OpenCV之图像处理(十六) 卷积算子与自定义线性滤波

卷积概念
    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。
        Sum = 8x1+6x1+6x1+2x1+8x1+6x1+2x1+2x1+8x1
        New pixel = sum / (m*n)  每个卷积和都要除以kernel的尺寸?
卷积的作用：模糊图像，提取边缘，进行图像的锐化
卷积和常称为(卷积)算子，常见算子：
    Robert算子：┌ +1  0 ┐   ┌  0 +1 ┐  也可以用来寻找梯度，寻找边缘   主对角线与副对角线上的梯度
                └  0 -1 ┘   └ -1  0 ┘
    Sobel算子 ：┌ -1 0 1 ┐  ┌ -1 -2 -1 ┐   也可以用来寻找梯度，寻找边缘   水平与垂直方向的梯度
                │ -2 0 2 │  │  0  0  0 │
                └ -1 0 1 ┘  └  1  2  1 ┘
    拉普拉斯算子： ┌  0 -1  0 ┐     用来寻找梯度，寻找边缘        整个的梯度，整体轮廓
                  │ -1  4 -1 │
                  └  0 -1  0 ┘

代码

    #include "../common/common.hpp"

    static void customFilter();

    void main(int argc, char** argv)
    {
        Mat src, dst1, dst2, dst3, dst4, dst5, dst6;
        src = imread(getCVImagesPath("images/test1_3.png"), IMREAD_COLOR);

        //图像在主对角线(x)方向的差异得到了明显的体现，这些差异就像图像的边缘一样
        Mat robertX = (Mat_<int>(2, 2) << 1, 0, 0, -1);//robert x方向 算子  前两个参数表示卷积的第一行
        filter2D(src, dst1, -1, robertX, Point(-1, -1), 0.0);//计算卷积和，参数delta 表示计算出来的像素+delta
        imshow("robertX", dst1);

        //图像在副对角线(y)方向的差异得到了明显的体现，将这两个x y方向的图像合起来，就能得到图像的轮廓
        Mat robertY = (Mat_<int>(2, 2) << 0, 1, -1, 0);//robert y方向 算子
        filter2D(src, dst2, -1, robertY, Point(-1, -1), 0.0);
        imshow("robertY", dst2);

        //图像在左右(x)方向的差异得到了明显的体现，由于是 -2 2 ，所以sobel比robert算子差异体现的更大
        Mat sobelX = (Mat_<int>(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);//sobel x方向 算子
        filter2D(src, dst3, -1, sobelX, Point(-1, -1), 0.0);
        imshow("sobelX", dst3);

        //图像在上下(y)方向的差异得到了明显的体现
        Mat sobelY = (Mat_<int>(3, 3) << -1, -2, -1, 0, 0, 0, 1, 2, 1);//sobel y方向 算子
        filter2D(src, dst4, -1, sobelY, Point(-1, -1), 0.0);
        imshow("sobelY", dst4);

        //图像整体上的差异得到了明显的体现
        Mat lapulasi = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0);//拉普拉斯 算子
        filter2D(src, dst5, -1, lapulasi, Point(-1, -1), 0.0);
        imshow("lapulasi", dst5);

        //图像锐化，仅仅只是将拉普拉斯算子的中心点 由4改成5，卷积后的图像结果差距巨大。。
        Mat ruihua = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);//锐化 算子 (掩膜)
        filter2D(src, dst6, -1, ruihua, Point(-1, -1), 0.0);
        imshow("ruihua", dst6);

        customFilter();

        waitKey(0);
    }

    void customFilter()//自定义线性滤波
    {
        Mat src, dst;
        src = imread(getCVImagesPath("images/test1.png"), IMREAD_COLOR);
        int ksize = 0;
        int index = 0;
        while (true)
        {
            if (waitKey(500) == 27) break; // esc键
            ksize = 4 + (index % 8) * 2 + 1;
            // Mat::ones 创建的矩阵值初始值为1 ，重载的运算符 / 表示将每个初始值再除以 ksize * ksize
            Mat kernel = Mat::ones(Size(ksize, ksize), CV_32F) / (float)(ksize * ksize);
            filter2D(src, dst, -1, kernel);
            index++;
            imshow("Custom Filter", dst);
        }
    }

效果图