【openCV学习】19.卷积操作

1.卷积的API

例子：

#filter2D(img,ddepth,kernel,dst,anchor,delta,borderType)

#img：图片

#ddepth：卷积后图片的位深，即卷积之后图片的数据类型，一般设为-1，表示和原图类型一致

#kernal：卷积盒，用元组或者ndarray表示，里面的数据类型都为folat

#下面都缺省参数

#anchor：锚点，即卷积盒中心点，默认是（-1，-1）

#dalta：表示卷积之后额外增加的一个值bis，相当于线性方程中的偏差值，默认为0

#borderType：边界类型，一般不设

new_dog = cv2.filter2D(dog,-1,kernel)

一般在python中用numpy的ndarray数据类型来创建卷积核，如下所示：

注意卷积中的数字的数据类型至少是float32

#定义卷积盒  卷积盒必须是float32类型

#这样的一个卷积盒每一个空格都是1/25，进行卷积运算相当于把周围5*5区域内的像素取了个平均值

#可以想象到这个卷积盒的作用是使图片变得模糊

kernel = np.ones((5,5),np.float32)/25

#可以尝试其他的卷积盒，比如下面这个是提取轮廓的卷积盒：

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

#这是一个浮雕效果的卷积盒

kernel = np.array([[-2,1,0],[-1,1,1],[0,1,2]])

#锐化效果的卷积盒

kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]])

2.完整代码

import cv2
import numpy as np

dog = cv2.imread("image/dog.png")

#定义卷积盒  卷积盒必须是float32类型
#这样的一个卷积盒每一个空格都是1/25，进行卷积运算相当于把周围5*5区域内的像素取了个平均值
#可以想象到这个卷积盒的作用是使图片变得模糊
kernel = np.ones((5,5),np.float32)/25

#可以尝试其他的卷积盒，比如下面这个是提取轮廓的卷积盒：
kernel = np.array([[-1,-1,-1],[-1,8,-1],[-1,-1,-1]])
#这是一个浮雕效果的卷积盒
kernel = np.array([[-2,1,0],[-1,1,1],[0,1,2]])
#锐化效果的卷积盒
kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]])

#filter2D(img,ddepth,kernel,dst,anchor,delta,borderType)
#img：图片
#ddepth：卷积后图片的位深，即卷积之后图片的数据类型，一般设为-1，表示和原图类型一致
#kernal：卷积盒，用元组或者ndarray表示，里面的数据类型都为folat
#下面都缺省参数
#anchor：锚点，即卷积盒中心点，默认是（-1，-1）
#dalta：表示卷积之后额外增加的一个值bis，相当于线性方程中的偏差值，默认为0
#borderType：边界类型，一般不设
new_dog = cv2.filter2D(dog,-1,kernel)

cv2.imshow("show",np.hstack((dog,new_dog)))
cv2.waitKey(0)
cv2.destroyAllWindows()

 

各种卷积核的运行效果如下图所示：

模糊：

提取轮廓：

浮雕：

锐化：