（16）自定义线性滤波

/*
 *自定义线性滤波
         前言：之前讲过的掩膜，什么一般的滤波，一般的模糊如中值模糊，高斯模糊，这些内容从本质上来讲它都属于一个概念就是卷积
         所以我们在介绍自定义线性滤波的时候其实我们就是在介绍卷积，前面讲的是卷积的第一功能，卷积可以模糊一幅图像，可以降低
         图像的噪声，我们模糊的目的就是降噪，降低噪声
  *卷积概念：
        卷积其实是一个数学的概念，图像上借用过来叫卷积操作的话
        卷积是图像处理中一个操作，是kernel（卷积核又称为算子）在图像的每个像素上的操作
        kernel（卷积核）本质上一个固定大小的矩阵数组，其中心点称为锚点（anchor point)
  *卷积如何工作：
        把kernel放到像素数组之上，求锚点周围覆盖的像素乘积之和（包括锚点），用来替换锚点覆盖下像素点值称为卷积处理，有数学公式
        卷积有三个作用：模糊图像，提取边缘，可以进行图像甄选进行图像的锐化
   *常见算子
        Robert算子 2*2的一个卷积核
        Sobel算子 在边缘检测当中经常会用到，也是canny边缘检测最重要的中间的一步，通过Sobel算子求得梯度
        拉普拉斯算子 和Sobel算子寻找梯度，寻找图像的边缘，同样Robert算子也可以做这样的功能
   *自定义卷积模糊
        filter2D方法
        filter2D(Mat drc, //输入图像
        Mat dst, //模糊图像
        int depth, //图像深度32/8
        Mat kernel, // 卷积核/模板
        Point anchor, //锚点位置 输入的卷积核的大小一般都要是奇数 Point(-1, -1）自动找到中心位置
        double delta //计算出来的像素+delta)
        其中kernel是可以自定义的卷积核
*/
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat src, res;
    src = imread("D:/A_Graduation/Pictures/Segmentatio/1.jpg");
    imshow("src", src);

    //Robert算子 叫做梯度算子，去做图像的x方向的梯度和y方向的梯度得到的结果
    //两个45度，一个顺时针方向的45度，一个逆时针方向的45度，假设这个叫x方向
    Mat kernel_x = (Mat_<int>(2, 2) << 1, 0, 0, -1);
    filter2D(src, res, -1, kernel_x, Point(-1, -1));
    imshow("Robert_x", res);

    //Y方向
    Mat kernel_y = (Mat_<int>(2, 2) << 0, 1, -1, 0);
    filter2D(src, res, -1, kernel_y, Point(-1, -1));
    imshow("Robrt_y", res);

    //Sobel算子
    //水平方向 x方向 ... 竖直方向 y方向 .. 和上面的代码差不多 略

    //拉普拉斯算子 前面是说x方向y方向不同的差异，这个算子得到的是整个的差异 拉普拉斯算子是一个边缘检测的算子
    //和上面的代码差不多 略
    //还可以做进一步的处理，把小于一定值的给去掉，对边缘再进行加强
    //通过拉普拉斯可以获得图像的主要的轮廓，主要特征和信息

    //自定义卷积模糊
    Mat kernel = Mat::ones(Size(3, 3), CV_32F) / (float)(3 * 3); //算子的里面的值全是1
    filter2D(src, res, -1, kernel);
    imshow("kernel", res);

    waitKey(0);
    return 0;
}