opencv-python中的cv2.filter()函数随笔
有时候我们想要处理的图像中噪音太多，影响到我们的识别判断，我们就需要对图像进行模糊处理，使图像变得平滑。
而opencv-python提供给我们cv2.filter()函数来对图像进行2D卷积，我们可以使用自定义的卷积核来对图像进行卷积操作。
构造函数：
dst=cv.filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])
参数解释
- src:待处理图像
- ddepth:目标图像深度，如果值为-1则表示目标图像输出为与原图像深度相同。
- kernel:自定义的卷积核，float32型浮点矩阵。
- anchor 内核的锚点，指示内核中过滤点的相对位置;锚应位于内核中;默认值（-1，-1）表示锚位于内核中心。
- detal 在将它们存储在dst中之前，将可选值添加到已过滤的像素中。类似于偏置。
- borderType 像素外推法，参见BorderTypes
图像内核是一个小矩阵，在Photoshop或Gimp中找到的效果都可以实现，例如模糊，锐化，轮廓或浮雕。它们还用于机器学习中的“特征提取”，这是一种用于确定图像最重要部分的技术。在这种情况下，该过程更普遍地称为“卷积”
有许多特殊的内核，一 一记录下来。
这些效果唯一的差别就是他们的卷积核不同
模糊（blur）
| 0.0625 | 0.125 | 0.0625 |
|---|---|---|
| 0.125 | 0.25 | 0.125 |
| 0.0625 | 0.125 | 0.125 |
import numpy as np
import cv2
img=cv2.imread('D://zopencv//ball.jpg')
kernel=np.array( ( [0.0625, 0.125, 0.0625],
[0.125, 0.25, 0.125],
[0.0625, 0.125, 0.0625]),dtype="float32")
dst=cv2.filter2D(img,-1,kernel)
mask=cv2.resize(dst,None,fx=0.5,fy=0.5,interpolation=cv2.INTER_AREA)
cv2.imshow('image',mask)
cv2.waitKey(0)
cv2.destroyAllWindows()
sobel
| -1 | -2 | -1 |
|---|---|---|
| 0 | 0 | 0 |
| 1 | 2 | 1 |
kernel=np.array( ( [-1,-2,-1],
[0,0,0],
[1,2,1]),dtype="float32")
浮雕（emboss）
| -2 | -1 | 0 |
|---|---|---|
| -1 | 1 | 1 |
| 0 | 1 | 2 |
在这里插入代码片
大纲（outline）
轮廓内核/边缘内核，强调边缘
| -1 | -1 | -1 |
|---|---|---|
| -1 | 8 | -1 |
| -1 | -1 | -1 |
在这里插入代码片
锐化（sharpen）
| 0 | -1 | 0 |
|---|---|---|
| -1 | 5 | -1 |
| 0 | -1 | 0 |
kernel=np.array( ( [0,-1,0],
[-1,5,-1],
[0,-1,0]),dtype="float32")
拉普拉斯算子（laplacian operator）
用于边缘检测，或者图像中的模糊处理。
| 0 | 1 | 0 |
|---|---|---|
| 1 | -4 | 1 |
| 0 | 1 | 0 |
kernel=np.array( ( [0,1,0],
[1,-4,1],
[0,1,0]),dtype="float32")
