矩阵的掩码操作很简单。其思想是：根据掩码矩阵（也称作核）重新计算图像中每个像素的值。掩码矩阵中的值表示近邻像素值（包括该像素自身的值）对新像素值有多大影响。从数学观点看，我们用自己设置的权值，对像素邻域内的值做了个加权平均。

 测试用例

思考一下图像对比度增强的问题。我们可以对图像的每个像素应用下面的公式：

上面那种表达法是公式的形式，而下面那种是以掩码矩阵表示的紧凑形式。使用掩码矩阵的时候，我们先把矩阵中心的元素（上面的例子中是(0,0)位置的元素，也就是5）对齐到要计算的目标像素上，再把邻域像素值和相应的矩阵元素值的乘积加起来。虽然这两种形式是完全等价的，但在大矩阵情况下，下面的形式看起来会清楚得多。

现在，我们来看看实现掩码操作的两种方法。一种方法是用基本的像素访问方法，另一种方法是用  函数。

 基本方法

下面是实现了上述功能的函数：

void Sharpen(const Mat& myImage,Mat& Result){
          CV_Assert(myImage.depth() == CV_8U);  // 仅接受uchar图像    Result.create(myImage.size(),myImage.type());    const int nChannels = myImage.channels();    for(int j = 1 ; j < myImage.rows-1; ++j)    {
              const uchar* previous = myImage.ptr
       
        (j - 1);        const uchar* current  = myImage.ptr
        
         (j    );        const uchar* next     = myImage.ptr
         
          (j + 1);        uchar* output = Result.ptr
          
           (j);        for(int i= nChannels;i < nChannels*(myImage.cols-1); ++i)        {
                  *output++ = saturate_cast
           
            (5*current[i]                         -current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);        }    }    Result.row(0).setTo(Scalar(0));    Result.row(Result.rows-1).setTo(Scalar(0));    Result.col(0).setTo(Scalar(0));    Result.col(Result.cols-1).setTo(Scalar(0));}
           
          
         
        
       

刚进入函数的时候，我们要确保输入图像是无符号字符类型的。为了做到这点，我们使用了  函数。若该函数括号内的表达式为false，则会抛出一个错误。

CV_Assert(myImage.depth() == CV_8U);  // 仅接受uchar图像

然后，我们创建了一个与输入有着相同大小和类型的输出图像。在  一节可以看到，根据图像的通道数，我们有一个或多个子列。我们用指针在每一个通道上迭代，因此通道数就决定了需计算的元素总数。

Result.create(myImage.size(),myImage.type());const int nChannels = myImage.channels();

利用C语言的[]操作符，我们能简单明了地访问像素。因为要同时访问多行像素，所以我们获取了其中每一行像素的指针（分别是前一行、当前行和下一行）。此外，我们还需要一个指向计算结果存储位置的指针。有了这些指针后，我们使用[]操作符，就能轻松访问到目标元素。为了让输出指针向前移动，我们在每一次操作之后对输出指针进行了递增（移动一个字节）：

for(int j = 1 ; j < myImage.rows-1; ++j){
          const uchar* previous = myImage.ptr
       
        (j - 1);    const uchar* current  = myImage.ptr
        
         (j    );    const uchar* next     = myImage.ptr
         
          (j + 1);    uchar* output = Result.ptr
          
           (j);    for(int i= nChannels;i < nChannels*(myImage.cols-1); ++i)    {
              *output++ = saturate_cast
           
            (5*current[i]                     -current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);    }}
           
          
         
        
       

在图像的边界上，上面给出的公式会访问不存在的像素位置（比如(0,-1)）。因此我们的公式对边界点来说是未定义的。一种简单的解决方法，是不对这些边界点使用掩码，而直接把它们设为0：

Result.row(0).setTo(Scalar(0));             // 上边界Result.row(Result.rows-1).setTo(Scalar(0)); // 下边界Result.col(0).setTo(Scalar(0));             // 左边界Result.col(Result.cols-1).setTo(Scalar(0)); // 右边界

 filter2D函数

滤波器在图像处理中的应用太广泛了，因此OpenCV也有个用到了滤波器掩码（某些场合也称作核）的函数。不过想使用这个函数，你必须先定义一个表示掩码的 Mat 对象：

Mat kern = (Mat_
       
        (3,3) <<  0, -1,  0,                               -1,  5, -1,                                0, -1,  0);
       

然后调用  函数，参数包括输入、输出图像以及用到的核：

filter2D(I, K, I.depth(), kern );

它还带有第五个可选参数——指定核的中心，和第六个可选参数——指定函数在未定义区域（边界）的行为。使用该函数有一些优点，如代码更加清晰简洁、通常比 自己实现的方法 速度更快（因为有一些专门针对它实现的优化技术）等等。例如，我测试的滤波器方法仅花了13毫秒，而前面那样自己实现迭代方法花了约31毫秒，二者有着不小差距。

示例：

你可以从  下载这个示例的源代码，也可浏览OpenCV源代码库的示例目录samples/cpp/tutorial_code/core/mat_mask_operations/mat_mask_operations.cpp