卷积概念

1、卷积是图像处理中一个操作,是kernel在图像的每个像素上的操作。
2、kernel本质上一个固定大小的矩阵数组,其中心点称为锚点(anchor point)。
OpenCV 自定义线性滤波_2d

3、把kernel放到像素数组之上,求锚点周围覆盖的像素乘积之和(包括锚点),用来替换锚点覆盖下像素点值称为卷积处理。
OpenCV 自定义线性滤波_2d_02

常见的算子:

下面效果的原图如下
OpenCV 自定义线性滤波_c语言_03

Robert算子:

OpenCV 自定义线性滤波_像素点_04

上图该算子左上角像素点减去右下角像素点,算子和为0,得出图片较暗,突出斜方向图片细节。

OpenCV 自定义线性滤波_c++_05

上图该算子右上角像素点减去左下角像素点,算子和为0,得出图片较暗,突出斜方向图片细节。

Sobel算子:

OpenCV 自定义线性滤波_2d_06
得到的效果如下:
OpenCV 自定义线性滤波_c++_07

上图该算子左边像素点减去右边像素点,算子和为0,得出图片较暗,突出水平方向图片细节,本行所在算子乘以2倍,边缘信息更强。
OpenCV 自定义线性滤波_像素点_08
得到的效果如下:
OpenCV 自定义线性滤波_c语言_09

上图该算子下边像素点减去上边像素点,算子和为0,得出图片较暗,突出垂直方向图片细节,本列所在算子乘以2倍,边缘信息更强。

拉普拉斯算子:

OpenCV 自定义线性滤波_c语言_10
得到的效果如下
OpenCV 自定义线性滤波_开发语言_11

该算子中央像素点的四倍值减去周围像素点,算子和为0,得出图片较暗,突出边缘信息,亮度大的更大,亮度小的更小。

API filter2D函数

函数原型:

filter2D(
  Mat src, 		// 输入图像
  Mat dst, 		// 模糊图像
  int depth, 		// 图像深度32/8
  Mat kernel, 		// 卷积核/模板
  Point anchor, 	// 锚点位置
  double delta 	// 计算出来的像素+delta
)

参数说明:

  • src: 输入图像
  • dst: 模糊图像
  • depth: 图像深度32/8
  • kernel: 卷积核/模板
  • anchor: 锚点位置
  • delta: 计算出来的像素+delta
代码案例:

OpenCV 自定义线性滤波_2d_12

#include <iostream>
#include <math.h>
#include <opencv2/opencv.hpp>
#include<opencv2/highgui.hpp>
#include <opencv2/highgui/highgui_c.h>  

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
	Mat src, dst;
	int ksize = 0;

	src = imread("./test2.jpg");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	imshow("src image", src);
	// Sobel X 方向
	 Mat kernel_x = (Mat_<int>(3, 3) << -1, 0, 1, -2,0,2, -1, 0, 1);
	 filter2D(src, dst, -1, kernel_x, Point(-1, -1), 0.0);
	imshow("Sobel X", dst);

	// Sobel Y 方向
	Mat kernel_y = (Mat_<int>(3, 3) << -1, -2, -1, 0,0,0, 1,2,1);
	filter2D(src, dst, -1, kernel_y, Point(-1, -1), 0.0);
	imshow("Sobel Y", dst);

	 // 拉普拉斯算子
	 Mat kernel_la = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0);
	 filter2D(src, dst, -1, kernel_la, Point(-1, -1), 0.0);
	imshow("Sobel K_Y", dst);


	int c = 0;
	int index = 0;
	while (true) {
		c = waitKey(500);
		if ((char)c == 27) {
			// 摁下ESC退出程序 
			break;
		}
		ksize = 5 + (index % 8) * 2;
		Mat kernel = Mat::ones(Size(ksize, ksize), CV_32F) / (float)(ksize * ksize);
		filter2D(src, dst, -1, kernel, Point(-1, -1));
		index++;
		imshow("filter2D img", dst);
	}

	waitKey(0);
	return 0;
}