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)
卷积的作用：模糊图像，提取边缘，进行图像的锐化

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：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
Sobel算子：也可以用来寻找梯度，寻找边缘水平与垂直方向的梯度
拉普拉斯算子：用来寻找梯度，寻找边缘整个的梯度，整体轮廓

自定义卷积模糊

filter2D方法filter2D( Mat src, //输入图像 Mat dst, // 模糊图像（目标图像） int depth, // dst图像深度32/8，负值（例如-1）表示深度与源相同 Mat kernel, // 卷积核/模板，要通过映像扫描的内核 Point anchor, // 锚点相对于其内核的位置。位置Point（-1，-1）默认表示中心。 double delta， // 计算出来的像素+delta，卷积过程中要添加到每个像素的值。默认情况下为0 int borderType //BORDER_DEFAULT：我们默认使用此值 )
其中 kernel是可以自定义的卷积核
在这里插入图片描述

来自：https://docs.opencv.org/master/d4/d86/group__imgproc__filter.html#ga27c049795ce870216ddfb366086b5a04

代码示例

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

using namespace cv;

void customFilter();
int main(){

	Mat src,dst1, dst2, dst3, dst4, dst5, dst6;
	src = imread("E:/Experiment/OpenCV/Pictures/girl2.jpg");
	if(src.empty()){
		printf("could not load image...");
		return -1;
	}
	namedWindow("output windows",CV_WINDOW_AUTOSIZE);
	imshow("output windows",src);//显示图片

	//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("E:/Experiment/OpenCV/Pictures/dog2.jpg");
    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);
    }
}

运行截图

在这里插入图片描述

参考博客

https://blog.csdn.net/LYKymy/article/details/83154551

https://blog.csdn.net/huanghuangjin/article/details/81130171

OpenCV-图像处理（15、自定义线性滤波）