OpenCV API使用笔记 —— 2. 如何把卷积应用到图像上

• 函数说明
• 函数原型
• Python 例程

卷积是一种非常常见，小巧但十分强大的数学工具，如果用得好，不仅可以快速完成工作，而且不同的卷积在图像上会带来别样的风格化。

在我的博客里，提到卷积以及卷积计算时，我通常都是手写计算过程，主要考虑这些过程能帮助不太熟悉的朋友。但是OpenCV本身自带有非常强大的卷积计算工具，现在我们来看看怎么使用。

卷积计算，可以把卷积核应用到图片上。该函数允许将任意线性 filter 应用于图像。当光圈部分在图像之外时，该函数会根据指定的边框模式对异常像素值进行插值。

d s t ( x , y ) = ∑ k e r n e l ( x ′ , y ′ ) ∗ s r c ( x + x ′ − a n c h o r . x , y + y ′ − a n c h o r . y ) dst(x, y) = sum kernel(x', y') * src(x + x' - anchor.x, y + y' - anchor.y) dst(x,y)=∑kernel(x′,y′)∗src(x+x′−anchor.x,y+y′−anchor.y)

anchor 不用太关心，这个是指的kernel中心锚点，默认为（-1，-1）也就是内核的中心。

接下来我们看看函数原型

void cv::filter2D(
	InputArray 	src,	// 输入的2D图像
	OutputArray dst,	// 输出的2D图像
	int 	ddepth,		// 目标图像的所需数据深度
	InputArray 	kernel,	// 2D卷积核
	Point 	anchor = Point(-1,-1), // 中心锚点，通常不用处理
	double 	delta = 0,	// 希望在dst的每个像素上增加的值
	int 	borderType = BORDER_DEFAULT // 边界处理模式，采用默认模式
)	

稍微有点麻烦的是 ddepth 这个参数，它其实就是指定输出的数据长度，或者说数据类型。官方给出的表如下：

你如果不确定自己需要什么输出，可以直接给他赋值 -1 即可，它会采用和输入图像相似或相同的数据配置。

最近因为出差，家里配置有C环境的电脑没带在身上，所以只好先用写这个Python版本的示例代码，我想对于应该也很容易移植到C++上的。

在这个例程里，我想用比较有意思的一个内核来说明它怎么使用的。

首先我们要定义一个只有中间是1的内核，以 5x5 为例，它长这样

而这个核比较特殊，如果想要比较好的表现，就要把它设置稍微大一点，所以我们设置为15。

# specify the kernel size.
kernel_size = 15
  
# create the vertical kernel.
kernel_h = np.zeros((kernel_size, kernel_size))

# fill the middle row with ones.
kernel_h[int((kernel_size - 1)/2), :] = np.ones(kernel_size)

# normalize.
kernel_h /= kernel_size

然后我们就可以应用到图片上了

# load image
img = cv2.imread('test.jpg')

# apply the horizontal kernel.
horizon_mb = cv2.filter2D(img, -1, kernel_h)

# save the outputs.
cv2.imwrite('test.jpg', horizon_mb)

我们输入的图片是

我们得到的输出是

是不是突然好像静止的车动起来了呢？