掩膜操作
什么是掩膜操作？
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。
上面的公式可以用掩膜矩阵表示成如下的形式。
掩膜操作可以实现图像对比度的调整，使得图像可以锐化，提高图像对比度。
掩膜操作实现图像对比度调整
红色是中心像素，从上到下，从左到右对每个像素做同样的处理操作，得到最终结果就是对比度提高之后的输出图像Mat对象
下面我们继续探究，如果要想进行掩膜操作，就要先获取图像像素指针和进行像素范围处理
如何获取图像像素指针？
CV_Assert(myImage.depth() == CV_8U);
Mat.ptr(int i=0) 获取像素矩阵的指针，索引i表示第几行，从0开始计行数。
获得当前行指针const uchar* current=myImage.ptr(row );
获取当前像素点P(row, col)的像素值 p(row, col) =current[col]
如何像素范围处理？
什么是像素范围处理？
我们在设置图像像素的灰度值或者RGB值时候，如果不了解，会随意设置，以RGB为例，他们的取值范围是从0 到255，所以如果我们输入范围以外的数据，为防止程序出错，我们需要控制范围，保证我们输入非法数据时候，不会导致程序出现问题。
处理的原则如下：
如果我们输入小于0的值，它会返回0， 如果我们输入大于255的值，它会返回255， 如果我们输入0-255之间的值，它会正常返回。
那么我们用的时候怎么进行处理呢？
这里就要用到像素范围处理函数saturate_cast<uchar>
像素范围处理API——saturate_cast<uchar>
saturate_cast<uchar>（-100），返回 0。 saturate_cast<uchar>（288），返回255 saturate_cast<uchar>（100），返回100
这个函数的功能是确保RGB值得范围在0~255之间
掩膜操作的API——filter2D
掩膜操作的API是filter2D，函数原型是：
void filter2D( InputArray src, OutputArray dst, int ddepth, InputArray kernel, Point anchor = Point(-1,-1), double delta = 0, int borderType = BORDER_DEFAULT );
参数：
- InputArray类型的src ，输入图像。
- OutputArray类型的dst ，输出图像，图像的大小、通道数和输入图像相同。
- int类型的ddepth，目标图像的所需深度。
- InputArray类型的kernel，卷积核（或者更确切地说是相关核）是一种单通道浮点矩阵；如果要将不同的核应用于不同的通道，请使用split将图像分割成不同的颜色平面，并分别对其进行处理。。
- Point类型的anchor，表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。。
- double类型的delta，在将筛选的像素存储到dst中之前添加到这些像素的可选值。说的有点专业了其实就是给所选的像素值添加一个值delta。
- int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT。
使用步骤
定义掩膜：Mat kernel = (Mat_<char>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
filter2D( src, dst, src.depth(), kernel );其中src与dst是Mat类型变量、src.depth表示位图深度，有32、24、8等。
例如：
filter2D( src, dst, src.depth(), kernel );
掩膜操作案例
#include <iostream> #include <math.h> #include <opencv2/opencv.hpp> #include<opencv2/highgui.hpp> #include <opencv2/highgui/highgui_c.h> using namespace cv; int main(int argc, char** argv) { Mat src, dst; src = imread("test2.jpg"); if (!src.data) { printf("could not load image...\n"); return -1; } namedWindow("input image", CV_WINDOW_AUTOSIZE); imshow("input image", src); // 矩阵计算 掩膜操作 int cols = (src.cols - 1) * src.channels(); int offsetx = src.channels(); int rows = src.rows; dst = Mat::zeros(src.size(), src.type()); for (int row = 1; row < (rows - 1); row++) { const uchar* previous = src.ptr<uchar>(row - 1); const uchar* current = src.ptr<uchar>(row); const uchar* next = src.ptr<uchar>(row + 1); uchar* output = dst.ptr<uchar>(row); for (int col = offsetx; col < cols; col++) { output[col] = saturate_cast<uchar>(5 * current[col] - (current[col - offsetx] + current[col + offsetx] + previous[col] + next[col])); } } namedWindow("contrast image demo", CV_WINDOW_AUTOSIZE); imshow("contrast image demo", dst); // 使用 掩膜操作API Mat dst2; double t = getTickCount(); Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0); filter2D(src, dst2, src.depth(), kernel); double timeconsume = (getTickCount() - t) / getTickFrequency(); printf("tim consume %.2f\n", timeconsume); namedWindow("filter2D contrast image demo", CV_WINDOW_AUTOSIZE); imshow("filter2D contrast image demo", dst2); waitKey(0); return 0; }
