1.1opencv学习笔记矩阵的掩模操作

矩阵的掩模是根据掩模来重新计算每个像素的像素值，掩模（mask）也被称为kernel,通过掩模操作实现的图像对比度调整。掩模操作的原理：

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，计算公式：I(i,j)==5*I(i,j)-[I(i-1,j)+(i+1,j)+(i,j-1)+(i,j+1)]

掩模的操作还可以调用filter2D函数，具体方法如下：
1.定义掩膜：Mat kernel = (Mat_(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
2.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

本文代码实现的主要函数有：
（1）.获取图像像素指针
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]
（2）.像素范围处理saturate_cast<uchar>,这个函数的功能是确保RGB值的范围在0~255之间:

saturate_cast<uchar>（-100），返回 0。
saturate_cast<uchar>（288），返回25
saturate_cast<uchar>（100），返回100

代码如下：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;

int main(int argc, char** argv) {
	Mat src, dst;
	src = imread("E:/9.JPG");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input image");
	imshow("input image", src);

	
	/*int cols = (src.cols-1) * src.channels();
	int offsetx = src.channels();
	int rows = src.rows;
//初始化输出图像，zeros使输出图像的大小，类型与输入的图像一致
	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]));
		}
	}
	*/
	double t = getTickCount();//执行时间
	Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	filter2D(src, dst, src.depth(), kernel);
	double timeconsume = (getTickCount() - t) / getTickFrequency();
	printf("tim consume %.2f\n", timeconsume);

	namedWindow("OUTPUT");
	imshow("OUTPUT", dst);

	waitKey(0);
	return 0;
}