十四、自定义线性滤波
1、卷积概念
卷积
是图像处理中的一个操作,是kernel在图像的每个像素上的操作。Kernel
本质上是一个固定大小的矩阵数组,其中心点称为锚点。卷积工作
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。卷积常用作用
:模糊图像、提取边缘、图像锐化。
2、常见的卷积算子(模板)
- Sobel算子
X方向(图b)重点突出左右差异(左右边界会很明显)
Y方向(图a)重点突出上下差异(上下边界会很明显)
//x方向
Mat kernel_x = (Mat_<int>(3,3) << 1,0,-1,2,0,-2,1,0,-1);
filter2D(src, dst, -1, kernel_x, Point(-1,-1),0,0);
//y方向
Mat ying;
Mat kernel_y = (Mat_<int>(3,3) << -1,-2,-1,0,0,0,1,2,1);
filter2D(src, ying, -1, kernel_y, Point(-1,-1),0,0);
从输出图像结果可以看出:Sobel X方向的左右边界凸显出来,而Sobel Y方向的上下边界被凸显出来。
- 拉普拉斯算子
0 | -1 | 0 |
---|---|---|
-1 | 4 | -1 |
0 | -1 | 0 |
Mat kernel = (Mat_<int>(3,3) << 0,-1,0,-1,4,-1,0,-1,0);
filter2D(src, dst, -1, kernel, Point(-1,-1),0,0);
由输出结果可以看出,拉普拉斯算子可以较好的提取出图像的边缘。
- Robert算子
//x方向
Mat kernel_x = (Mat_<int>(2,2) << 1,0,0,-1);
filter2D(src,dst,-1,kernel,Point(-1,-1),0,0);
//y方向
Mat ying;
Mat kernel_y = (Mat_<int>(2,2) << 0,1,-1,0);
filter2D(src,ying,-1,kernel,Point(-1,-1),0,0);
从输出结果可以看出,Robert算子X和Y方向生成的两张图片边界刚好是互补的。
3、自定义卷积模糊
- filter2D方法
模糊效果:渐渐模糊
filter2D(Mat src, Mat dst, int depth, Mat kernel, Point anchor, double delta);
//Mat src,输入图像
//Mat dst,模糊图像
//int depth,图像深度,可以直接写-1,代表和输入图像位图深度一致
//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
代码实现:
int c = 0;
int index = 0;
int ksize = 3;
while (true) {
c = waitKey(500);//500ms
if ((char)c == 27) {//按ESC键退出
break;
}
ksize = 5 + (index % 5) * 2;//使得卷积模板尺寸最小为5*5,最大为13*13。可以通过改写除数(5)来获得不同范围的模板尺寸变化
Mat kernel = Mat::ones(Size(ksize, ksize), CV_32F) / (float)(ksize * ksize);//把ksize*ksize尺寸的模板每一位都赋值为1然后除模板尺寸,用于后续做均值模糊
filter2D(src, dst,-1, kernel, Point(-1, -1));//做卷积操作
index++;
imshow("output", dst);
}
右图动态变化,每500ms变化一次,渐渐模糊,然后还原再渐渐模糊,不断循环。