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。
-
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_<float>(3, 3) <<
0, -1, 0,
-1, 5, -1,
0, -1, 0);
// 进行卷积操作
cv::Mat convolvedImage;
cv::filter2D(image, convolvedImage, -1, kernel);
// 显示原始图像和卷积结果
imwrite("/sdcard/DCIM/image.png",image);//原图像
imwrite("/sdcard/DCIM/convolvedImage.png",convolvedImage);//卷积结果
}