opencv自定义滤波器(filter2D函数的使用)

自定义线性滤波

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)

opencv自定义滤波器(filter2D函数的使用)_第1张图片

卷积如何工作

       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。数学表达如下:

opencv自定义滤波器(filter2D函数的使用)_第2张图片

 opencv自定义滤波器(filter2D函数的使用)_第3张图片

opencv自定义滤波器(filter2D函数的使用)_第4张图片

 

opencv自定义滤波器(filter2D函数的使用)_第5张图片

代码部分:

// opencv0016.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include 
#include 
using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	int ksize = 0;
	src = imread("D:/images/pkq.jpg");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	char INPUT_WIN[] = "input image";
	char OUTPUT_WIN[] = "Custom Blur Filter Result";
	namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_WIN, CV_WINDOW_AUTOSIZE);

	imshow(INPUT_WIN, src);

	//Sobel X方向
	Mat dst1;
	Mat kernel_x = (Mat_(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);
	filter2D(src, dst1, -1, kernel_x, Point(-1, -1), 0.0);
	namedWindow("kernel_x", CV_WINDOW_AUTOSIZE);
	imshow("kernel_x", dst1);

	//Sobel Y方向
	Mat yimg;
	Mat kernel_y = (Mat_(3, 3) << -1, -2, -1, 0, 0, 0, 1, 2, 1);
	filter2D(src, yimg, -1, kernel_y, Point(-1, -1), 0.0);
	namedWindow("kernel_y", CV_WINDOW_AUTOSIZE);
	imshow("kernel_y", yimg);

	// 拉普拉斯算子
	Mat LapImage;
	Mat Laplace = (Mat_(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0);
	filter2D(src, LapImage, -1, Laplace, Point(-1, -1), 0.0);
	namedWindow("LapImage", CV_WINDOW_AUTOSIZE);
	imshow("LapImage", LapImage);

	int c = 0;
	int index = 0;
	while (true) {
		c = waitKey(500);
		if ((char)c == 27) {// ESC 
			break;
		}
		ksize = 5 + (index % 8) * 2;
		Mat kernel = Mat::ones(Size(ksize, ksize), CV_32F) / (float)(ksize * ksize);
		filter2D(src, dst, -1, kernel, Point(-1, -1));
		index++;
		imshow(OUTPUT_WIN, dst);
	}
	waitKey(0);

    return 0;
}

opencv自定义滤波器(filter2D函数的使用)_第6张图片

喜欢的可以关注我博客,一起进步吧。

 

你可能感兴趣的:(OpenCV,opencv,filter2D,自定义滤波,常见的滤波)