目录
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
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！
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：
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：
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
};
4、代码展示
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：
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：
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：
大家也可以自己尝试一下呀，一定要多做练习！
