最常见的图像变换(image transform,即将一幅图像转变成图像数据)就是傅里叶变换(Fourier transform),即将图像转换成源图像数据的另一种表示,而卷积是大多数变换的基础。
我们可以用方程来表示这个过程。我们首先定义图像为I(x,y),核为G(x,y),
参考点位于相应核的(ai,aj)坐标上,则卷积H(x,y)定义如下:
边缘部分使用复制处理,计算方法如下图所示:
cvFilter2D
void cvFilter2D( const CvArr* src, CvArr* dst, const CvMat* kernel, CvPoint anchor=cvPoint(-1,-1)); |
src
输入图像
dst
输出图像
kernel
卷积核, 单通道浮点矩阵. 如果想要应用不同的核于不同的通道,先用 cvSplit 函数分解图像到单个色彩通道上,然后单独处理。
anchor
核的锚点表示一个被滤波的点在核内的位置。 锚点应该处于核内部。缺省值 (-1,-1) 表示锚点在核中心。
#include <opencv2\opencv.hpp>
#include <stdio.h>
#include<highgui.h>
int main(int argc, char* argv[])
{
float k[9]={
1.0 ,2.0 ,1.0 ,
-1.0 ,1.0 ,-2.0 ,
1.0 ,-1.0,1.0
};
CvMat km=cvMat(3,3,CV_32FC1,k); //构造单通道浮点矩阵,将图像IplImage结构转换为图像数组
IplImage *src=cvLoadImage("2.jpg");
IplImage *dst=cvCreateImage(cvGetSize(src),IPL_DEPTH_8U,3);
cvNamedWindow("src");
cvShowImage("src",src);
cvNamedWindow("Filtering");
cvFilter2D(src,dst,&km,cvPoint(-1,-1));
cvShowImage("Filtering",dst);
cvWaitKey(0);
cvReleaseImage( &src );
cvReleaseImage( &dst );
return 0;
}