OpenCV（二十）：图像卷积

ゝ一世哀愁。 2024-03-26 23:14 28阅读 0赞

#### 1.图像卷积原理 ####

图像卷积是一种在图像上应用卷积核的操作。卷积核是一个小的窗口矩阵，它通过在图像上滑动并与图像的像素进行逐元素相乘，然后求和来计算新图像中每个像素的值。通过滑动卷积核并在图像上进行逐像素运算，可以实现一系列图像处理任务，例如平滑、边缘检测和特征提取等。

卷积操作的原理如下：

1.  定义一个卷积核（或滤波器），它是一个小的窗口矩阵。卷积核的大小通常是奇数，以便有一个中心点。
2.  将卷积核放置在图像的初始位置上（通常是图像的左上角）。
3.  将卷积核的每个元素与图像上重叠区域的对应像素进行逐元素相乘。
4.  将所有乘积结果相加得到新图像中对应像素位置的值。
5.  将卷积核在图像上滑动一个像素，并重复步骤3和4，直到覆盖整个图像。
6.  重复以上步骤，将卷积核应用于图像的每个像素位置，生成最终的卷积结果图像。

![77492e4c67f94f4aa9ad6214719ef793.png][]

#### 2.图像卷积函数filter2D() ####

> void filter2D( InputArray src, OutputArray dst, int ddepth,
> 
> InputArray kernel, Point anchor = Point(-1,-1),
> 
> double delta = 0, int borderType = BORDER\_DEFAULT );

参数解释：

*  src：原始图像，可以是单通道（灰度图像）或者是三通道彩色图像。
 *  ddepth：输出图像的深度，通常设置为-1以保持与原始图像相同的深度。
 *  kernel：应用于图像的卷积核，是一个NumPy数组。
 *  dst（可选）：输出图像，与原始图像具有相同的大小和深度。如果未提供，则函数会自动创建一个新的图像。
 *  anchor（可选）：指定卷积核的锚点位置，如果未提供，则默认为(-1, -1)，表示锚点位于卷积核的中心。
 *  delta（可选）：可选的增量参数，用于对输出图像进行偏移。
 *  borderType（可选）：图像边界的处理方式，可以是cv2.BORDER\_CONSTANT、cv2.BORDER\_REPLICATE等。

3.示例代码：

//图像卷积
    void Image_convolution(Mat image){
    // 定义卷积核
        cv::Mat kernel = (cv::Mat_<float>(3, 3) <<
                                                0, -1, 0,
                                                -1, 5, -1,
                                                  0, -1, 0);
    
        // 进行卷积操作
        cv::Mat convolvedImage;
        cv::filter2D(image, convolvedImage, -1, kernel);
    
        // 显示原始图像和卷积结果
        imwrite("/sdcard/DCIM/image.png",image);//原图像
        imwrite("/sdcard/DCIM/convolvedImage.png",convolvedImage);//卷积结果
    }

[77492e4c67f94f4aa9ad6214719ef793.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/72f7084ede304631a4915125ec3d1a85.png