C++ openCV图像的卷积与滤波

图像的滤波

滤波与卷积区别：卷积中称卷积核，滤波中称滤波器。卷积需要将卷积核翻转180度在卷积，而滤波不需要；在opencv中或者深度学习卷积层中，由于卷积核通常对称，因此并未翻转。如果不对称，卷积需要手动翻转卷积核。

在不考虑卷积核翻转下，两者是一样的。
卷积的实现过程：
１）　将核的锚点（中心点）放在要计算像素上，卷积核剩余的部分对应在图像相应的像素上。
２）　用卷积核中的系数和图像中相应的像素值相乘，并求和。
３）　将最终结果赋值给锚点对应的像素。
４）　通过将核在整个图像滑动，重复以上计算过程直到处理完所有的像素。
链接: 卷积算子的实现

滤波器、卷积核的大小都是奇数，如 3 ， 5 ，7，没有偶数大小的卷积核，无法选取合适的锚点，计算十分困难。

使用的命名空间

#pragma once
#include <opencv2\opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

---

均值滤波

src : 输入图像
dst : 输出图像，与输入相同尺寸、通道数
ksize : 均值模糊核的大小，通常3×3
anchor : 锚点，默认为核的中心
borderType : 图像外部的像素模式，一般不手动修改

测试代码：

//均值滤波
Mat m1 = imread(path3, 1);
Mat m2(m1.size(), m1.type());
//核大小为三，锚点为中心点
blur(m1, m2, Size(3,3) , Point(-1, -1));
namedWindow("truth image",WINDOW_FREERATIO);
namedWindow("blur image", WINDOW_FREERATIO);
//调整窗口大小
resizeWindow("truth image", 600, 400);
resizeWindow("blur image", 600, 400);
imshow("truth image", m1);
imshow("blur image", m2);
waitKey(0);

测试效果：（图像来源于网络，侵权请告知即删除）

---

高斯滤波

src : 输入图像
dst : 输出图像，与输入相同尺寸、通道数
kszie : 高斯核大小
sigmaX : X方向的高斯核标准偏差。
sigmaY :Y方向高斯核标准差；如果sigmaY为零，则设置为等于sigmaX；如果两个SIGMA都为零，则根据ksize计算。
borderType :使用默认值