day13:图像卷积

卷积常用在信号处理中， 而图像数据可以看作一 种信号数据。 例如图像中的每一行可以看作测

量亮度变化的信号数据 ， 每一列可以看作亮度变化的信号数据 。 因此 ， 可以对图像进行卷积操作.

在信号处理中 ， 卷积操作需要给出一个卷积函数与信号进行计算。  图像的卷积形式与其相同 ， 需要 给出一个卷积模板与原始图像进行卷积计算.整个过程可以看成是一个卷积模板在另外一个大的图像上移动，对每个卷积模板覆盖的区域进行点乘， 得到的值作为中心像素点的输出值.卷积首先需要将卷积模板旋转180°之后从图像的左上角开始移动旋转后的卷积模板，从左到右，从上到下

依次进行卷积计算 最终得到卷积后的图像.卷积模板又称为卷积核或者内核 是一个固定大小的 二维矩阵，矩阵存放着预先设定的数值.

 

 

 代码：

void visionagin::FitterOperate(Mat& img)
{
	uchar  src[] = {
		1,2,3,4,5,
		6,7,8,9,10,
		11,12,13,14,15,
		16,17,18,19,20,
		21,22,23,24,25
	};//待卷积矩阵
	Mat src1 = Mat(1, 25, CV_8UC1, src);
	Mat core = (Mat_<float>(3, 3) <<
		1, 2, 1,
		2, 0, 2,
		1, 2, 1);//该卷积核需要除以12，不然值大于255，显示全为白色；
	Mat Core = core / 12;
	Mat res1,res2;//卷积后的结果
	filter2D(src1, res1, CV_32F, Core, Point(-1, -1));
	filter2D(img, res2, -1, Core, Point(-1, -1));//-1表示与原img类型一致
	cout << res1 << endl;
	imshow("卷积后的图像", res2);
}

卷积后的图像与原图相比显得更模糊：