CV：计算机视觉技术之图像基础知识(二)—图像内核的九种卷积核可视化解释(blur/bottom sobel /emboss/identity /sobel /outline/sharpen)

一个处女座的程序猿

已于 2022-10-18 00:04:29 修改

阅读量3.8k

点赞数 7

分类专栏： CV Tool/IDE etc 文章标签：计算机视觉图像处理 opencv

于 2020-11-24 19:24:39 首次发布

本文链接：https://blog.csdn.net/qq_41185868/article/details/110090871

版权

242 篇文章 231 订阅

订阅专栏

89 篇文章 33 订阅

订阅专栏

CV：计算机视觉技术之图像基础知识(二)—图像内核的九种卷积核可视化解释(blur/bottom sobel /emboss/identity /left sobel /outline/right sobel /sharpen/top sobel)

图像内核的可视化解释

原作者： Victor Powell

图像内核是一个小的矩阵，用于应用在Photoshop或Gimp中可能发现的效果，如模糊、锐化、轮廓或压纹。它们还被用于机器学习的“特征提取”，一种确定图像最重要部分的技术。在这种情况下，这个过程通常被称为“卷积”(详见卷积神经网络)。

为了了解它们是如何工作的，让我们从检查一个黑白图像开始。左边的矩阵包含0到255之间的数字，每个数字对应一张人脸图像中一个像素的亮度。大的、颗粒状的图像被放大，以便更容易看到;最后一个图像是“真实”大小。

接下来，看看如何将下面的3x3锐化内核应用到上面的一张脸的图像上。下面，对于左边图像中每3x3个像素块，我们将每个像素乘以核中对应的项，然后求和。这个和就变成了右边图像中的一个新像素。将鼠标悬停在图像上的一个像素上，看看它的值是如何计算的。

这个过程的一个微妙之处在于如何沿着图像的边缘进行处理。例如，输入图像的左上角只有三个邻居。解决这个问题的一种方法是将原始图像的边缘值扩展一，同时保持新图像的大小不变。在这个演示中，我们将这些值设置为黑色，从而忽略了它们。

自己测试，你可以选择不同的核矩阵，看看他们如何影响原始图像或建立你自己的核。如果你的浏览器支持的话，你也可以上传你自己的图片或者使用实时视频。

关注