opencv——图像中的卷积

目录

    • 卷积
      • 什么是卷积
      • 卷积的数学原理
      • 连续数据的卷积
      • 离散数据的卷积
    • 掩膜

卷积

什么是卷积

卷积本身是一个数学概念,但是更多的,我们经常会在深度学习听到:卷积神经网络。但真正研究核心神经网络的人会发现,其实研究的就是数学。除了在深度学习中,在计算机视觉中,卷积也会经常见到,它常用于图像处理。

卷积的数学原理

首先我们先来看一下卷积的定义:

在泛函分析中,卷积、旋积或摺积(英语:Convolution)是通过两个函数f 和g 生成第三个函数的一种数学算子,表征函数f与g经过翻转和平移的重叠部分函数值乘积对重叠长度的积分。

我的理解如下

卷:两个函数的反转和平移,可以理解为两个函数通过运算纠缠到了一起,卷到了一起。

积:积分(本质就是运算的求和)

连续数据的卷积

在这里插入图片描述
这个积分就定义了一个新函数h(x),称为函数f与g的卷积,记为h(x)=(f*g)(x)。

离散数据的卷积

在这里插入图片描述
通过离散来理解一下卷积的过程

opencv——图像中的卷积_第1张图片
左边是一个图像,后面是经过卷积操作之后的图像,中间的3×3的二维矩阵就是一个卷积核。具体计算流程如下:

31 = (151 + 171 + 191 + 561 + 181 + 201 + 971 + 191 + 20*1) /9

opencv——图像中的卷积_第2张图片
卷积核从左到右,从上到下,扫过每个点

掩膜

opencv——图像中的卷积_第3张图片
掩膜操作的计算过程如下:

1 * 0 + 2 * (-1) + 3 * 0 + 2 * (-1) + 3 * 5 + 4 * (-1) + 3 * 0 + 4 *
(-1) + 5 * 0 = 3

我们在掩膜操作之中没有平均,而且我们的掩膜操作和卷积操作的核实不一样的,但是计算过程非常类似,大家不要弄混。

定义图像为I(x,y),核为G(i,j),其中0 在这里插入图片描述

你可能感兴趣的:(opencv,卷积,数字图像处理,opencv)