使用Mat构造一个掩膜矩阵，计算像素间的三种距离

在c++OpenCV 4中Mat的矩阵运算，极大的简化了计算量，使得代码更容易实现。
有许多函数的实现需要使用滤波器(核函数、掩膜运算)等等，很多种叫法，但实际上就是构造一个3x3或者5x5以及更大的矩阵，完成一个卷积运算。
在c++中使用Mat构造一个核函数其实很简单，下面给出代码示例

//需要包含的头文件
#include<iostream>
#include<opencv2/opencv.hpp>

//定义命名空间
using namespace std;
using namespace cv;

int main(){
	Mat dist_1, dist_2, dist_3, dist_4;
	Mat kenal=(Mat_<uchar>(5,5)<<1,1,1,1,1,
		1,1,1,1,1,
		1,1,0,1,1,
		1,1,1,1,1,
		1,1,1,1,1);
}
	//计算图像中不同像素之间的欧氏距离
	distanceTransform(kenal, dist_1, 2, 5, CV_8U);
	cout << "欧氏距离:" << endl << dist_1 << endl;
	//计算图像中不同像素之间的街区距离
	distanceTransform(kenal, dist_2, 1, 3, CV_8U);
	cout << "街区距离:" << endl << dist_2 << endl;
	//计算图像中不同像素之间的棋盘距离
	distanceTransform(kenal, dist_3, 3, 5, CV_8U);
	cout << "棋盘距离:" << endl << dist_3 << endl;

上面程序的测试结果如下图所示：

这里用的是OpenCV自带的距离计算函数distanceTransform。函数原型如下：

void distanceTransform(InputArray src,
					   OutputArray dts,
					   int distanceType,
					   int maskSize,
					   int dstType=CV_32F
					   )

src：表示输入图像，数据类型为CV_8U的单通道图像
dst：输出图像，尺寸与输入相同，数据类型为CV_8U或者CV_32F
distanceType：选择计算像素之间的距离方法的标志
maskSize：距离变换掩码矩阵的尺寸
distType：输出图像的数据类型，可以是CV_8U或者CV_32F。