自定义滤波和边缘处理

之前的学习中接触了很多常用的滤波，不过，如果我们想用自己定义的滤波该怎么办呢？其实也是没问题的。首先回顾一下滤波的工作流程，首先确定滤波的范围，然后确定范围中每个点的权重，然后算出区域的像素加权和，最后替换掉目标点的像素值。我们可以利用filter2D函数来实现。

（1）在使用filter2D之前，我们需要定义一个小Mat对象，相当于滤波范围，这个小Mat对象的内容就是每个点的权重。

Mat kernel = Mat_<数据类型>(小范围的高,小范围的宽) << (按行按列顺序写入数据)

（2）filter2D(源Mat对象,目标Mat对象,输出Mat对象的深度,kernel)//输出Mat的深度通常输入-1，即与输入图像相同

说到滤波就顺带说一下边缘处理，在滤波过程中有个问题，就是区域边缘位置没法滤波，所以在使用时我们应该先把边缘往外延伸，延伸方法有好多种：BORDER_DEFAULT、BORDER_CONSTANT、BORDER_REPLICATE、BORDER_WRAP，默认采用BORDER_DEFAULT。

（3）copyMakeBorder(源Mat对象,目标Mat对象,上边的延伸宽度,下边的延伸宽度,左边的延伸宽度,右边的延伸宽度,延伸方法,边缘颜色Scalar对象)//边缘颜色对象只有在BORDER_CONSTANT方法下才有用。

演示代码：

#include<opencv2\opencv.hpp>
#include<iostream>
#include<math.h>
#include<algorithm>
#include<stdlib.h>

using namespace std;
using namespace cv;

Mat src, dst;
int main()
{
	src = imread("1.jpg", 1);
	if (src.empty())
	{
		printf("cannot load!!\n");
		system("pause");
		return -1;
	}
	//自定义滤波
	Mat kernel = (Mat_<float>(3, 3) << 1, 1, 1, 1, 1, 1, 1, 1, 1);
	kernel /= 9.0;
	filter2D(src, dst, -1, kernel);
	namedWindow("自定义滤波");
	imshow("自定义滤波", dst);

	//边缘处理
	int width = src.rows / 100;
	copyMakeBorder(src, dst, width, width, width, width, BORDER_CONSTANT, Scalar(0, 0, 255));
	namedWindow("边缘处理");
	imshow("边缘处理", dst);


	waitKey(0);
	return 0;
}

演示效果：