【opencv学习笔记】017之边缘处理

墨蓝 2021-08-26 21:25 488阅读 0赞

**目录**

一、前言

二、边缘处理

1、为啥处理边缘

2、默认边缘处理

三、自定义边缘处理

1、讲解

2、API

3、borderInterpolate

4、代码展示

1.使用指定颜色

2.用已知边缘

3.使用另一边像素

--------------------

# 一、前言 #

继续填坑。

如果想看其他有关于OpenCV学习方法介绍、学习教程、代码实战、常见报错及解决方案等相关内容，可以直接看我的OpenCV分类：

> [【OpenCV系列】：https://blog.csdn.net/shuiyixin/article/category/7581855][OpenCV_https_blog.csdn.net_shuiyixin_article_category_7581855]

如果你想了解更多有关于计算机视觉、OpenCV、机器学习、深度学习等相关技术的内容，想与更多大佬一起沟通，那就扫描下方二维码加入我们吧！

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_FF36FF_t_70][]

# 二、边缘处理 #

## 1、为啥处理边缘 ##

上节课我们讲到了卷积操作和自定义线性滤波，进行卷积操作之后，图像的行列就会减少，如果卷积核为3×3，那么图像的四周就会减少一像素的边缘，如果卷积核为（2\*k+1）×（2\*k+1），就会减少k像素的边缘。但是我们不希望图像像素减少，我们就需要对边缘做单独的处理，也就是需要自己单独设置边缘。

至于为什么卷积核为（2\*k+1）×（2\*k+1），就会减少k像素的边缘，我们看下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_F4575F_t_70][]

在该图中，我们取卷积核为5×5，这个时候，卷积核的中心距上下左右边缘的距离为2像素，也就是图像的边缘会有两个像素得不到处理，能处理的是红色位置（核中心）包围的正方形区域。

> **除此之外，我们可能还需要自己独立做一些边缘。比如我们需要给图像做边框，或者我们需要对图像进行边界填充等等。**

## 2、默认边缘处理 ##

对于上面提到的由于卷积操作导致的边界无法处理的问题，我们可以使用上节课我们讲到了自定义线性滤波使用的的API的最后一个参数，borderType。通过这个参数，我们可以有一些比较常用的处理方式，常用的边界类型如下：

enum BorderTypes {
        BORDER_CONSTANT    = 0, //!< `iiiiii|abcdefgh|iiiiiii`  with some specified `i`
        BORDER_REPLICATE   = 1, //!< `aaaaaa|abcdefgh|hhhhhhh`
        BORDER_REFLECT     = 2, //!< `fedcba|abcdefgh|hgfedcb`
        BORDER_WRAP        = 3, //!< `cdefgh|abcdefgh|abcdefg`
        BORDER_REFLECT_101 = 4, //!< `gfedcb|abcdefgh|gfedcba`
        BORDER_TRANSPARENT = 5, //!< `uvwxyz|absdefgh|ijklmno`
    
        BORDER_REFLECT101  = BORDER_REFLECT_101, //!< same as BORDER_REFLECT_101
        BORDER_DEFAULT     = BORDER_REFLECT_101, //!< same as BORDER_REFLECT_101
        BORDER_ISOLATED    = 16 //!< do not look outside of ROI
    };

除了默认的**BORDER\_DEFAULT**。最常用的还有：

>  - **BORDER\_CONSTANT** – 填充边缘用指定像素值
> 
>  - **BORDER\_REPLICATE** – 填充边缘像素用已知的边缘像素值。
> 
>  - **BORDER\_WRAP** – 用另外一边的像素来补偿填充

我们可以通过如下代码去观看效果：

#include<iostream>
    #include<opencv2/opencv.hpp>
    
    using namespace std;
    using namespace cv;
    
    int main()
    {
    	Mat img, src, kernel;
    	img = imread("E:/image/girl2.png");
    	if (!img.data)
    	{
    		cout << "could not load image !";
    		return -1;
    	}
    	imshow("【输入图像】", img);
    	kernel = Mat::ones(Size(3, 3),CV_32F)/9;
            //对于下面的函数，如果最后一个参数不写，就是默认为BORDER_DEFAULT。
    	filter2D(img, src, -1, kernel, Point(-1, -1),0);
    	//filter2D(img, src, -1, kernel, Point(-1, -1),0,BORDER_DEFAULT); 
            
    	cout << kernel << endl;
    
    
    	imshow("【输出图像】", src);
    
    	waitKey(0);
    	return 0;
    }

想观看不同的效果，我们需要修改如下函数：

//对于下面的函数，如果最后一个参数不写，就是默认为BORDER_DEFAULT。
    	filter2D(img, src, -1, kernel, Point(-1, -1),0);
    	//filter2D(img, src, -1, kernel, Point(-1, -1),0,BORDER_DEFAULT); 
    
            //filter2D(img, src, -1, kernel, Point(-1, -1),0,BORDER_CONSTANT); 
    
            //filter2D(img, src, -1, kernel, Point(-1, -1),0,BORDER_REPLICATE); 
    
            //filter2D(img, src, -1, kernel, Point(-1, -1),0,BORDER_WRAP);

# 三、自定义边缘处理 #

## 1、讲解 ##

通过上面的讲解我们知道了为什么要进行边缘处理，也讲了默认的边缘处理方式，但是默认的边缘处理方式，只能解决由于卷积等操作导致的图片边缘无法处理问题，也就是说，单独的一个参数无法满足我们的需求，比如我们希望处理更多位置的边缘，不仅仅是未处理位置，如果默认的方式不能满足我们的要求，我们就需要自己自定义边缘处理方式。

