opencv利用卷积实现自定义线性滤波

为了实现自定义滤波我们先了解一下卷积与算子

卷积是图像处理中一个操作，是kernel在图像的每个像素上的操作。 Kernel本质上一个固定大小的矩阵数组，其中心点称为锚点(anchor point)，如下图

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。

例如：

Sum = 8x1+6x1+6x1+2x1+8x1+6x1+2x1+2x1+8x1

New pixel = sum / (m*n)  /*锚点的像素*/

卷积过程大致如下图：

算子就是上面提到的kernel，常见算子有Robert，Sobel，拉普拉斯算子

                                   2种Robert算子

                                 2种sobel算子

           拉普拉斯算子

自定义滤波就是借助filter2D和自定义算子实现的

filter2D方法filter2D( Mat src, //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

double delta // 计算出来的像素+delta

)

其中 kernel是可以自定义的卷积核，例如我们掩模操作时的算子，与拉普拉斯的区别是中心位置处是5