您需要做的就是创建一个函数，该函数接收一个中心点和一个新点，计算距离，并返回该点的灰度值。或者，您可以只返回距离，在该点存储 距离，然后稍后使用 cv::normalize() 缩放整个事物。
假设您在(100, 100) 图像中的中心点为(50, 50)。这是您想要做的伪代码：
function euclideanDistance(center, point) # returns a float
return sqrt( (center.x - point.x)^2 + (center.y - point.y)^2 )
center = (50, 50)
rows = 100
cols = 100
gradient = new Mat(rows, cols) # should be of type float
for row < rows:
for col < cols:
point = (col, row)
gradient[row, col] = euclideanDistance(center, point)
normalize(gradient, 0, 255, NORM_MINMAX, uint8)
gradient = 255 - gradient
注意这里的步骤：
- 创建欧几里得距离函数来计算距离
- 创建一个浮点矩阵来保存距离值
- 循环遍历所有行和列并分配距离值
- 标准化为您想要的范围（您可以在此处坚持使用浮点数，而不是强制转换为
uint8，但您可以这样做）
- 翻转二值渐变，因为距离越远会越亮 --- 但您想要相反。
现在对于您的确切示例图像，圆圈中有一个渐变，而此方法只是将整个图像创建为渐变。在您的情况下，如果您想要一个特定的半径，只需修改计算欧几里得距离的函数，如果超出某个距离，请将其设置为 0（圆心的值，最终将翻转为白色） ：
function euclideanDistance(center, point, radius) # returns a float
distance = sqrt( (center.x - point.x)^2 + (center.y - point.y)^2 )
if distance > radius:
return 0
else
return distance
这是上面的实际 C++ 代码：
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <cmath>
float euclidean_distance(cv::Point center, cv::Point point, int radius){
float distance = std::sqrt(
std::pow(center.x - point.x, 2) + std::pow(center.y - point.y, 2));
if (distance > radius) return 0;
return distance;
}
int main(){
int h = 400;
int w = 400;
int radius = 100;
cv::Mat gradient = cv::Mat::zeros(h, w, CV_32F);
cv::Point center(150, 200);
cv::Point point;
for(int row=0; row<h; ++row){
for(int col=0; col<w; ++col){
point.x = col;
point.y = row;
gradient.at<float>(row, col) = euclidean_distance(center, point, radius);
}
}
cv::normalize(gradient, gradient, 0, 255, cv::NORM_MINMAX, CV_8U);
cv::bitwise_not(gradient, gradient);
cv::imshow("gradient", gradient);
cv::waitKey();
}
一个完全不同的方法（虽然做同样的事情）是使用distanceTransform()。该函数将从白色斑点中心到最近的黑色值的距离映射到灰度值，就像我们在上面所做的那样。这段代码更简洁并且做同样的事情。但是，它可以处理任意形状，而不仅仅是圆形，这很酷。
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
int main(){
int h = 400;
int w = 400;
int radius = 100;
cv::Point center(150, 200);
cv::Mat gradient = cv::Mat::zeros(h, w, CV_8U);
cv::rectangle(gradient, cv::Point(115, 100), cv::Point(270, 350), cv::Scalar(255), -1, 8 );
cv::Mat gradient_padding;
cv::bitwise_not(gradient, gradient_padding);
cv::distanceTransform(gradient, gradient, CV_DIST_L2, CV_DIST_MASK_PRECISE);
cv::normalize(gradient, gradient, 0, 255, cv::NORM_MINMAX, CV_8U);
cv::bitwise_or(gradient, gradient_padding, gradient);
cv::imshow("gradient-distxform.png", gradient);
cv::waitKey();
}