## 2、API ##

我们用到如下API：

void copyMakeBorder( 
        InputArray src, 
        OutputArray dst, 
        int top, 
        int bottom, 
        int left, 
        int right,
        int borderType,
        const Scalar& value = Scalar()
    );

函数参数含义如下：

> （1）InputArray类型的src ，输入图像。
> 
> （2）OutputArray类型的dst ，输出图像，图像的类型和输入图像相同，尺寸为：Size(src.cols+left+right, src.rows+top+bottom)。
> 
> （3）int类型的top，
> 
> （4）int类型的bottom，
> 
> （5）int类型的left，
> 
> （6）int类型的right，上面四个参数是图像要增加的边缘的大小。
> 
> （7）int类型的borderType，边缘的类型。参照 borderInterpolate。
> 
> （8）Scalar类型的value，borderType==BORDER\_CONSTANT时的边界值

> **注：使用这种方式会修改图像的尺寸。**

## 3、borderInterpolate ##

我们在上面提到了borderInterpolate，这个是一个函数，具体内容如下：

int borderInterpolate(int p, int len, int borderType);

函数参数含义如下：

@param borderType Border type, one of the cv::BorderTypes, except for cv::BORDER\_TRANSPARENT and cv::BORDER\_ISOLATED . When borderType==cv::BORDER\_CONSTANT , the function always returns -1, regardless of p and len.

> （1）int类型的p，沿其中一个轴外推像素的基于0的坐标，可能小于0或等于len。
> 
> （2）int类型的len，数组沿相应轴的长度。
> 
> （3）int类型的borderType，边缘的类型。除了cv::BORDER\_TRANSPARENT 和 cv::BORDER\_ISOLATED，当borderType==cv::BORDER\_CONSTANT时，不管p和len为多少，函数总是返回-1。

而这里面提到的borderType，就是我们之前讲到的：

## 4、代码展示 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFF85F_t_70][] 原图

对于上面的原图，我们尝试使用不同的边缘处理方式来操作。

### 1.使用指定颜色 ###

如果我们用指定的颜色像素来填充，那我们就需要使用 - **BORDER\_CONSTANT** – 。我们在图像四周分别设置5像素的红色边缘。

#include<iostream>
    #include<opencv2/opencv.hpp>
    
    using namespace std;
    using namespace cv;
    
    int main()
    {
    	Mat img, src, kernel;
    	Scalar color = Scalar(0, 0, 255);
    	img = imread("E:/image/girl5.png");
    	if (!img.data)
    	{
    		cout << "could not load image !";
    		return -1;
    	}
    	imshow("【输入图像】", img);
    
    
    	copyMakeBorder(img,src,5,5,5,5, BORDER_CONSTANT,color);
    	imshow("【输出图像】", src);
    
    	waitKey(0);
    	return 0;
    }

得到的结果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FF75FF_t_70][]**BORDER\_CONSTANT**

### 2.用已知边缘 ###

如果我们用已知边缘来填充，那我们就需要使用 - **BORDER\_REPLICATE** – 。最后一个参数可以忽略，为了效果更加明显，我们将边缘设置的更大一些。

#include<iostream>
    #include<opencv2/opencv.hpp>
    
    using namespace std;
    using namespace cv;
    
    int main()
    {
    	Mat img, src, kernel;
    	Scalar color = Scalar(0, 0, 255);
    	img = imread("E:/image/girl5.png");
    	if (!img.data)
    	{
    		cout << "could not load image !";
    		return -1;
    	}
    	imshow("【输入图像】", img);
    
    	copyMakeBorder(img, src, 55, 55, 55, 55, BORDER_REPLICATE);
    	imshow("【输出图像】", src);
    
    	waitKey(0);
    	return 0;
    }

得到的结果如下，我们能明显看到，就是用已有的边界的值向四周填充：

![wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw==][wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_F12FFF_t_70][]**BORDER\_REPLICATE**

### 3.使用另一边像素 ###

如果我们用另一边像素来填充，那我们就需要使用 - **BORDER\_WRAP** – 。同样最后一个参数忽略不写。

#include<iostream>
    #include<opencv2/opencv.hpp>
    
    using namespace std;
    using namespace cv;
    
    int main()
    {
    	Mat img, src, kernel;
    	Scalar color = Scalar(0, 0, 255);
    	img = imread("E:/image/girl5.png");
    	if (!img.data)
    	{
    		cout << "could not load image !";
    		return -1;
    	}
    	imshow("【输入图像】", img);
    
    	copyMakeBorder(img, src, 55, 55, 55, 55, BORDER_WRAP);
    	imshow("【输出图像】", src);
    
    	waitKey(0);
    	return 0;
    }

得到的结果如下：

![wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw==][wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_F78FFF_t_70][] BORDER\_WRAP

大家也可以自己尝试一下呀，一定要多做练习！

[OpenCV_https_blog.csdn.net_shuiyixin_article_category_7581855]: https://blog.csdn.net/shuiyixin/article/category/7581855
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_FF36FF_t_70]: /images/20210516/cd8bf1eeafe24520866be02ec46e4185.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_F4575F_t_70]: /images/20210516/0370b9bb23a241baa8cb022e7a2d7671.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFF85F_t_70]: /images/20210516/7b6fea5c60d6473a9a4f7cb0ee0d333c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FF75FF_t_70]: /images/20210516/8a90d3d2d12f4b1299a482d68d088c0c.png
[wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw]: 
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_F12FFF_t_70]: /images/20210516/a1141ae028da4d62908e864147158975.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_F78FFF_t_70]: /images/20210516/6aa53dc4bb2e4398813556a27423fcda.png