opencv——自定义线性滤波

知识储备

在学习自定义线性滤波前，需要了解卷积的相关概念
图像中的卷积

常见算子（卷积核）

Robert算子

在这里插入图片描述
最常见的算子

Sobel算子

在这里插入图片描述

在边缘检测中经常用到，是canny边缘检测中重要的一步，通过Sobel算子得到梯度

Laplance算子

在这里插入图片描述
锐化的掩膜中间是5，拉普拉斯算子中间是4

拉普拉斯算子和Sobel算子被用来寻找梯度、寻找图像的边缘

自定义线性滤波

和掩膜其实是一样的，只是用的核不一样

API

void filter2D( 
    InputArray src, 
    OutputArray dst, 
    int ddepth,                            
    InputArray kernel, 
    Point anchor = Point(-1,-1),                            
    double delta = 0, 
    int borderType = BORDER_DEFAULT 
);

（1）InputArray类型的src ，输入图像。

（2）OutputArray类型的dst ，输出图像，图像的大小、通道数和输入图像相同。

（3）int类型的ddepth，目标图像的所需深度。

（4）InputArray类型的kernel，卷积核（或者更确切地说是相关核）是一种单通道浮点矩阵；如果要将不同的核应用于不同的通道，请使用split将图像分割成不同的颜色平面，并分别对其进行处理。。

（5）Point类型的anchor，表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。。

（6）double类型的delta，在将筛选的像素存储到dst中之前添加到这些像素的可选值。说的有点专业了其实就是给所选的像素值添加一个值delta。

（7）int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT。

一般来说，第三个参数使用-1
第五个参数使用Point(-1,-1)来默认锚点为中心
第六个0
第七个不写，使用默认

代码

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

using namespace std;
using namespace cv;


int main()
{
    
    
	Mat src, dstx, dsty;
	src = imread("C:/Users/86176/Pictures/pics/camera.tiff");
	if (!src.data)
	{
    
    
		cout << "could not load image..." << endl;
		return -1;
	}
	imshow("show image", src);


	namedWindow("x img", CV_WINDOW_AUTOSIZE);
	namedWindow("y img", CV_WINDOW_AUTOSIZE);

	//卷积核可自己定义，这里定义的是Robert算子
	Mat kernel_x = (Mat_<int>(2, 2) <<  1, 0, 0,-1);
	Mat kernel_y = (Mat_<int>(2, 2) << -1, 0, 0, 1);
	
	filter2D(src, dstx, -1, kernel_x, Point(-1,-1), 0.0);
	imshow("x img", dstx);

	filter2D(src, dsty, -1, kernel_y, Point(-1, -1), 0.0);
	imshow("y img", dsty);



	waitKey(0);
	return 0;
}

效果

在这里插入图片描述
x，y方向分别更注重他们本方向上的差异