【OpenCV 4开发详解】图像卷积

本文首发于 “小白学视觉”微信公众号，欢迎关注公众号 本文作者为小白，版权归 人民邮电出版社发行所有，禁止转载，侵权必究！

---

经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《OpenCV 4开发详解》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。

卷积常用在信号处理中，而图像数据也可以看作是一种信号数据，例如图像中的每一行可以看作测量亮度变化的信号数据，每一列也可以看作亮度变化的信号数据，因此也可以对图像进行卷积操作。在信号处理中卷积操作需要给出一个卷积函数与信号进行计算，图像的卷积形式与其相同，需要给出一个卷积模板与原图像进行卷积计算。整个过程可以看成是一个卷积模板在另外一个大的图像上移动，对每个卷积模板覆盖的区域进行点乘，得到的值作为中心像素点的输出值。卷积首先需要将卷积模板旋转180°，之后从图像的左上角开始移动旋转后的卷积模板，从左到右，从上到下依次进行卷积计算，最终得到卷积后的图像。卷积模板又被称为卷积核或者内核，是一个固定大小的二维矩阵，矩阵中存放着预先设定的数值。

图像卷积过程大致可以分为以下5个步骤：

• Step1：将卷积模板旋转180°，由于多数情况中卷积模板中的数据是中心对称的，因此有时这步可以省略，但是如果卷积模板不是中心对称的，必须将模板进行旋转。
• Step2：将卷积模板中心放在原图像中需要计算卷积的像素上，卷积模板中其余部分对应在原图像相应的像素上，如图5-1所示，卷积模板和待卷积矩阵中黄色区域分别是卷积模板的中心和对应点，定位结果中阴影区域为模板覆盖的区域。

图5-1 图像卷积步骤Step2

• Step3：用卷积模板中的系数乘以图像中对应位置的像素数值，并对所有结果求和，针对图5-1表示的卷积步骤，其计算过程如式所示，最终计算结果为84.
  $$\mathrm{r}\mathrm{e}\mathrm{s}\mathrm{u}\mathrm{l}\mathrm{t}=1\ast 1+2\ast 2+3\ast 1+$$