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