1.1首先是用到的理论知识：
上面是一个通用的公式，光知道上面写程序还是有点麻烦的，下面公式画的有点丑，可以表达我的观点。
1.2用到的知识点：可以边看程序边看用到的知识点：
CV_Assert(); //这是C++的一个限制函数，这个不用多说了。
dst.create();//创建一个图像，形式根据参数选定
Mat.ptr<uchar>(i,j)//代表第i行，第j个点的值(j的大小包含通道数),这是一个地址
i = Mat.rols();
j = Mat.cols()*Mat.channels();
ucahr//代表这个容器存储的类型，和C++的Vector<int> test;一样的 Mat.ptr<uchar>(i) //获取像素矩阵的指针，索引i表示第几行，从0开始计行数。这是一个指针
const uchar* current= myImage.ptr<uchar>(row);//获得当前行指针
p(row,col) =current[col]//获取当前像素点P(row, col)的像素值 这是一个值
saturate_cast<uchar>(data)//像素范围处理
uchar//代表data的范围在-128-127
usigned int //代表data的范围在0-255 上面的取值和系统有关，就是一个表达意思，不必深究！
>Max=Max;<Min=Min;
代码如下：
#include<iostream>
#include <opencv2/opencv.hpp>
#include <math.h>
using namespace cv; void Mask(const Mat& src, Mat& dst); int main(int argc,char**argv)
{
const Mat input_image = imread("9.jpg");
namedWindow("Sourse image");
imshow("Sourse image", input_image);
Mat output_image;
Mask(input_image,output_image);
namedWindow("Mask image");
imshow("Mask image",output_image);
waitKey();
return ;
} void Mask(const Mat& src, Mat& dst)
{
CV_Assert(src.depth() == CV_8U);//深度申明，只有unsigend char的可以传入
dst.create(src.size(),src.type());//创建一个和src大小类型一样的空模板
const int nChannels = src.channels();//取出通道数
for (int i = ; i < src.rows - ; i++)
{
const uchar *previous = src.ptr<uchar>(i - );
const uchar *currents = src.ptr<uchar>(i); //源操作图像
const uchar *nexts = src.ptr<uchar>(i + );
uchar *output = dst.ptr<uchar>(i);//目标操作图像
for (int j = nChannels; j < src.cols*nChannels - ; j++)
{
//------------掩膜计算的值进行限幅------------//
*output++ = saturate_cast<uchar>( * currents[j] - currents[j - nChannels]
- currents[j + nChannels] - previous[j] - nexts[j]);
}
}
}
注：第一行第一列，最后一行最后一列都没经过处理，可以取值0，也可以取值原来值
2.1利用OPENCV自带的API函数进行掩膜操作：
Mat kernel = (Mat_<double>(, ) << , -, , -, , , -, , -, );//定义一个矩阵，不懂得可以看Mat的七种操作，记得加红色括号！！
filter2D(input_image, output_image, input_image.depth(), kernel);//掩膜操作函数
测试代码如下：
int main(int argc,char**argv)
{
const Mat input_image = imread("9.jpg");
namedWindow("Sourse image");
imshow("Sourse image", input_image);
Mat output_image;
//Mask(input_image,output_image);
Mat kernel = (Mat_<double>(, ) << , -, , -, , , -, , -, );
filter2D(input_image, output_image, input_image.depth(), kernel);
namedWindow("Mask image");
imshow("Mask image",output_image);
waitKey();
return ;
}
运行图片：
3.1内核函数的扩展：
// 如果上述的核改变成
Kernel = (Mat_<double>(,)<<,,,,,,,,);
Kernel/=/;//那么这就是平滑滤波函数,可以根据自己的情况对内核进行更改
4.1效率测试：
opencv自带的时间计时函数，我们可以利用这个函数进行手写和API进行效率对比：
double Tick=static_cast<double(getTickCount());//static_cast<double>(j)这是C++自带的强制转换，相当于（double）（i），和saturate_cast<double>(i)不同（这是opencv语句）
filter2D(input_image, output_image, input_image.depth(), kernel);
Tick = (static_cast<double>(getTickCount()) - Tick) / getTickFrequency();//频率 X 计数值 = 时间
cout << Tick;
下面是测试时间API=0.004毫秒,手写=0.007
opencv都是进行优化的库，这是小的测试，以后工程大了就能发现其中的奥妙