影像的通道

影像的通道就是把影像分解成一個或多個顏色成分，常見的有單通道，三通道和四通道

1. 單通道：灰度影像，一個像素點只需要一個數值即可表示，0-255（0為黑色，255為白色）

2. 三通道：RGB影像，為紅綠藍三種顏色通道的疊加，三個通道缺一不可，每個通道由0-255的數值表示，當使用矩陣表示三個通道時，三個通道是并串列示的，所以rgb的影像矩陣列數為單個通道的列數乘以通道數，

3. 四通道：在三通道的基礎上加上了透明度（0是完全透明，255是完全不透明）

掩膜

1.掩膜的定義

掩模（Mask）是由0和1組成的一個二進制影像，當在某一功能中應用掩模時，1值區域被處理，被屏蔽的0值區域不被包括在計算中，通過指定的資料值、資料范圍、有限或無限值、感興趣區和注釋檔案來定義影像掩模，也可以應用上述選項的任意組合作為輸入來建立掩模，

建立掩膜后，通過影像與掩膜相乘得到的影像就是掩膜操作后的影像

通過掩膜可以屏蔽某些不需要的區域，或者對某些區域的影像數值進行特殊運算，實際上就是利用掩膜矩陣對原來的影像矩陣重新進行運算

2.利用掩膜提高影像的對比度

下面這個公式表示用5倍當前像素的值減去該像素上、下、左、右四個像素值和，得到的結果賦值給當前像素，
使用該公式可以用于提升影像的對比度，調節I(i,j)的系數權重可以得到不同的對比度提升效果，

通過這種掩膜操作就可以提高影像的對比度

opencv實作掩膜操作

1.opencv對影像像素的處理

用到的函式

（1）、CV_Assert(myImage.depth() == CV_8U)

CV_Assert()函式判斷括號中是否為真，當括號中的結果為false時，回傳一個錯誤資訊，這里是為了保證輸入的影像是uchar型別的，

（2）、Mat.ptr(int i=0)

獲取影像矩陣的指標，其中小括號中的i表示的是影像矩陣的第幾行，從0開始計數，

（3）、saturate_cast()處理像素值的范圍

確保RGB影像的像素值在0-255之間
saturate_cast(-100)，回傳0
saturate_cast(288)，回傳255
saturate_cast(100)，回傳100
其實就是一個型別轉換函式，將圓弧括號中的型別轉換成尖括號中的型別，

（4）、setTo()

opencv中的setTo函式是將指定的元素設定為指定的值
例如：
1、有一個Mat src，想將他的值全部設定成0，則可以src.setTo(0)
2、setTo還有更為高級的用法，對于一個已知的src，我們要將其中大于或者小于某個值的像素值設定為指定的值，則可以如下：src.setTo(0,src < 10);這句話的意思是，當src中的某個像素值小于10的時候，就將該值設定成0.

代碼實作（帶注釋）

	CV_Assert(myImage.depth() == CV_8U);  // CV_Assert()函式對括號內的內容進行判斷，若為false，則回傳錯誤資訊	
										  //這里要確保輸入的影像是uchar型別的
	const int nChannels = myImage.channels();	//影像的通道數
	Result.create(myImage.size(), myImage.type());	//創建一個影像，第一個引數是影像的大小（和原影像一致），第二個引數是影像矩陣型別，和原影像一樣
	for (int j = 1; j < myImage.rows - 1; ++j) //行掃描
	{
		const uchar* previous = myImage.ptr<uchar>(j - 1);	//定義上一行
		const uchar* current = myImage.ptr<uchar>(j);		//定義當前行
		const uchar* next = myImage.ptr<uchar>(j + 1);		//定義下一行
		uchar* output = Result.ptr<uchar>(j);	//output指標在第j行行頭
 		for (int i = nChannels; i < nChannels*(myImage.cols - 1); ++i)	//列掃描，從i=nChannels（第二組）開始
		{
			*output++ = saturate_cast<uchar>(5 * current[i]
				- current[i - nChannels] - current[i + nChannels] - previous[i] - next[i]);	//對輸出影像處理，從第j行第i列開始加
		} 

2、函式呼叫-filter2D功能

（1）定義掩膜矩陣

Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0,
		-1, 5, -1,
		0, -1, 0);	//定義掩膜矩陣

