opencv基礎_14(自定義線性濾波)

1、卷積概念

（1）、卷積是圖像處理中一個操作，是kernel在圖像的每個像素上的操作。

（2）、Kernel本質上一個固定大小的矩陣數組，其中心點稱爲錨點(anchor point)。

2、卷積如何工作

（1）、把kernel放到像素數組之上，求錨點周圍覆蓋的像素乘積之和（包括錨點），用來替換錨點覆蓋下像素點值稱爲卷積處理。數學表達如下：

Sum = 8x1+6x1+6x1+2x1+8x1+6x1+2x1+2x1+8x1
New pixel = sum / (m*n)

3、常見算子

（1）、Robert算子

（2）、Sobel算子

（3）、拉普拉斯算子

4、opencv相關API

filter2D方法filter2D(
                       Mat src,         //輸入圖像
                       Mat dst,         //模糊圖像
                       int depth,       //圖像深度32/8
                       Mat kernel,    //卷積核/模板
                       Point anchor,  //錨點位置
                       double delta   //計算出來的像素+delta
)
其中 kernel是可以自定義的卷積核

5、代碼演示

int main(int argc, char** argv) 
{
    //1. 加載圖像
    Mat src = imread("./test.jpg");

    //2. 判斷圖像是否加載成功
    if (!src.data)
    {
        printf("could not load image...\n");
        return -1;
    }    

    //3. 顯示輸入圖像
    namedWindow("input image", CV_WINDOW_AUTOSIZE);
    imshow("input image", src);

    //4. Sobel X 方向
    Mat sobelX;
    int ksize = 0;
     Mat kernel_x = (Mat_<int>(3, 3) << -1, 0, 1, -2,0,2,-1,0,1);
     filter2D(src, sobelX, -1, kernel_x, Point(-1, -1), 0.0);

     //5、顯示sobelX
     namedWindow("sobelX image", CV_WINDOW_AUTOSIZE);
     imshow("sobelX image", sobelX);

    //6. Sobel Y 方向
     Mat sobelY;
     Mat kernel_y = (Mat_<int>(3, 3) << -1, -2, -1, 0,0,0, 1,2,1);
     filter2D(src, sobelY, -1, kernel_y, Point(-1, -1), 0.0);

     //7、顯示sobelY
     namedWindow("sobelY image", CV_WINDOW_AUTOSIZE);
     imshow("sobelY image", sobelX);

    //8. 拉普拉斯算子
     Mat laolas;
     Mat kernel_laolas = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0);
     filter2D(src, laolas, -1, kernel_laolas, Point(-1, -1), 0.0);

    //9、顯示拉普拉斯圖像
    namedWindow("sobelY image", CV_WINDOW_AUTOSIZE);
    imshow("sobelY image", laolas);
    
    namedWindow("Custom Blur Filter Result", CV_WINDOW_AUTOSIZE);

    int c = 0;
    int index = 0;
    Mat dst;

    while (true) 
    {
        c = waitKey(500);
        if ((char)c == 27) //按下 ESC 鍵 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("Custom Blur Filter Result", dst);
    }

    return 0;
}

6、顯示結果

（1）、輸入圖像

（2）、sobel X 圖像

（3）、sobel Y 圖像

（4）、隨機kernel