1.图像卷积原理
图像卷积是一种在图像上应用卷积核的操作。卷积核是一个小的窗口矩阵,它通过在图像上滑动并与图像的像素进行逐元素相乘,然后求和来计算新图像中每个像素的值。通过滑动卷积核并在图像上进行逐像素运算,可以实现一系列图像处理任务,例如平滑、边缘检测和特征提取等。
卷积操作的原理如下:
-
定义一个卷积核(或滤波器),它服务器托管网是一个小的窗口矩阵。卷积核的大小通常是奇数,以便有一个中心点。
-
将卷积核放置在图像的初始位置上(通常是图像的左上角)。
-
将卷积核的每个元素与图像上重叠区域的对应像素进行逐元素相乘。
-
将所有乘积结果相加得到新图像中对应像素位置的值。服务器托管网
-
将卷积核在图像上滑动一个像素,并重复步骤3和4,直到覆盖整个图像。
-
重复以上步骤,将卷积核应用于图像的每个像素位置,生成最终的卷积结果图像。
2.图像卷积函数filter2D()
void filter2D( InputArray src, OutputArray dst, int ddepth,
InputArray kernel, Point anchor = Point(-1,-1),
double delta = 0, int borderType = BORDER_DEFAULT );
参数解释:
-
src:原始图像,可以是单通道(灰度图像)或者是三通道彩色图像。
-
ddepth:输出图像的深度,通常设置为-1以保持与原始图像相同的深度。
-
kernel:应用于图像的卷积核,是一个NumPy数组。
-
dst(可选):输出图像,与原始图像具有相同的大小和深度。如果未提供,则函数会自动创建一个新的图像。
-
anchor(可选):指定卷积核的锚点位置,如果未提供,则默认为(-1, -1),表示锚点位于卷积核的中心。
-
delta(可选):可选的增量参数,用于对输出图像进行偏移。
-
borderType(可选):图像边界的处理方式,可以是cv2.BORDER_CONSTANT、cv2.BORDER_REPLICATE等。
3.示例代码:
//图像卷积
void Image_convolution(Mat image){
// 定义卷积核
cv::Mat kernel = (cv::Mat_(3, 3)
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net