成品网站建站空间,介绍几个能进去的a站,广州优质网站排名公司,网页浏览器网址2D卷积是一种图像处理和计算机视觉中常用的操作#xff0c;用于在图像上应用滤波器或卷积核#xff0c;从而对图像进行特征提取、平滑处理或边缘检测等操作。 在2D卷积中#xff0c;图像和卷积核都是二维的矩阵或数组。卷积操作将卷积核在图像上滑动#xff0c;对每个局部区… 2D卷积是一种图像处理和计算机视觉中常用的操作用于在图像上应用滤波器或卷积核从而对图像进行特征提取、平滑处理或边缘检测等操作。 在2D卷积中图像和卷积核都是二维的矩阵或数组。卷积操作将卷积核在图像上滑动对每个局部区域进行元素级别的乘法和累加操作得到输出图像的对应位置的像素值。 OpenCV 提供了多种滤波方式来实现平滑图像的效果例如均值滤波、方框滤波、高斯滤波、中值滤波等。大多数滤波方式所使用的卷积核都具有一定的灵活性能够方便地设置卷积核的大小和数值。但是我们有时希望使用特定的卷积核实现卷积操作例如使用如下卷积核进行卷积操作。 前面介绍过的滤波函数都无法将卷积核确定为上述形式这时要使用 OpenCV 的自定义卷积函数。 在 OpenCV 中允许用户自定义卷积核实现卷积操作使用自定义卷积核实现卷积操作的函数是 cv2.filter2D()其语法格式为
dst cv2.filter2D( src, ddepth, kernel, anchor, delta, borderType )式中
dst 是返回值表示进行方框滤波后得到的处理结果。src 是需要处理的图像即原始图像。它能够有任意数量的通道并能对各个通道独立 处理。图像深度应该是 CV_8U、CV_16U、CV_16S、CV_32F 或者 CV_64F 中的一种。ddepth 是处理结果图像的图像深度一般使用-1 表示与原始图像使用相同的图像深度。kernel 是卷积核是一个单通道的数组。如果想在处理彩色图像时让每个通道使用不同的核则必须将彩色图像分解后使用不同的核完成操作。anchor 是锚点其默认值是(-1, -1)表示当前计算均值的点位于核的中心点位置。该值使用默认值即可在特殊情况下可以指定不同的点作为锚点。delta 是修正值它是可选项。如果该值存在会在基础滤波的结果上加上该值作为最终的滤波处理结果。borderType 是边界样式该值决定了以何种情况处理边界通常使用默认值即可。
在通常情况下使用滤波函数 cv2.filter2D()时对于参数锚点 anchor、修正值 delta、边界样式 borderType直接采用其默认值即可。因此函数 cv2.filter2D()的常用形式为 dst cv2.filter2D( src, ddepth, kernel ) 示例:
自定义一个卷积核通过函数 cv2.filter2D()应用该卷积核对图像进行滤波操作并显示滤波结果。
设计一个 9×9 大小的卷积核让卷积核内所有权重值相等如下所示 借助 numpy 库中的 ones()函数即可创建该卷积核具体的语句为 kernel np.ones((9,9),np.float32)/81 综上所述程序设计代码如下
import cv2
import numpy as np
ocv2.imread(lena.png)
kernel np.ones((9,9),np.float32)/81
r cv2.filter2D(o,-1,kernel)
cv2.imshow(original,o)
cv2.imshow(Gaussian,r)
cv2.waitKey()
cv2.destroyAllWindows()运行结果 当然本例中使用的卷积核比较简单该滤波操作与直接使用均值滤波语句“rcv2.blur(o,(5,5))”的效果是一样的。在实际应用中可以定义更复杂的卷积核实现自定义滤波操作。
