opencv——卷积

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;  
}