1、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)。
2、卷积如何工作
(1)、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。数学表达如下:
Sum = 8x1+6x1+6x1+2x1+8x1+6x1+2x1+2x1+8x1
New pixel = sum / (m*n)
3、常见算子
(1)、Robert算子
(2)、Sobel算子
(3)、拉普拉斯算子
4、opencv相关API
filter2D方法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
)
其中 kernel是可以自定义的卷积核
5、代码演示
int main(int argc, char** argv)
{
//1. 加载图像
Mat src = imread("./test.jpg");
//2. 判断图像是否加载成功
if (!src.data)
{
printf("could not load image...\n");
return -1;
}
//3. 显示输入图像
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、显示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、显示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、显示拉普拉斯图像
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 键 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、显示结果
(1)、输入图像
(2)、sobel X 图像
(3)、sobel Y 图像
(4)、随机kernel