矩阵的掩膜操作(mask)并不难。主要思路为:根据掩膜矩阵（也称为内核kernel）重新计算图像中每个像素的值。利用掩膜矩阵调整相邻像素对当前像素值的影响。从数学的角度来看，即是利用特定的权重值,对像素做一个加权平均。

测试案例

来看一下如何增强图像对比度的示例,按照以下公式重新计算图像各个像素：

第一种是利用公式做计算，而第二种是第一种使用mask来计算的简化版本。需要计算的像素对准掩膜矩阵的中心,将像素值和掩膜矩阵的值相加后求和。对于较大的图像来说,操作也是相同，后者的表述更容易被理解。

代码

可以到这里下载源代码，或者到以下目录中查看OpenCV的源代码示例库。

基本方法

接下来看下，如何通过两种方法来实现上述功能。一是使用获取像素值的基本方法，另一个是使用filter2D函数。

该函数的功能如下：

首先，应确保输入图像的数据类型是无符号的字符格式(unsigned char),当内部表达发生错误时,使用 cv::CV_Assert函数来报错。

cv::CV_Assert函数

创建一个与输入图像尺寸和数据类型均相同的输出图像。正如在存储部分所述，这需要根据通道的数量和子列的数目来定。依据以上两个数目,通过指针的迭代,遍历像素矩阵中的所有元素。

利用普通的C操作符[]存取像素,由于需要在同一时间需要访问多个行，所以必须获取多个行的指针（前一行，当前行和下一行）,同时还需要用另一个指针指向存储计算值的地方。然后，只需利用操作符 []来访问像素,只要在每次操作之后,简单地将输出指针增加一个字节,便能方便地移动输出指针。

在图像的边界上,会有不存在的像素位置（如(-1)—(-1)）,在这种情况下,公式未作出明确的定义,最为简单的解决方案是不对这些点使用内核，边界的像素值设置为0：

filter2D函数

在图像处理过程中,滤波器应用得非常普遍，在OpenCV中，有一个应用掩膜矩阵(在某些地方称之为内核)的函数。首先需要定义一个保存掩膜矩阵的对象：

然后调用filter2D（）函数,指定输入图像、输出图像和所使用的内核：

该函数第五个参数为可选的参数,用来指定内核的中心;第六个参数用于在存储滤波像素之前,为其添加一个可选值;第七个参数用于确定对未定义的区域（边界）做什么操作。这个函数比较短小简洁,通过优化之后,速度要比hand-coded方法快。例如，在本项测试中，hand-coded方法花了约31毫秒时间,而第一种方法只用了13毫秒的时间,二者之间颇有些差异。

例如:

可以在YouTube上观看示例程序的运行视频。

注：本文以C++语言代码为例，获取Java和python版本可在原文中查看：