cv2.copyMakeBorder()的用法

padding
不难发现，用3×3的核对一副6×6的图像进行卷积，得到的是4×4的图，图片缩小了！那怎么办呢？我们可以把原图扩充一圈，再卷积，这个操作叫padding。

事实上，原图为n×n，卷积核为f×f，最终结果图大小为(n-f+1) × (n-f+1)

那么扩展的这一层应该填充什么值呢？OpenCV中有好几种填充方式，都使用cv2.copyMakeBorder()函数实现，一起来看看。

添加边框
cv2.copyMakeBorder()用来给图片添加边框，它有下面几个参数：

src：要处理的原图
top, bottom, left, right：上下左右要扩展的像素数
borderType：边框类型，这个就是需要关注的填充方式，详情请参考：BorderTypes
其中默认方式和固定值方式最常用，我们详细说明一下：

固定值填充（cv2.BORDER_CONSTANT）
顾名思义，这种方式就是边框都填充成一个固定值，比如下面的程序都填充0：

import cv2
import numpy as np
 
img = cv2.imread('6_by_6.bmp', 0)
print(img)
 
# 固定值边框，统一都填充0也称为zero padding
cons = cv2.copyMakeBorder(img, 1, 1, 1, 1, cv2.BORDER_CONSTANT, value=0)
print(cons)

默认边框类型（cv2.BORDER_DEFAULT）
默认方式其实是取镜像对称的像素填充，比较拗口：

default = cv2.copyMakeBorder(img, 1, 1, 1, 1, cv2.BORDER_DEFAULT)
print(default)

一般情况下默认方式更加合理，因为边界的像素值更加接近，当然应视场合而定。

OpenCV进行卷积
OpenCV中用cv2.filter2D()实现卷积操作，比如我们的核是下面这样（3×3区域像素的和除以10）：

img = cv2.imread('lena.jpg')
# 定义卷积核
kernel = np.ones((3, 3), np.float32) / 10
# 卷积操作，-1表示通道数与原图相同
dst = cv2.filter2D(img, -1, kernel)

可以看到这个核对图像进行了模糊处理，这是卷积的众多功能之一。当然卷积还有很多知识没有学到，后面我们再继续深入。

转载自：https://blog.csdn.net/zfjBIT/article/details/86655182