}
else {
r[j] = in[j];
}
}
}
return result;
}
测试效果
图2 原图
图3 灰度图蒙版效果
如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~
到此这篇关于C++ OpenCV实现灰度图蒙版GrayMask的示例代码的文章就介绍到这了,更多相关C++ OpenCV灰度图蒙版内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
