注：原創不易，轉載請務必注明原作者和出處，感謝支持！
所涉及的API
void cv::filter2D(
InputArray src, // 輸入圖像
OutputArray dst, // 輸出圖像
int ddepth, // 輸出圖像深度
InputArray kernel, // 掩膜矩陣（核）
Point anchor = Point(-1, -1),
double delta = 0,
int borderType = BORDER_DEFAULT
);
圖像的掩膜操作
什么是圖像的掩膜操作？
掩膜操作是指根據掩膜矩陣（也稱作核kernel）重新計算圖像中每個像素的值。掩膜矩陣中的值表示了鄰近像素值（包括該像素自身的值）對新像素值有多大的影響。從數學的觀點來看，我們用自己設置的權值，對像素領域內的值做了個加權平均。
比如，下面這個公式表示用5倍當前像素的值減去該像素上、下、左、右四個像素值和，得到的結果賦值給當前像素。使用該公式可以用於提升圖像的對比度。調節\(I(i,j)\)的系數權重可以得到不同的對比度提升效果。
\[I(i, j) = 5 * I(i, j) - [I(i-1, j) + I(i+1, j) + I(i, j-1) + I(i, j+1)] \]
上面的公式可以用掩膜矩陣表示成如下的形式。
\[\begin{bmatrix} 0&-1&0\\ -1&5&-1\\ 0&-1&0 \end{bmatrix} \]
如果不使用OpenCV提供的API，直接利用OpenCV提供的對圖像像素的訪問功能，則上述公式所對應的掩膜操作可以用下面的代碼實現。
#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()則可以將上述公式作如下的實現。
// by filter2D()
Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 9, -1, 0, -1, 0);
filter2D(src, dst, src.depth(), kernel);
對於上述兩種實現方式，有一些需要注意的地方：
(1) 在不使用API直接手寫實現方式中，圖像最外邊的一圈像素將會是黑色的。因為核的大小是3x3的，無法對圖像的最邊緣一圈像素進行掩膜計算。
(2) 使用APIfilter2D()通常的性能會比自己手寫更好。因為OpenCV針對API的性能進行了很好的優化。
實現效果
-
原圖
-
直接手寫實現，
I(i,j)的權重分別為5， 7， 9
- 使用
filter2D實現，I(i,j)的權重分別為5， 7， 9
