注：原创不易，转载请务必注明原作者和出处，感谢支持！
所涉及的API
void cv::filter2D(
InputArray src, // 输入图像
OutputArray dst, // 输出图像
int ddepth, // 输出图像深度
InputArray kernel, // 掩膜矩阵（核）
Point anchor = Point(-1, -1),
double delta = 0,
int borderType = BORDER_DEFAULT
);
图像的掩膜操作
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。
[egin{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。
实现效果
-
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
