OpenCV图像滤波(5)二维卷积滤波函数filter2D()的使用

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

cv::filter2D() 函数用于对图像应用二维卷积滤波器。这个函数可以用来实现多种图像处理操作，如模糊、锐化、边缘检测等。它通过将一个二维核（也称为滤波器或掩模）与图像中的每个像素进行卷积来工作。

函数与核进行卷积操作。
此函数将任意线性滤波器应用于图像。支持原地操作。当核的部分超出图像范围时，函数会根据指定的边界模式插值处理边界外的像素值。
此函数实际上计算的是相关运算，而非卷积：
$$\text{dst}(x,y)=\sum _{\begin{array}{c}0\le x^{\prime }<\text{kernel.cols}\\ 0\le y^{\prime }<\text{kernel.rows}\end{array}}\text{kernel}(x^{\prime },y^{\prime })\ast \text{src}(x+x^{\prime }-\text{anchor.x},y+y^{\prime }-\text{anchor.y})$$

函数原型

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

1
2
3
4
5
6
7
8
9
10
11

参数

• 参数 src 输入图像.
• 参数dst 输出图像，与输入图像具有相同的尺寸和通道数量。
• 参数ddepth 目标图像期望的深度，参见 combinations
• 参数kernel卷积核（或更确切地说是相关核），单通道浮点矩阵；如果您想对不同通道应用不同的核，可以使用 split 函数将图像分割成单独的颜色平面并分别处理它们。
• 参数anchor 核的锚点，指示过滤点在核内的相对位置；锚点应位于核内；默认值 (-1, -1) 表示锚点位于核的中心。
• 参数delta 可选值，在将过滤后的像素存储到 dst 之前添加到这些像素上。
• 参数borderType 像素外推方法，参见 BorderTypes。BORDER_WRAP 不受支持。

代码示例

#include <iostream>
#include <opencv2/opencv.hpp>

int main( int argc, char** argv )
{
    // 加载图像
    cv::Mat src = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/erik.jpg", cv::IMREAD_COLOR );
    if ( !src.data )
    {
        std::cerr << "错误: 无法打开或找到图像。" << std::endl;
        return -1;
    }

    cv::Size sz2Sh( 400, 600 );

    cv::resize( src, src, sz2Sh, 0, 0, cv::INTER_LINEAR_EXACT );

    // 创建输出图像
    cv::Mat dst;

    cv::Mat kernelGaussian = cv::getGaussianKernel( 9, 2.5 );
    cv::Mat kernel         = kernelGaussian * kernelGaussian.t();

    for ( int i = 0; i < 4; i++ )
    {
        filter2D( src, dst, src.depth(), kernel );
    }

    // 显示图像
    cv::namedWindow( "原始图像", cv::WINDOW_NORMAL );
    cv::imshow( "原始图像", src );

    cv::namedWindow( "平滑处理后的图像", cv::WINDOW_NORMAL );
    cv::imshow( "平滑处理后的图像", dst );

    cv::waitKey( 0 );

    return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

运行结果

你可以修改getGaussianKernel的参数和filter2D的执行次数，看看图像有什么变化