图像卷积运算函数filter2D()

filter2D()函数是OpenCV中进行图像卷积运算的函数,能够自己设定卷积核。通常被用来在进行滤波时,自己设定滤波器,但是在其他很多时候,也可以使用这个函数进行卷积滤波,如亚像素边缘提取过程中,可以将算出的Zernike矩与图像进行卷积运算,进行之后的处理,但是要清除卷积是为了什么进行卷积。

函数定义为:

CV_EXPORTS_W void filter2D( InputArray src, OutputArray dst, int ddepth,
                            InputArray kernel, Point anchor=Point(-1,-1),
                            double delta=0, int borderType=BORDER_DEFAULT );

函数原理为:

1. 首先把边界预先处理,然后再处理非边界部分(防止溢出)

2. 每行处理dst图像,而src的指针加1,这里为什么是src++呢?实际上这里src保留的是源数据的每行首地址

3. 对于5*5的核来说,k_ptr实际上保留了与src有关的25个指针地址,分别对应kernel里面的每一项。这25个指针地址,也只是src的每行的首地址。

所以后面使用的时候,sptr = (*kp++) + i;其中kp就是这个首地址,偏置为i。k_ptr里面的每个值都是一个源图的图像数据地址。

也就是说,OpenCV在计算每个核的时候,首先把与dst每个像素对应的那个源数据区域所用的像素点地址计算出来了,这对于Sparse的核来说非常重要。另外,当核很大时,这样事先计算出地址的方法也能提高cache的概率。

4. 在while循环里面实现这个线性核的所有计算,比如,5*5的核,25个乘法和25个加法。kc表示核系数的首地址。


该函数使用于任意线性滤波器的图像,支持就地操作。当其中心移动到图像外,函数可以根据指定的边界模式进行插值运算。函数实质上是计算kernel与图像的相关性而不是卷积: 
这里写图片描述  
也就是说kernel并不是中心点的镜像,如果需要一个正真的卷积,使用函数flip()并将中心点设置为(kernel.cols - anchor.x - 1, kernel.rows - anchor.y -1). 
该函数在大核(11x11或更大)的情况下使用基于DFT的算法,而在小核情况下使用直接算法(使用createLinearFilter()检索得到). 


参数含义如下:

InputArray src: 输入图像

OutputArray dst: 输出图像,和输入图像具有相同的尺寸和通道数量

int ddepth: 目标图像深度,如果没写将生成与原图像深度相同的图像。原图像和目标图像支持的图像深度如下:

    src.depth() = CV_8U, ddepth = -1/CV_16S/CV_32F/CV_64F
    src.depth() = CV_16U/CV_16S, ddepth = -1/CV_32F/CV_64F
    src.depth() = CV_32F, ddepth = -1/CV_32F/CV_64F
    src.depth() = CV_64F, ddepth = -1/CV_64F
  • 1
  • 2
  • 3
  • 4
  • 5

当ddepth输入值为-1时,目标图像和原图像深度保持一致。

InputArray kernel: 卷积核(或者是相关核),一个单通道浮点型矩阵。如果想在图像不同的通道使用不同的kernel,可以先使用split()函数将图像通道事先分开。

Point anchor: 内核的基准点(anchor),其默认值为(-1,-1)说明位于kernel的中心位置。基准点即kernel中与进行处理的像素点重合的点。

double delta: 在储存目标图像前可选的添加到像素的值,默认值为0

int borderType: 像素向外逼近的方法,默认值是BORDER_DEFAULT,即对全部边界进行计算。




你可能感兴趣的:(OpenCV,OpenCV,图像卷积,filter2D)