C++ OpenCV4.5 卷积运算和卷积边缘处理（十一）

系列文章目录

C++ OpenCV4.5环境搭建（一）

C++ OpenCV4.5常用API查询手册（二）

C++ OpenCV4.5 图像处理（三）

C++ OpenCV4.5 绘制形状与文字（四）

C++ OpenCV4.5 图像模糊（五）

C++ OpenCV4.5 项目实战一（六）

C++ OpenCV4.5 形态学操作（七）

C++ OpenCV4.5 调整图像亮度的几种方法（八）

C++ OpenCV4.5 图像金字塔和图像阈值（九）

C++ OpenCV4.5 图像的部分处理操作（十）

---

---

前言

本篇讲解卷积概念、常见算子和卷积边缘处理等

---

一、卷积运算

1.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)

2.卷积工作原理

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，从左往右，从上往下，挨个计算每个点的像素值；
假设Kernel是个3×3的矩阵，并且每个点的像素值为1，则卷积运算公式如下：

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

3.常见算子

Robert算子（分别是 X 方向和 Y 方向）

Sobel算子（分别是 X 方向和 Y 方向）

拉普拉斯算子

4.相关API

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

代码如下（示例）：

#include 
#include 

using namespace std;
using namespace cv;

int g_iCount = 6;
char g_szOutputWnd[] = "输出图像";

void CallbackDemo(int pos, void* userdata)
{
	Mat srcImg = *((Mat*)userdata);
	Mat dstImg;

	switch (pos % g_iCount)
	{
	case 0:
	{
		// Robert X 方向
		Mat kernelX = (Mat_<int>(2, 2) << 1, 0, 0, -1);
		filter2D(srcImg, dstImg, -1, kernelX, Point(-1,-1), 0.0);
		break;
	}
	case 1:
	{
		// Robert Y 方向
		Mat kernelY = (Mat_<int>(2, 2) << 0, 1, -1, 0);
		filter2D(srcImg, dstImg, -1, kernelY);
		break;
	}
	case 2:
	{
		// Sobel X 方向
		Mat kernelX = (Mat_<int>(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);
		filter2D(srcImg, dstImg, -1, kernelX);
		break;
	}
	case 3:
	{
		// Sobel Y 方向
		Mat kernelY = (Mat_<int>(3, 3) << -1, -2, -1, 0, 0, 0, 1, 2, 1);
		filter2D(srcImg, dstImg, -1, kernelY);
		break;
	}
	case 4:
	{
		// 拉普拉斯算子
		Mat kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0);
		filter2D(srcImg, dstImg, -1, kernel);
		break;
	}
	case 5:
	{
		// 自定义卷积模糊
		int iKSize = 3;		// 大于1的奇数
		Mat kernel = Mat::ones(Size(iKSize, iKSize), CV_32F) / (float)(iKSize * iKSize);
		filter2D(srcImg, dstImg, -1, kernel);
	}
	default:
		return;
	}

	imshow(g_szOutputWnd, dstImg);
}

int main(void)
{
	Mat srcImg;
	srcImg = imread("E:\\1.png");
	if (srcImg.empty())
	{
		cout << "load image fail..." << endl;
		return -1;
	}
	imshow("输入图像", srcImg);

	int iValue = 0;
	namedWindow(g_szOutputWnd);
	createTrackbar("算子", g_szOutputWnd, &iValue, g_iCount, (TrackbarCallback)CallbackDemo, (void*)&srcImg);
	
	CallbackDemo(iValue, (void*)&srcImg);

	waitKey(0);

	return 0;
}

二、卷积边缘处理

1.卷积边界问题

图像卷积的时候边界像素，不能被卷积操作，原因在于边界像素没有完全跟kernel重叠，所以当3x3滤波时候有1个像素的边缘没有被处理，5x5滤波的时候有2个像素的边缘没有被处理；

2.处理边缘

在卷积开始之前增加边缘像素，填充的像素值为0或者RGB黑色，比如3x3在
四周各填充1个像素的边缘，这样就确保图像的边缘被处理，在卷积处理之
后再去掉这些边缘。openCV中默认的处理方法是： BORDER_DEFAULT，此外
常用的还有如下几种：

• BORDER_CONSTANT – 填充边缘用指定像素值
• BORDER_REPLICATE – 填充边缘像素用已知的边缘像素值。
• BORDER_WRAP – 用另外一边的像素来补偿填充
  
  

3.相关API

给图像添加边缘

copyMakeBorder（

• Mat src, // 输入图像
• Mat dst, // 添加边缘图像
• int top, // 边缘长度，一般上下左右都取相同值，
• int bottom,
• int left,
• int right,
• int borderType // 边缘类型
• Scalar value ）

代码如下（示例）：

#include 
#include 

using namespace std;
using namespace cv;

int g_iCount = 4;
char g_szOutputWnd[] = "输出图像";

void CallbackDemo(int pos, void* userdata)
{
	Mat srcImg = *((Mat*)userdata);
	Mat dstImg;

	int iTop = (int)(0.05 * srcImg.rows);
	int iBottom = (int)(0.05 * srcImg.rows);
	int iLeft = (int)(0.05 * srcImg.cols);
	int iRight = (int)(0.05 * srcImg.cols);
	int iBorderType = BORDER_DEFAULT;

	switch (pos % g_iCount)
	{
	case 0:
	{
		// 填充边缘用指定像素值
		iBorderType = BORDER_CONSTANT;
		break;
	}
	case 1:
	{
		// 填充边缘像素用已知的边缘像素值
		iBorderType = BORDER_REPLICATE;
		break;
	}
	case 2:
	{
		// 用另外一边的像素来补偿填充
		iBorderType = BORDER_WRAP;
		break;
	}
	default:
		// 默认-推荐
		iBorderType = BORDER_DEFAULT;
		break;
	}

	// 随机颜色
	Scalar color = Scalar(0, 255, 0);

	// color只有在iBorderType为BORDER_CONSTANT时才有效
	copyMakeBorder(srcImg, dstImg, iTop, iBottom, iLeft, iRight, iBorderType, color);

	/******************************高斯模糊边缘处理******************************/
	//GaussianBlur(srcImg, dstImg, Size(3, 3), 0, 0, iBorderType);

	imshow(g_szOutputWnd, dstImg);
}

int main(void)
{
	Mat srcImg;
	srcImg = imread("E:\\11.png");
	if (srcImg.empty())
	{
		cout << "load image fail..." << endl;
		return -1;
	}
	imshow("输入图像", srcImg);

	int iValue = 0;
	namedWindow(g_szOutputWnd);
	createTrackbar("处理边缘", g_szOutputWnd, &iValue, g_iCount, (TrackbarCallback)CallbackDemo, (void*)&srcImg);
	
	CallbackDemo(iValue, (void*)&srcImg);

	waitKey(0);

	return 0;
}