OpenCV学习笔记之filter2D()卷积函数的使用

图像内核是一个小矩阵，用于应用您可能在Photoshop或Gimp中找到的效果，例如模糊，锐化，轮廓或浮雕。它们还用于机器学习中的“特征提取”，这是一种用于确定图像最重要部分的技术。在这种情况下，该过程更普遍地称为“卷积”（参见：卷积神经网络）。
1、模糊（blur）

模糊内核消除了相邻像素值之间的差异。内核如下：

2、索贝尔（sobel）

sobel内核用于仅显示特定方向上相邻像素值的差异，分为left sobel、right sobel（检测梯度的水平变化）、top sobel、buttom sobel（检测梯度的垂直变化）。

例如，buttom sobel

3、浮雕（emboss）

通过强调像素的差在给定方向的Givens深度的错觉。在这种情况下，沿着从左上到右下的直线的方向。

4、大纲（outline）

一个轮廓内核（也称为“边缘”的内核）用于突出显示的像素值大的差异。具有接近相同强度的相邻像素旁边的像素在新图像中将显示为黑色，而与强烈不同的相邻像素相邻的像素将显示为白色。

5、锐化（sharpen）

该锐化内核强调在相邻的像素值的差异。这使图像看起来更生动。

6、拉普拉斯算子（laplacian operator）

拉普拉斯算子可以用于边缘检测，对于检测图像中的模糊也非常有用。

7、分身（identity）

这个非常简单，就是原图（不考虑边界时）!

还有一个网站可以看处理效果：
https://setosa.io/ev/image-kernels/