python+OpenCV笔记（二十）：滤波函数——filter2D

        filter2D用于将自定义的滤波器应用于图像，需要为这个函数提供的一个重要参数就是核矩阵。

        该函数非常强大，可以生成很多种不同的结果，包括与之前的模糊函数相同的结果，不同的核还可以形成很多不同的滤波器。

不同核的示例

OpenCV API:

cv2.filter2D(src, ddepth, kernel)

参数：

1. src：输入的图像
2. ddepth：图像的深度
3. kernel：卷积核的大小

代码示例：

import cv2 as cv
import numpy as np

src = cv.imread("E:\\qi.png")
img = src.copy()

kernel = np.array([[0, 1.5, 0],
                   [1.5, -6, 1.5],
                   [0, 1.5, 0]])
dst = cv.filter2D(img, -1, kernel)

# 显示图像
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10, 8), dpi=100)
axes[0].imshow(img[:, :, ::-1])
axes[0].set_title("原图")
axes[1].imshow(dst[:, :, ::-1])
axes[1].set_title("结果")
plt.show()

1. 代码示例中的卷积核为
   
   可用于检测图像的边缘
   
2. 卷积核
   
   可用于锐化图像
   
3. 卷积核
   
   可生成浮雕化的图像
   
4. 分身（即和本身一模一样）
   卷积核
   
5. 之前见过的Sobel算子
   卷积核为
   
   Laplacian算子
   卷积核为
   等。