本文共 2865 字，大约阅读时间需要 9 分钟。

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)
  

卷积操作

• 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：
  
  
  Sum = 8x1+6x1+6x1+2x1+8x1+6x1+2x1+2x1+8x1
  New pixel = sum / (m*n)
  

filter2D()函数

参考链接：https://blog.csdn.net/keith_bb/article/details/53103026

CV_EXPORTS_W 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：

• InputArray src: 输入图像
• OutputArray dst: 输出图像，和输入图像具有相同的尺寸和通道数量
• int ddepth: 目标图像深度，如果没写将生成与原图像深度相同的图像。当depth输入值为-1时，目标图像和原图像深度保持一致。
• InputArray kernel: 卷积核（或者是相关核）,一个单通道浮点型矩阵。如果想在图像不同的通道使用不同的kernel，可以先使用split()函数将图像通道事先分开。
• Point anchor: 内核的基准点(anchor)，其默认值为(-1,-1)说明位于kernel的中心位置。基准点即kernel中与进行处理的像素点重合的点。
• double delta: 在储存目标图像前可选的添加到像素的值，默认值为0
• int borderType: 像素向外逼近的方法，默认值是BORDER_DEFAULT,即对全部边界进行计算。

常见算子

• Robert算子（左侧x方向，右侧y方向）
  
• Sobel算子（左侧x方向，右侧y方向）
  
• 拉普拉斯算子（当中间值为5时是锐化算子）
  

自定义卷积模糊

• filter2D方法filter2D(
  Mat src, //输入图像
  Mat dst, // 模糊图像
  int depth, // 图像深度32/8
  Mat kernel, // 卷积核/模板
  Point anchor, // 锚点位置
  double delta // 计算出来的像素+delta
  )
  其中 kernel是可以自定义的卷积核
  

结果演示

Robert 算子结果

代码实现

#include
   
    #include 
    
     using namespace cv;using namespace std;int main(){
   	Mat src = imread("G:/OpenCV/opencv笔记所用图片/1.jpg");	if (src.empty())	{
   		cout << "could not load image..." << endl;		getchar();		return -1;	}	Mat dst;	// robert X 方向	Mat kernel_x = (Mat_
     
      (2, 2) << 1, 0, 0, -1);			//定义robert的x方向的算子为卷积核	filter2D(src, dst, -1, kernel_x, Point(-1, -1), 0.0);		//使用filter2D来对图像进行卷积操作（使用的卷积核已定义）	imshow("robert X",dst);	// robert y 方向	Mat kernel_y = (Mat_
      
       (2, 2) << 0, 1, -1, 0);			//定义robert的y方向的算子为卷积核	filter2D(src, dst, -1, kernel_y, Point(-1, -1), 0.0);	imshow("robert y", dst);	//sobel的算子比Robert要差异大一些	// Sobel X 方向	 Mat Skernel_x = (Mat_
       
        (3, 3) << -1, 0, 1, -2,0,2,-1,0,1);		//定义sobel的x方向的算子为卷积核	 filter2D(src, dst, -1, Skernel_x, Point(-1, -1), 0.0);	imshow("Sobel x", dst);	// Sobel Y 方向	 Mat yimg;	 Mat Skernel_y = (Mat_
        
         (3, 3) << -1, -2, -1, 0,0,0, 1,2,1); //定义sobel的y方向的算子为卷积核 filter2D(src, yimg, -1, Skernel_y, Point(-1, -1), 0.0); imshow("Sobel y", yimg); // 拉普拉斯算子(边缘检测算子，得到的是主要的轮廓，当中间的值是5时是锐化算子) Mat Lkernel = (Mat_
         
          (3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0); filter2D(src, dst, -1, Lkernel, Point(-1, -1), 0.0); imshow("拉普拉斯", dst); //自定义卷积模糊 int c = 0; int index = 0; int ksize = 0; //使用循环是其模糊程度自动加深 while (true) { c = waitKey(600); if ((char)c == 27) { // ESC break; } ksize = 5 + (index % 8) * 2; Mat kernel = Mat::ones(Size(ksize, ksize), CV_32F) / (float)(ksize * ksize); //定义一个大小变化的卷积核 filter2D(src, dst, -1, kernel, Point(-1, -1)); index++; //进行模糊自增 imshow("卷积模糊", dst); } waitKey(0); return 0;}