OpenCV-图像处理（15、自定义线性滤波）
卷积概念
- 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。
-
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)
- 卷积的作用：模糊图像，提取边缘，进行图像的锐化
卷积如何工作
- 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：
常见算子
- Robert算子：也可以用来寻找梯度，寻找边缘 主对角线与副对角线上的梯度
- Sobel算子 ：也可以用来寻找梯度，寻找边缘 水平与垂直方向的梯度
- 拉普拉斯算子： 用来寻找梯度，寻找边缘 整个的梯度，整体轮廓
自定义卷积模糊
filter2D方法filter2D(
Mat src, //输入图像
Mat dst, // 模糊图像（目标图像）
int depth, // dst图像深度32/8，负值（例如-1）表示深度与源相同
Mat kernel, // 卷积核/模板，要通过映像扫描的内核
Point anchor, // 锚点相对于其内核的位置。 位置Point（-1，-1）默认表示中心。
double delta， // 计算出来的像素+delta，卷积过程中要添加到每个像素的值。 默认情况下为0
int borderType //BORDER_DEFAULT：我们默认使用此值
)
其中 kernel是可以自定义的卷积核
来自：https://docs.opencv.org/master/d4/d86/group__imgproc__filter.html#ga27c049795ce870216ddfb366086b5a04
代码示例
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
void customFilter();
int main(){
Mat src,dst1, dst2, dst3, dst4, dst5, dst6;
src = imread("E:/Experiment/OpenCV/Pictures/girl2.jpg");
if(src.empty()){
printf("could not load image...");
return -1;
}
namedWindow("output windows",CV_WINDOW_AUTOSIZE);
imshow("output windows",src);//显示图片
//图像在主对角线(x)方向的差异得到了明显的体现，这些差异就像图像的边缘一样
Mat robertX = (Mat_<int>(2, 2) << 1, 0, 0, -1);//robert x方向 算子 前两个参数表示卷积的第一行
filter2D(src, dst1, -1, robertX, Point(-1, -1), 0.0);//计算卷积和，参数delta 表示计算出来的像素+delta
imshow("robertX", dst1);
//图像在副对角线(y)方向的差异得到了明显的体现，将这两个x y方向的图像合起来，就能得到图像的轮廓
Mat robertY = (Mat_<int>(2, 2) << 0, 1, -1, 0);//robert y方向 算子
filter2D(src, dst2, -1, robertY, Point(-1, -1), 0.0);
imshow("robertY", dst2);
//图像在左右(x)方向的差异得到了明显的体现，由于是 -2 2 ，所以sobel比robert算子差异体现的更大
Mat sobelX = (Mat_<int>(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);//sobel x方向 算子
filter2D(src, dst3, -1, sobelX, Point(-1, -1), 0.0);
imshow("sobelX", dst3);
//图像在上下(y)方向的差异得到了明显的体现
Mat sobelY = (Mat_<int>(3, 3) << -1, -2, -1, 0, 0, 0, 1, 2, 1);//sobel y方向 算子
filter2D(src, dst4, -1, sobelY, Point(-1, -1), 0.0);
imshow("sobelY", dst4);
//图像整体上的差异得到了明显的体现
Mat lapulasi = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0);//拉普拉斯 算子
filter2D(src, dst5, -1, lapulasi, Point(-1, -1), 0.0);
imshow("lapulasi", dst5);
//图像锐化，仅仅只是将拉普拉斯算子的中心点 由4改成5，卷积后的图像结果差距巨大。
Mat ruihua = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);//锐化 算子 (掩膜)
filter2D(src, dst6, -1, ruihua, Point(-1, -1), 0.0);
imshow("ruihua", dst6);
customFilter();
waitKey(0);
}
void customFilter()//自定义线性滤波
{
Mat src, dst;
src = imread("E:/Experiment/OpenCV/Pictures/dog2.jpg");
int ksize = 0;
int index = 0;
while (true)
{
if (waitKey(500) == 27) break; // Esc键
ksize = 4 + (index % 8) * 2 + 1;
// Mat::ones 创建的矩阵值初始值为1 ，重载的运算符 / 表示将每个初始值再除以 ksize * ksize
Mat kernel = Mat::ones(Size(ksize, ksize), CV_32F) / (float)(ksize * ksize);
filter2D(src, dst, -1, kernel);
index++;
imshow("Custom Filter", dst);
}
}