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： 
 
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。