一、滤波器实现

我们实现这样一个基于拉普拉斯算子的滤波器核心，并使用它进行滤波，这可以做到锐化图像的效果，

0	-1	0
-1	5	-1
0	-1	0

首先我们完全手动的进行滤波，依赖指针操作，

void sharpen(const cv::Mat &image, cv::Mat &result) {	result.create(image.size(), image.type());	std::cout << image.size() << std::endl;	int col = image.cols;	int row = image.rows;	int channels = image.channels();		for (int i = 1; i < row - 1; i++ ) {		// 必须添加const，因为image是const的		const uchar* previous_row = image.ptr
     
      (i - 1);		const uchar* current_row = image.ptr
      
       (i);		const uchar* next_row = image.ptr
       
        (i + 1);		uchar* out_line = result.ptr
        
         (i);		for (int j = channels; j < (col - 1)*channels; j++) {			// cv::saturate_cast
         
          将输入截断在0到255			*out_line++ = cv::saturate_cast
          
           ( 5 * current_row[j] - current_row[j - channels] - current_row[j + channels] - previous_row[j] - next_row[j]); } } result.row(0).setTo(cv::Scalar(0,0,0)); result.row(row - 1).setTo(cv::Scalar(0, 0, 0)); result.col(0).setTo(cv::Scalar(0, 0, 0)); result.col(col - 1).setTo(cv::Scalar(0,0,0));}
          
         
        
       
      
     

OpenCV提供了cv::filter2D函数，当我们指定滤波核（一个Mat格式数据）可以自动代我们完成循环过程，依赖API实现本函数如下：

void sharpen2D(const cv::Mat image, cv::Mat &result) {	cv::Mat kernel(3, 3, CV_32F, cv::Scalar(0));	kernel.at
     
      (1, 1) = 5;	kernel.at
      
       (0, 1) = -1;	kernel.at
       
        (1, 0) = -1;	kernel.at
        
         (2, 1) = -1;	kernel.at
         
          (1, 2) = -1;	cv::filter2D(image, result, image.depth(), kernel);}
         
        
       
      
     

对两个版本函数都进行调用，

cv::Mat image = cv::imread("test.jpg");	std::cout << (int)image.data << std::endl;	// 自行锐化滤波	cv::Mat image1;	sharpen(image, image1);	show(image1, "锐化");	cv::Mat image2;	sharpen2D(image, image2);	show(image2, "API锐化");

查看输出（可右键查看大图），

原图如下：

二、高斯滤波

OpenCV将大部分常用滤波函数进行封装，资料很多，自行查阅。其中高斯核函数多提一句，它是可拆分核函数，一个二维核可以拆解为两个一维核，我们既可以这样调用:

cv::GaussianBlur(	image,	result,	cv::Size(5, 5),  // 窗口大小	1.5  // sigma);

也可以这样调用，

cv::Mat gauss = cv::getGaussianKernel(5, 1.5, CV_32F);cv::sepFilter2D(image, result, -1, gauss, gauss);  // -1代表输入图深度cv::imshow("双一维高斯滤波", result);

结果一样，