opencv学习笔记(13)：自定义线性滤波

卷积是图像处理中一个操作，是kernel在图像的每个像素上的操作。
Kernel本质上一个固定大小的矩阵数组，其中心点称为锚点(anchor point)

卷积如何工作
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。数学表达如下：

常见算子
robert算子

sobel算子

拉普拉斯算子

定义算子的方式

Mat robertkernelx = (Mat_<int>(2, 2) << 1, 0, 0, -1);

自定义卷积模糊
filter2D方法filter2D(
Mat src, //输入图像
Mat dst, // 模糊图像
int depth, // 图像深度32/8
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

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
	Mat src, dst1,dst2,dst3,dst4,dst5,dst6;
	src = imread("F:/1.jpg");
	if(!src.data)
	{
		cout << "cannot load image" << endl;
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);
	
	Mat robertkernelx = (Mat_<int>(2, 2) << 1, 0, 0, -1);
	filter2D(src, dst1, -1, robertkernelx, Point(-1, -1), 0, 0);
	
	Mat robertkernely = (Mat_<int>(2, 2) << 0,1,-1,0);
	filter2D(src, dst2, -1, robertkernely, Point(-1, -1), 0, 0);
	
	Mat sobelkernelx = (Mat_<int>(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);
	filter2D(src, dst3, -1, sobelkernelx, Point(-1, -1), 0, 0);

	Mat sobelkernely = (Mat_<int>(3, 3) << -1, -2, -1, 0, 0, 0, 1, 2, 1);
	filter2D(src, dst4, -1, sobelkernely, Point(-1, -1), 0, 0);

	Mat laplaciankernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0);
	filter2D(src, dst5, -1, laplaciankernel, Point(-1, -1), 0, 0);

	//imshow("output1", dst1);
	//imshow("output2", dst2);
	//imshow("output3", dst3);
	//imshow("output4", dst4);
	imshow("output5", dst5);

	int ksize = 0;
	int c = 0;
	int index = 0;
	while (true)
	{
		c = waitKey(500);
		if ((char)c == 27)
		{
			break;
		}
		ksize = 4 + (index % 8) * 2 + 1;
		Mat kernel = Mat::ones(Size(ksize, ksize), CV_32F) / (float)(ksize * ksize);
		filter2D(src, dst6, -1, kernel, Point(-1, -1));
		index++;
		imshow("custom filter", dst6);

	}
	waitKey(0);
	return 0;
}