opencv c++ 图像卷积（27）（自定义卷积、滤波）

 1、图像卷积：

用一个小于图像的矩阵窗口在图像上按照一定的步长移动，在窗口覆盖的图像对应区域内，将对应像素点与窗口权值进行乘法操作，再将所有的乘积相加再除以窗口尺寸，作为该步移动的输出。

这里的窗口一般被称为卷积核（kernal），卷积核中的元素被称为权值。

注意，当输入图像通道数为多个时，对应的卷积核也有同样的通道数量。

更多解释参考：

(25条消息) 深度学习之卷积_冰激凌啊的博客-CSDN博客_卷积 深度学习

API：

 这里的blur函数步长始终为1。

代码：

void QuickDemo::blur_demo(Mat& image)
{
	Mat dst;
	blur(image, dst, Size(3, 3), Point(-1, -1));
	imshow("卷积图像", dst);
}

结果：

2、自定义卷积（滤波）

生成自定义的卷积核进行滤波操作，相关API如下：

filter2D(input_img, output_img, ddepth, kernel, anchor, delta, borderType)

input_img——输入图像

output_img——输出图像

ddepth——所需输出图像的深度，参考如下：

 kernel——自定义的卷积核（Mat）

anchor——锚点，卷积核对应输出图像上像素点，默认Point(-1,-1)为卷积核中心

delta——在卷积完成后，生成输出图像前，将输出图像所有像素点值均加上的值（亮度调节）

borderType——边界选取方法（具体看官方文档）。

convertScaleAbs(input_img, output_img) 

这个API的作用为将图像格式转为CV_8U格式，并将所有像素值置为正。

简单自定义Mat方法：

Mat mat_1 = (Mat_<数据类型>(高，宽) <<  高×宽个对应数据类型的像素值) 

 代码示例（均值滤波核非均值滤波）：

void self_conv(Mat& image)
{
	//均值滤波
	//定义核
	int k = 15;//窗口尺寸
	Mat selfkernel = Mat::ones(Size(k, k), CV_32F)/(float)(k*k);//后面除(float)(k*k)让所有权值和为1.

	//调用API进行滤波
	Mat dst;
	filter2D(image, dst, -1, selfkernel, Point(-1, -1), 0, BORDER_DEFAULT);

	namedWindow("mean filter img", WINDOW_FREERATIO);
	imshow("mean filter img", dst);

	//非均值滤波
	Mat robot = (Mat_<int>(2, 2) << 1, 0, 0, -1);//自定义Mat核
	Mat dst2;
	filter2D(image, dst2, CV_32F, robot, Point(-1, -1), 0, BORDER_DEFAULT);
	convertScaleAbs(dst2, dst2);//该API将图像格式转为CV_8U格式，并将所有像素值置为正。
	namedWindow("non_mean filter img", WINDOW_FREERATIO);
	imshow("non_mean filter img", dst2);
}

注意：

        当均值滤波时，ddepth使用默认值即可，但当采用非均值滤波时，为防止数据溢出，需采用较大的浮点储存空间模式，如上采用了CV_32F。

输出：

 将非均质滤波filter2D里的delta值设为127，有：