矩阵上的掩码操作非常简单。 我们的想法是根据掩模矩阵（也称为内核）重新计算图像中的每个像素值。 此掩码包含的值将调整相邻像素（和当前像素）对新像素值的影响程度。 从数学的角度来看，我们使用指定的值进行加权平均。
测试样例
让我们考虑图像对比度增强方法的问题。 基本上我们想要为图像的每个像素应用以下公式：
第一种表示法是使用公式，而第二种表示法是第一种使用掩码的压缩版本。 您可以通过将掩码矩阵的中心（在零大小索引中用大写字母表示）放在要计算的像素上来使用掩码，并将像素值与重叠矩阵值相乘。 这是一回事，但是对于大型矩阵，后一种表示法更容易查看。
基本的实现方式
首先，我们确保输入图像数据是无符号字符格式。 我们使用cv :: CV_Assert函数，该函数在其中的表达式为false时抛出错误。
我们创建一个输出图像，其大小和类型与输入相同。 正如您在存储部分中看到的，根据通道的数量，我们可能有一个或多个子列。 我们将通过指针迭代它们，因此元素的总数取决于此数字。
我们将使用普通的C []运算符来访问像素。 因为我们需要同时访问多行，所以我们将获取每个行的指针（前一个，当前行和下一行）。 我们需要另一个指向我们要保存计算的位置的指针。 然后使用[]运算符访问正确的项目。 为了将输出指针向前移动，我们只需在每次操作后增加（使用一个字节）：
在图像的边界上，上面的符号表示不存在的像素位置（例如减去1 - 减1）。 在这些方面，我们的公式是不确定的。 一个简单的解决方案是不在这些点中应用内核，例如，将边框上的像素设置为零：
filter2D函数
这样的滤波器在图像处理中非常常见，以至于在OpenCV中存在将负责应用掩模的功能（在某些地方也称为内核）。 为此，您首先需要定义一个保存mask的Mat对象：
然后调用cv :: filter2D函数指定要使用的输入，输出图像和kernell：
该函数甚至有第五个可选参数来指定内核的中心，第六个用于确定在操作未定义的区域（边框）中要做什么。 使用此函数的优点是它更短，更简洁，并且因为实现了一些优化技术，它通常比手动编码方法更快。具体的运行示例：
