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。
![](https://i-blog.csdnimg.cn/blog_migrate/eb9e4bc666b88c841570b80ff027e457.png)
- 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.
r e s u l t = 1 ∗ 1 + 2 ∗ 2 + 3 ∗ 1 + 6 ∗ 2 + 7 ∗ 0 + 8 ∗ 2 + 11 ∗ 1 + 12 ∗ 2 + 13 ∗ 1 = 84 (5.1) {\rm{result}} = 1*1 + 2*2 + 3*1 + 6*2 + 7*0 + 8*2 + 11*1 + 12*2 + 13*1 = 84 \tag{5.1} result=1∗1+2∗2+3∗1+