OpenCV14---常见卷积算子介绍与自定义线性滤波

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。