OpenCV12-图像卷积

- 图像卷积

图像卷积

OpenCV中提供了filt2D()函数用于实现图像和卷积模板之间的卷积运算：

cpp 复制代码

void filter2D(
    InputArray src,  // 输入图像
    OutputArray dst, // 输出图像
    int ddepth,      // 输出图像数据类型（深度），当为-1时，根据输入图像类型自动选择。
    InputArray kernel, // 卷积核，CV_32FC1 
    Point anchor = Point(-1,-1), // 核的基准点，默认值代表内核基准点位于kernel的中心位置。
    double delta = 0,  // 偏移值，卷积结果加上偏移值 
    int borderType = BORDER_DEFAULT  // 像素边界外推标志
);

第6个参数是像素边界外推标志，在图像几何变换一文中讲解 wrapAffine() 仿射变换时第一次遇到，在这里我们体会到了什么是像素边界外推，就是对图像的边界，使用卷积核处理时，边界外面没有与卷积核对应的元素，这是如果要对边界元素卷积，则需要填充一些值，填充值的方法如下：

cpp 复制代码

/*
BORDER_CONSTANT：用特定值填充，如用i填充：iiiiii|abcdefgh|iiiiiii
BORDER_REPLICATE：两端复制填充，如两端用a和h填充：aaaaaa|abcdefgh|hhhhhhh
BORDER_REFLECT：倒序填充
BORDER_WRAP：正序填充
BORDER_REFLECT_101：不包含边界值的倒序填充
BORDER_TRANSPARENT：随即填充
BORDER_REFLECT101、BORDER_DEFAULT：同BORDER_REFLECT_101
BORDER_ISOLATED：不关心感兴趣区域之外的部分
*/
enum BorderTypes {
    BORDER_CONSTANT    = 0, //!< `iiiiii|abcdefgh|iiiiiii`  with some specified `i`
    BORDER_REPLICATE   = 1, //!< `aaaaaa|abcdefgh|hhhhhhh`
    BORDER_REFLECT     = 2, //!< `fedcba|abcdefgh|hgfedcb`
    BORDER_WRAP        = 3, //!< `cdefgh|abcdefgh|abcdefg`
    BORDER_REFLECT_101 = 4, //!< `gfedcb|abcdefgh|gfedcba`
    BORDER_TRANSPARENT = 5, //!< `uvwxyz|abcdefgh|ijklmno`

    BORDER_REFLECT101  = BORDER_REFLECT_101, //!< same as BORDER_REFLECT_101
    BORDER_DEFAULT     = BORDER_REFLECT_101, //!< same as BORDER_REFLECT_101
    BORDER_ISOLATED    = 16 //!< do not look outside of ROI
};

由于边界外没有任何图像信息，因此可以使用 BORDER_CONSTANT 边界填充0。

下面的例子中，卷积结果偏移了2。归一化后的矩阵中每个元素的数值都在一定范围内。再利用相同的卷积模板对彩色图像进行卷积，虽然卷积前后图像内容一致，但是图像整体变得模糊一些。

cpp 复制代码

#include <opencv2/core/utils/logger.hpp>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
	cout << "OpenCV Version: " << CV_VERSION << endl;
	utils::logging::setLogLevel(utils::logging::LOG_LEVEL_SILENT);

	//待卷积矩阵
	uchar points[25] = {
		1,2,3,4,5,
		6,7,8,9,10,
		11,12,13,14,15,
		16,17,18,19,20,
		21,22,23,24,25
	};
	Mat img(5, 5, CV_8UC1, points);
	//卷积模板
	Mat kernel = (Mat_<float>(3, 3) <<
		1, 2, 1,
		2, 0, 2,
		1, 2, 1);
	Mat kernel_norm = kernel / 12;  //卷积模板归一化
	//未归一化卷积结果和归一化卷积结果
	Mat result, result_norm;
	filter2D(img, result, CV_32F, kernel, Point(-1, -1), 2, BORDER_CONSTANT);
	filter2D(img, result_norm, CV_32F, kernel_norm, Point(-1, -1), 2, BORDER_CONSTANT);
	cout << "result:" << endl << result << endl;
	cout << "result_norm:" << endl << result_norm << endl;
	//图像卷积
	Mat lena = imread("lena.png");
	if (lena.empty())
	{
		cout << "请确认图像文件名称是否正确" << endl;
		return -1;
	}
	Mat lena_fillter;
	filter2D(lena, lena_fillter, -1, kernel_norm, Point(-1, -1), 2, BORDER_CONSTANT);
	imshow("lena_fillter", lena_fillter);
	imshow("lena", lena);

	int k = waitKey(0); // Wait for a keystroke in the window
	return 0;
}

输出：

result:
[25, 38, 46, 54, 39;
 54, 86, 98, 110, 78;
 94, 146, 158, 170, 118;
 134, 206, 218, 230, 158;
 95, 158, 166, 174, 109]
result_norm:
[3.9166665, 5, 5.666667, 6.3333335, 5.0833335;
 6.3333335, 9, 10.000001, 11.000001, 8.333333;
 9.666667, 14, 15, 16, 11.666668;
 13, 19, 20.000002, 21.000002, 15.000001;
 9.750001, 15, 15.666667, 16.333336, 10.916667]