图像处理中卷积的理解和简单示例

通俗点说：卷积在图像处理中的应用就是用一个模式矩阵和原图像矩阵相乘，得到一个新的矩阵作为卷积结果

（核：指一组权重的集合，它会应用在源图像的一个区域，并由此生成目标图像的一个像素。比如大小为7的核意味着49（7*7）个源图像的像素会产生目标图像的一个像素。可把核看作一块覆盖在源图像上可移动的毛玻璃片，玻璃片覆盖区域的光线会按某种方式进行扩散混合后透过去。

用一个模板和一幅图像进行卷积，对于图像上的一个点，让模板的原点和该点重合，然后模板上的点和图像上对应的点相乘，然后各点的积相加，就得到该点的卷积值。对图像上的每个点都这样处理。由于多数模板都对称，所以模板不旋转。
卷积是一种积分运算，用来求两个曲线重叠区域面积。可以看作加权求和，可以用来消除噪声、特征增强。 把一个点的像素值用它周围的点的像素值的加权平均代替。）

示例代码：

import cv2 as cv
import numpy as np
from scipy import ndimage

kernel_3x3=np.array([[-1,-1,-1],
                    [-1,8,-1],
                    [-1,-1,-1]])

kernel_5x5=np.array([[-1,-1,-1,-1,-1],
                    [-1,1,2,1,-1],
                    [-1,2,4,2,-1],
                     [-1,1,2,1,-1],
                     [-1,-1,-1,-1,-1]])

img=cv.imread("H:/1.jpg",0)
k3=ndimage.convolve(img,kernel_3x3)
k5=ndimage.convolve(img,kernel_5x5)

blurred=cv.GaussianBlur(img,(11,11),0)
g_phf=img-blurred

cv.imshow("img",img)
cv.imshow("3x3",k3)
cv.imshow("5x5",k5)
cv.imshow("g_phf",g_phf)
cv.waitKeyEx()
cv.destroyAllWindows()

效果：

原图： 

卷积后三张图片：

 

参考博客：https://blog.csdn.net/qq_39521554/article/details/79083864

参考书籍：OpenCV+3计算机视觉++Python语言实现+第二版