opencv 自定義線性濾波

卷積概念

卷積是影象處理的乙個操作，是依據kernel對影象每個畫素點進行操作，kernel本質上是乙個固定大小的矩陣陣列，其中心為錨點。把kernel放在畫素的陣列之上，求錨點周圍覆蓋的畫素乘積之和（包括錨點），用其來替換錨點下的畫素值。稱之為卷積操作。公式如圖所示。

依次對影象進行該操作。

常見運算元有robert運算元、sobel運算元、拉普拉斯運算元。

自定義運算元

**效果是影象線性模糊。

#include

#include
#include
using
namespace cv;
intmain
(int argc,
char
** ar**)
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 
// mat kernel_x = (mat_(3, 3) << -1, 0, 1, -2,0,2,-1,0,1);
// filter2d(src, dst, -1, kernel_x, point(-1, -1), 0.0);
// sobel y 
// 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);
// 拉普拉斯運算元
//mat kernel_y = (mat_(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0);
//filter2d(src, dst, -1, kernel_y, point(-1, -1), 0.0);
int c =0;
int index =0;
while
(true
) 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);}
// imshow("sobel y", yimg);
return0;
}

opencv 自定義線性濾波

自定義線性濾波 效果 在學習自定義線性濾波前，需要了解卷積的相關概念 影象中的卷積 最常見的運算元 在邊緣檢測中經常用到，是canny邊緣檢測中重要的一步，通過sobel運算元得到梯度 銳化的掩膜中間是5，拉普拉斯運算元中間是4 拉普拉斯運算元和sobel運算元被用來尋找梯度 尋找影象的邊緣 和掩膜...

opencv 之自定義線性濾波

通過api進行濾波處理，濾波演算法基本固定，靈活性不大，得到的效果只能在一定範圍內進行動態調整。例如高斯模糊 均值模糊等利用的濾波演算法 影象處理中最基本的就是卷積處理，利用運算元在不停的移動計算產生我們想要的目的影象。自定義濾波演算法的首要做法就是定義運算元 卷積核 常見的運算元 robert運算...

open cv常見運算元與自定義線性濾波

卷積和卷積如何工作，這個是知道的，卷積的作用就是模糊影象 提取邊緣，銳化影象。常見的卷積核 運算元 有robert運算元，sobel運算元，拉普拉斯運算元，前兩個運算元是分x方向和y方向的，而拉普拉斯運算元是提取整體影象的邊緣。卷積概念 卷積是影象處理中乙個操作 是kermel 卷積核 在影象的每個...