opencv 关于 卷积核(掩膜) 的通俗理解

1 opencv 坐标原点是左上角 x向右延伸 y向下延伸

图像的坐标原点位于左上角,x 轴向右延伸,y 轴向下延伸。这种坐标系与大多数计算机图像处理库(如 PIL、MATLAB 等)一致

例如 给定像素坐标(x,y)  则周围点表示为:

左上方的像素: (x-1, y-1)
上方的像素: (x, y-1)
右上方的像素: (x+1, y-1)
左侧的像素: (x-1, y)
右侧的像素: (x+1, y)
左下方的像素: (x-1, y+1)
下方的像素: (x, y+1)
右下方的像素: (x+1, y+1)

2 对于卷积核操作 中间写8 那就是中间像素值*8 周围的写-1 周围像素*(-1) 最终加到一起计算出新的像素 赋给卷积后的点

例如 给定一个卷积核(通常称为滤波器),如下所示:

-1 -1 -1
-1  8 -1
-1 -1 -1

这个卷积核表示的操作是:将中心像素值乘以 8,然后减去它周围的每个像素值。具体步骤如下:

  1. 将中心像素的值乘以 8。
  2. 将周围八个像素的值分别乘以 -1。
  3. 将上述所有值相加,得到新的像素值。
合成后新公式就是:

O(x,y)=8*I(x,y)−I(x−1,y−1)−I(x−1,y)−I(x−1,y+1)−I(x,y−1)−I(x,y+1)−I(x+1,y−1)−I(x+1,y)−I(x+1,y+1) 

 3 对于边缘处理情况 可以用0填充 可以用边缘像素填充 可以用另一侧边缘像素填充 都是预定义宏

BORDER_CONSTANT BORDER_REFLECT BORDER_REPLICATE BORDER_WRAP

 例如(cpp):

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    // 创建一个示例图像(3x3矩阵)
    Mat image = (Mat_<uchar>(3, 3) << 1, 2, 3, 
                                       4, 5, 6, 
                                       7, 8, 9);

    // 定义卷积核(边缘检测或锐化)
    Mat kernel = (Mat_<float>(3, 3) << -1, -1, -1, 
                                        -1,  8, -1, 
                                        -1, -1, -1);

    // 创建用于存储结果的图像
    Mat result;

    // 使用不同的边缘填充方法进行卷积操作

    // 1. 零填充(BORDER_CONSTANT)
    filter2D(image, result, -1, kernel, Point(-1, -1), 0, BORDER_CONSTANT);
    
    cout << result << endl << endl;

    // 2. 镜像填充(BORDER_REFLECT)
    filter2D(image, result, -1, kernel, Point(-1, -1), 0, BORDER_REFLECT);
    
    cout << result << endl << endl;

    // 3. 重复边缘像素填充(BORDER_REPLICATE)
    filter2D(image, result, -1, kernel, Point(-1, -1), 0, BORDER_REPLICATE);
   
    cout << result << endl << endl;

    // 4. 环绕填充(BORDER_WRAP)
    filter2D(image, result, -1, kernel, Point(-1, -1), 0, BORDER_WRAP);
   
    cout << result << endl << endl;

    return 0;
}

  • 56
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV(Open Source Computer Vision Library)是一款开源的计算机视觉库,专门为图像和视频处理任务设计,广泛应用于学术研究、工业应用以及个人项目中。以下是关于OpenCV的详细介绍: 历史与发展 起源:OpenCV于1999年由英特尔公司发起,旨在促进计算机视觉技术的普及和商业化应用。该项目旨在创建一个易于使用、高效且跨平台的库,为开发者提供实现计算机视觉算法所需的基础工具。 社区与支持:随着时间的推移,OpenCV吸引了全球众多开发者和研究人员的参与,形成了活跃的社区。目前,OpenCV由非盈利组织OpenCV.org维护,并得到了全球开发者、研究机构以及企业的持续贡献和支持。 主要特点 跨平台:OpenCV支持多种操作系统,包括但不限于Windows、Linux、macOS、Android和iOS,确保代码能够在不同平台上无缝运行。 丰富的功能:库中包含了数千个优化过的函数,涵盖了计算机视觉领域的诸多方面,如图像处理(滤波、形态学操作、色彩空间转换等)、特征检测与描述(如SIFT、SURF、ORB等)、物体识别与检测(如Haar级联分类器、HOG、DNN等)、视频分析、相机校正、立体视觉、机器学习(SVM、KNN、决策树等)、深度学习(基于TensorFlow、PyTorch后端的模型加载与部署)等。 高效性能:OpenCV代码经过高度优化,能够利用多核CPU、GPU以及特定硬件加速(如Intel IPP、OpenCL等),实现高速图像处理和实时计算机视觉应用。 多语言支持:尽管OpenCV主要使用C++编写,但它提供了丰富的API绑定,支持包括C、Python、Java、MATLAB、JavaScript等多种编程语言,方便不同领域的开发者使用。 开源与免费:OpenCV遵循BSD开源许可证发布,用户可以免费下载、使用、修改和分发库及其源代码,无需担心版权问题。 架构与核心模块 OpenCV的架构围绕核心模块构建,这些模块提供了不同层次的功能: Core:包含基本的数据结构(如cv::Mat用于图像存储和操作)、基本的图像和矩阵操作、数学函数、文件I/O等底层功能。 ImgProc:提供图像预处理、滤波、几何变换、形态学操作、直方图计算、轮廓发现与分析等图像处理功能。 HighGui:提供图形用户界面(GUI)支持,如图像和视频的显示、用户交互(如鼠标事件处理)以及简单的窗口管理。 VideoIO:负责视频的读写操作,支持多种视频格式和捕获设备。 Objdetect:包含预训练的对象检测模型(如Haar级联分类器用于人脸检测)。 Features2D:提供特征点检测(如SIFT、ORB)与描述符计算、特征匹配与对应关系估计等功能。 Calib3d:用于相机标定、立体视觉、多视图几何等问题。 ML:包含传统机器学习算法,如支持向量机(SVM)、K近邻(KNN)、决策树等。 DNN:深度神经网络模块,支持导入和运行预训练的深度学习模型,如卷积神经网络(CNN)。
提供的源码资源涵盖了安卓应用、小程序、Python应用和Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值