[TOC]
注：原创不易，转载请务必注明原作者和出处，感谢支持！
什么是图像的掩膜操作？
掩膜操作是指根据掩膜矩阵（也称作核kernel）重新计算图像中每个像素的值。掩膜矩阵中的值表示了邻近像素值（包括该像素自身的值）对新像素值有多大的影响。从数学的观点来看，我们用自己设置的权值，对像素领域内的值做了个加权平均。
比如，下面这个公式表示用5倍当前像素的值减去该像素上、下、左、右四个像素值和，得到的结果赋值给当前像素。使用该公式可以用于提升图像的对比度。调节$I(i,j)$的系数权重可以得到不同的对比度提升效果。
\[ I(i, j) = 5 * I(i, j) - [I(i-1, j) + I(i+1, j) + I(i, j-1) + I(i, j+1)] \]上面的公式可以用掩膜矩阵表示成如下的形式。
\[ \begin{bmatrix} 0&-1&0\\ -1&5&-1\\ 0&-1&0 \end{bmatrix} \]如果不使用OpenCV提供的API，直接利用OpenCV提供的对图像像素的访问功能，则上述公式所对应的掩膜操作可以用下面的代码实现。
#include <iostream> #include <opencv2/opencv.hpp> using namespace cv; using namespace std; int main(int argc, char **argv) { // load image and show Mat src = imread("D:\\IMG\\lena.jpg", IMREAD_COLOR); if (!src.data) { cout << "Error : could not load image." << endl; return -1; } imshow("input image", src); // image sharpen auto rows = src.rows; auto cols = src.cols; auto channels = src.channels(); Mat dst = Mat::zeros(src.size(), src.type()); decltype(src.rows) row, col; for (row = 1; row < (rows - 1); ++row) { // get points pointed to rows of the source image const uchar *prev = src.ptr<uchar>(row - 1); const uchar *curr = src.ptr<uchar>(row); const uchar *next = src.ptr<uchar>(row + 1); uchar *output = dst.ptr<uchar>(row); for (col = channels; col < ((cols - 1) * channels); ++col) { output[col] = saturate_cast<uchar>(7 * curr[col] - curr[col - channels] - curr[col + channels] - prev[col] - next[col]); } } imshow("sharpen image", dst); waitKey(0); return 0; }如果使用filter2D()则可以将上述公式作如下的实现。
// by filter2D() Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 9, -1, 0, -1, 0); filter2D(src, dst, src.depth(), kernel);对于上述两种实现方式，有一些需要注意的地方： (1) 在不使用API直接手写实现方式中，图像最外边的一圈像素将会是黑色的。因为核的大小是3x3的，无法对图像的最边缘一圈像素进行掩膜计算。 (2) 使用APIfilter2D()通常的性能会比自己手写更好。因为OpenCV针对API的性能进行了很好的优化。
原图
直接手写实现，I(i,j)的权重分别为5， 7， 9
使用filter2D实现，I(i,j)的权重分别为5， 7， 9转载于:https://www.cnblogs.com/laizhenghong2012/p/11251593.html