這里定義的矩陣就是進行掩膜操作的運算矩陣

（2）呼叫filter2D（）函式

filter2D函式括號內包括4個引數
例如

filter2D(src, dst1, src.depth(), kernel);

其中第一個和第二個引數表示的是輸入影像和輸出影像
第三個引數表示的是位圖深度，有32、24、8等
第四個引數表示的是掩膜矩陣，就是上面定義的kernel

完整代碼（詳細注釋）

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace std;
using namespace cv;
static void help(char* progName)
{
	cout << endl
		<< "This program shows how to filter images with mask: the write it yourself and the"
		<< "filter2d way. " << endl
		<< "Usage:" << endl
		<< progName << " [image_path -- default lena.jpg] [G -- grayscale] " << endl << endl;
}
void Sharpen(const Mat& myImage, Mat& Result);
int main(int argc, char* argv[])
{
	help(argv[0]);
	Mat src, dst0, dst1;
	src = imread("A:/opencvproject/pikaqiu.jpg", IMREAD_COLOR);
	if (src.empty())	//判斷影像是否存在
	{
		cerr << "Can't open image"<< endl;
		return EXIT_FAILURE;
	}
	namedWindow("Input", WINDOW_AUTOSIZE);	//創建視窗input（輸入影像的視窗）
	namedWindow("Output", WINDOW_AUTOSIZE);	//創建視窗output（輸出影像的視窗）
	imshow("Input", src);	//顯示輸入影像src
	//第一種方式，具體實作在Sharpen()函式中
	double t = (double)getTickCount();	//開始記錄時間
	Sharpen(src, dst0);
	t = ((double)getTickCount() - t) / getTickFrequency();	//記錄轉換完成時間-轉換開始時間
	cout << "Hand written function time passed in seconds: " << t << endl;	//列印轉換所用時間
	imshow("Output", dst0);	//顯示輸出影像dst0
	waitKey();	//等待鍵盤輸入
	//下面是第二種方式，使用filter2D();
	Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0,
		-1, 5, -1,
		0, -1, 0);	//定義掩膜矩陣
	t = (double)getTickCount();	//記錄第二種時間的開始時間
	filter2D(src, dst1, src.depth(), kernel);	//使用filter2D()函式實作影像掩膜操作
	t = ((double)getTickCount() - t) / getTickFrequency();	//記錄影像轉換所用時間
	cout << "Built-in filter2D time passed in seconds:     " << t << endl;	//列印使用filter2D函式所用的時間
	imshow("Output", dst1);	//展示第二種方式輸出的影像dst1
	waitKey();	//等待鍵盤輸入
	return EXIT_SUCCESS;
}
//第一種轉換方式的實作函式
void Sharpen(const Mat& myImage, Mat& Result)
{
	CV_Assert(myImage.depth() == CV_8U);  // CV_Assert()函式對括號內的內容進行判斷，若為false，則回傳錯誤資訊	
										  //這里要確保輸入的影像是uchar型別的
	const int nChannels = myImage.channels();	//影像的通道數
	Result.create(myImage.size(), myImage.type());	//創建一個影像，第一個引數是影像的大小（和原影像一致），第二個引數是影像矩陣型別，和原影像一樣
	for (int j = 1; j < myImage.rows - 1; ++j) //行掃描
	{
		const uchar* previous = myImage.ptr<uchar>(j - 1);	//定義上一行
		const uchar* current = myImage.ptr<uchar>(j);		//定義當前行
		const uchar* next = myImage.ptr<uchar>(j + 1);		//定義下一行
		uchar* output = Result.ptr<uchar>(j);	//output指標在第j行行頭
 		for (int i = nChannels; i < nChannels*(myImage.cols - 1); ++i)	//列掃描，從i=nChannels（第二組）開始
		{
			*output++ = saturate_cast<uchar>(5 * current[i]
				- current[i - nChannels] - current[i + nChannels] - previous[i] - next[i]);	//對輸出影像處理，從第j行第i列開始加
		} 
	}
	// 使用這種方式最外面一圈無法進行矩陣運算
	Result.row(0).setTo(Scalar(0));	//第0行矩陣值設定為0
	Result.row(Result.rows - 1).setTo(Scalar(0));	//最后一行矩陣之設定為0
	Result.col(0).setTo(Scalar(0));	//第0列矩陣值設定為0
	Result.col(Result.cols - 1).setTo(Scalar(0));	//最后一行矩陣值設定為0
}