OpenCV学习笔记（二）常用滤波函数之下篇（卷积滤波）

上篇介绍了openCV自带的滤波函数库，中篇介绍了基于中值滤波的改进滤波算法：自适应中值滤波。这一篇将介绍OpenCV的卷积操作函数：void cvFilter2D( const CvArr* src, CvArr* dst,const CvMat* kernel,CvPoint anchor=cvPoint(-1,-1));
其中：src表示输入图像；dst表示输出图像；kernel表示卷积核,为单通道浮点矩阵， 如果想要应用不同的核于不同的通道，需要先用 cvSplit 函数分解图像到单个色彩通道上，然后单独处理；anchor为核的锚点，表示一个被滤波的点在核内的位置（（-1，-1）点表示核的中心点）。
这是C语言版本的，卷积函数还有C++版本的，其函数形式为：CV_EXPORTS_W void filter2D( InputArray src, OutputArray dst, int ddepth, InputArray kernel, Point anchor=Point(-1,-1), double delta=0, int borderType=BORDER_DEFAULT );
其中：
InputArray src表示输入图像；OutputArray dst表示 输出图像，和输入图像具有相同的尺寸和通道数量；int ddepth表示 目标图像深度，如果没写将生成与原图像深度相同的图像，当ddepth输入值为-1时，目标图像和原图像深度保持一致；InputArray kernel表示 卷积核,是一个单通道浮点型矩阵。如果想在图像不同的通道使用不同的kernel，需要先使用split()函数将多通道图像分离成单通道图像；Point anchor表示 内核的锚点，其默认值为(-1,-1)说明位于kernel的中心位置；double delta表示 在储存目标图像前可选的添加到像素的值，默认值为0；int borderType表示 像素向外逼近的方法，默认值BORDER_DEFAULT,即对全部边界进行计算。
下面使用C++版本的库函数filter2D来依次进行图像的模糊、去噪、锐化和边缘检测等操作。

在此，先简单介绍一下图像处理中的卷积概念。
图像处理中的卷积概念与数字信号处理中的卷积概念不同，它更趋向于相对求和，对卷积模板中所有的点进行累加求和。如下图所示：

卷积模板中的矩阵元素为：
$$\left[\begin{array}{ccc}4& 0& 0\\ 0& 0& 0\\ 0& 0& -4\end{array}\right]\text{\hspace{1em}(A)}$$
原图像中要进行卷积操作的矩阵元素为：
$$\left[\begin{array}{ccc}0& 0& 0\\ 0& 1& 1\\ 0& 1& 2\end{array}\right]\text{\hspace{1em}(B)}$$
对A、B中的各元素依次对应相乘最后求和即得到了卷积后的像素点的值，该值替换原图像中的位置由锚点决定 Point anchor=Point(-1,-1) ，其中（-1，-1）表示在卷积核的中心位置。依次逐个点遍历全图即可得到最终的卷积滤波后的图像。

1、图像模糊

先以卷积核为
$$\left[\begin{array}{ccc}0& 0& 0\\ 0& 1& 0\\ 0& 0& 0\end{array}\right]\text{\hspace{1em}(A)}$$
来说明，

如上图所示，滤波前后图像无变化，因为卷积核中除中心位置外，其他位置都为0，卷积后的结果就是中心处的像素点，也就相当于并没有对图像滤波。

均值滤波

均值滤波卷积核为：
(B) [ 1 / 9 1 / 9 1 / 9 1 / 9 1 / 9 1 / 9