- 操作系统:ubuntu22.04
- OpenCV版本:OpenCV4.9
- IDE:Visual Studio Code
- 编程语言:C++11
算法描述
cv::filter2D() 函数用于对图像应用二维卷积滤波器。这个函数可以用来实现多种图像处理操作,如模糊、锐化、边缘检测等。它通过将一个二维核(也称为滤波器或掩模)与图像中的每个像素进行卷积来工作。
函数与核进行卷积操作。
此函数将任意线性滤波器应用于图像。支持原地操作。当核的部分超出图像范围时,函数会根据指定的边界模式插值处理边界外的像素值。
此函数实际上计算的是相关运算,而非卷积:
dst
(
x
,
y
)
=
∑
0
≤
x
′
<
kernel.cols
0
≤
y
′
<
kernel.rows
kernel
(
x
′
,
y
′
)
∗
src
(
x
+
x
′
−
anchor.x
,
y
+
y
′
−
anchor.y
)
\texttt{dst} (x,y) = \sum _{ \substack{0\leq x' < \texttt{kernel.cols}\\{0\leq y' < \texttt{kernel.rows}}}} \texttt{kernel} (x',y')* \texttt{src} (x+x'- \texttt{anchor.x} ,y+y'- \texttt{anchor.y} )
dst(x,y)=0≤x′<kernel.cols0≤y′<kernel.rows∑kernel(x′,y′)∗src(x+x′−anchor.x,y+y′−anchor.y)
函数原型
void cv::filter2D
(
InputArray src,
OutputArray dst,
int ddepth,
InputArray kernel,
Point anchor = Point(-1,-1),
double delta = 0,
int borderType = BORDER_DEFAULT
)
参数
- 参数 src 输入图像.
- 参数dst 输出图像,与输入图像具有相同的尺寸和通道数量。
- 参数ddepth 目标图像期望的深度,参见 combinations
- 参数kernel卷积核(或更确切地说是相关核),单通道浮点矩阵;如果您想对不同通道应用不同的核,可以使用 split 函数将图像分割成单独的颜色平面并分别处理它们。
- 参数anchor 核的锚点,指示过滤点在核内的相对位置;锚点应位于核内;默认值 (-1, -1) 表示锚点位于核的中心。
- 参数delta 可选值,在将过滤后的像素存储到 dst 之前添加到这些像素上。
- 参数borderType 像素外推方法,参见 BorderTypes。BORDER_WRAP 不受支持。
代码示例
#include <iostream>
#include <opencv2/opencv.hpp>
int main( int argc, char** argv )
{
// 加载图像
cv::Mat src = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/erik.jpg", cv::IMREAD_COLOR );
if ( !src.data )
{
std::cerr << "错误: 无法打开或找到图像。" << std::endl;
return -1;
}
cv::Size sz2Sh( 400, 600 );
cv::resize( src, src, sz2Sh, 0, 0, cv::INTER_LINEAR_EXACT );
// 创建输出图像
cv::Mat dst;
cv::Mat kernelGaussian = cv::getGaussianKernel( 9, 2.5 );
cv::Mat kernel = kernelGaussian * kernelGaussian.t();
for ( int i = 0; i < 4; i++ )
{
filter2D( src, dst, src.depth(), kernel );
}
// 显示图像
cv::namedWindow( "原始图像", cv::WINDOW_NORMAL );
cv::imshow( "原始图像", src );
cv::namedWindow( "平滑处理后的图像", cv::WINDOW_NORMAL );
cv::imshow( "平滑处理后的图像", dst );
cv::waitKey( 0 );
return 0;
}
运行结果
你可以修改getGaussianKernel的参数和filter2D的执行次数,看看图像有什么变化