矩阵的掩码操作
矩阵的掩码操作（mask operation）相当简单。其思想是根据一个掩码矩阵（也称为卷积核/kernel）来重新计算图像中每个像素的值。该掩码保存的值将调整相邻像素（以及当前像素）对新像素值的影响程度。从数学角度来看，我们用指定的值做了一个加权平均。
让我们考虑图像对比度增强方法的问题。基本上，我们想对图像的每个像素应用以下公式：
（上述矩阵的行、列索引对应 -1、0、+1。）
第一种记法使用的是公式，而第二种是使用掩码对第一种记法的紧凑版本。使用掩码时，将掩码矩阵的中心（在上例中由 0-0 索引标注）放在你要计算的像素上，然后将像素值与重叠的矩阵值相乘后求和。这是一回事，不过在矩阵较大的情况下，后一种记法要容易查看得多。
C++
你可以从此处下载此源代码，或在 OpenCV 源码库的 samples 目录 samples/cpp/tutorial_code/core/mat_mask_operations/mat_mask_operations.cpp 中查看。
（完整代码见C++ 源代码。）
Java
你可以从此处下载此源代码，或在 OpenCV 源码库的 samples 目录 samples/java/tutorial_code/core/mat_mask_operations/MatMaskOperations.java 中查看。
（完整代码见Java 源代码。）
Python
你可以从此处下载此源代码，或在 OpenCV 源码库的 samples 目录 samples/python/tutorial_code/core/mat_mask_operations/mat_mask_operations.py 中查看。
（完整代码见Python 源代码。）
现在让我们看看如何使用基本的像素访问方法或 filter2D() 函数来实现这一点。
以下是一个能完成此任务的函数：
（基本方法的代码实现见源代码。）
首先，我们确保输入图像的数据为 unsigned char 格式。为此，我们使用 CV_Assert 函数（宏），当其中的表达式为假时会抛出错误。
（8 位格式断言的代码实现见源代码。）
我们创建一个与输入尺寸和类型相同的输出图像。正如你可以在存储一节中所看到的，根据通道数的不同，我们可能有一个或多个子列。
C++
我们将通过指针遍历它们，因此元素的总数取决于这个数字。
（创建通道的代码实现见源代码。）
Python
height, width, n_channels = my_image.shaperesult = np.zeros(my_image.shape, my_image.dtype)
C++
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，所以我们要获取每一行的指针（前一行、当前行和下一行）。我们还需要另一个指针指向我们要保存计算结果的位置。然后用 [] 运算符简单地访问正确的项。为了使输出指针前移，我们在每次操作后简单地递增它（一个字节）：
（基本方法循环的代码实现见源代码。）
在图像的边界处，上述记法会导致不存在的像素位置（比如 -1、-1）。在这些点上我们的公式是未定义的。一个简单的解决方案是不在这些点上应用卷积核，例如，将边界上的像素设为零：
（边界处理的代码实现见源代码。）
Java / Python
我们需要访问多行和多列，这可以通过在当前中心 (i,j) 上加或减 1 来完成。然后我们应用求和并将新值放入 Result 矩阵。
（基本方法循环的代码实现见源代码。）
在图像的边界处，上述记法会导致不存在的像素位置（比如 (-1,-1)）。在这些点上我们的公式是未定义的。一个简单的解决方案是不在这些点上应用卷积核，例如，将边界上的像素设为零：
（边界处理的代码实现见源代码。）
filter2D 函数
Section titled “filter2D 函数”在图像处理中，应用此类滤波器非常常见，因此 OpenCV 中有一个函数专门负责应用掩码（在某些地方也称为卷积核）。为此，你首先需要定义一个保存掩码的对象：
（定义卷积核的代码实现见源代码。）
然后调用 filter2D() 函数，指定输入、输出图像和要使用的卷积核：
（调用 filter2D 的代码实现见源代码。）
该函数甚至还有第五个可选参数用于指定卷积核的中心，第六个用于在将滤波后的像素存入 K 之前添加一个可选值，第七个用于确定在操作未定义的区域（边界）该怎么做。
这个函数更短、更简洁，而且由于有一些优化，它通常比手工编码的方法更快。例如在我的测试中，第二种方法只用了 13 毫秒，而第一种大约用了 31 毫秒。差距相当大。
例如：
你可以在我们的 YouTube 频道上查看程序运行实例。