OpenCV卷积操作

最新推荐文章于 2025-09-08 11:10:23 发布
原创 最新推荐文章于 2025-09-08 11:10:23 发布 · 1.4k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#OpenCV #图像处理 #卷积操作

本文探讨了OpenCV库在图像处理中进行卷积操作的基本应用。通过介绍cvFilter2D函数，阐述如何在实践中执行卷积，并提到了代码使用时的注意事项。

卷积操作，是各种图像处理的基础，原理不难，在这里不做赘述，网络上已经有了很多很好的例子，在这里直接上代码。

注意代码中两种的方法的使用及注意事项。

OpenCV卷积函数：

void cvFilter2D( const CvArr*  src,

                             CvArr*             dst,

                             const CvMat* kernel,

                             CvPoint           anchor=cvPoint(-1,-1)

                          );

#include <cv.h>
#include <highgui.h>
using namespace std;

int main()
{	
	IplImage* src1=cvLoadImage("D:\\Korea Documents\\Pictures\\Wallpaper\\Attitude.jpg");
	IplImage* src=cvCreateImage(cvSize(700,400),src1-&
最低0.47元/天 解锁文章
OpenCV之图像卷积操作
MachineLP的专栏
07-18 434
python代码： import cv2 as cv import numpy as np def custom_blur(src): h, w, ch = src.shape print("h , w, ch", h, w, ch) result = np.copy(src) for row in range(1, h-1, 1): for col in range(1, w-1, 1): v1 = np.int32(src[
opencv------卷积操作
LYSSLQ2015的博客
06-01 3134
opencv------卷积操作
OpenCV 卷积操作 均值，高斯，中值滤波 图片降噪
weixin_46999174的博客
07-23 2514
均值滤波的原理是使用一个固定大小的窗口（卷积核）在图像上滑动，并计算该窗口覆盖区域内所有像素值的平均值，然后用这个平均值替换窗口中心的像素值。中值滤波的基本思想是对图像中的每个像素，用其邻域内所有像素值的中值来替换原像素值。在执行卷积操作时，会使用一个小的矩阵，称为卷积核或滤波器，这个卷积核会与图像的局部区域进行元素乘积求和的运算。卷积核是一个小矩阵，用于在图像上滑动，并在每个位置与图像的对应区域进行加权求和，产生新的像素值。高斯模糊是使用高斯函数定义的卷积核与图像进行卷积来实现的。
opencv图像处理8-卷积
kanwoerzi
11-06 192
卷积是本章所讨论的很多转换的基础。 先看看效果： 抽象的说，这个术语意味着我们对图像的每一个部分所做的操作。从这个意义上讲，我们在第五章所看到 的许多操作可以被理解成普通卷积的特殊情况。一个特殊的卷积所实现的功能是由所用的卷积核的形式决定的。这个核本质上是一个大小固定， 由数值参数构成的数组，数组的标定点通常位于数组的中心。数组的大小被称为核支撑。单就技术而言，核支撑实际上仅仅由核...
OpenCV图像处理使用笔记(七)——卷积运算原理
知来者逆的博客
06-25 2515
前言 1.用一个模板和一幅图像进行卷积，对于图像上的一个点，让模板的原点和该点重合，然后模板上的点和图像上对应的点相乘，然后各点的积相加，就得到了该点的卷积值。对图像上的每个点都这样处理。由于大多数模板都是对称的，所以模板不旋转。卷积是一种积分运算，用来求两个曲线重叠区域面积。可以看作加权求和，可以用来消除噪声、特征增强。 2.把一个点的像素值用它周围的点的像素值的加权平均代替。 卷积是一种线性运...
27 OpenCV 图像卷积操作
L7O7的博客
08-18 942
图像卷积靠卷积核完成卷积核规定了运算的规则滤波/模糊是卷积运算所带来的效果不同的卷积核所得到的卷积效果不同，故衍生出了不同种类的滤波/模糊，形态运算，梯度运算等概念。由此可见：卷积是图像处理的基础，许许多多处理方式都是离不开卷积的。
OpenCV C++ 卷积操作详解：从原理到高级应用
最新发布
品质生活，极致编程。
09-08 1161
除了内置的滤波函数，我们还可以设计自定义卷积核实现特定效果。// 定义常用卷积核// 1. 锐化核0, -1, 0,-1, 5, -1,0, -1, 0));kernelNames.push_back("锐化核");// 2. 边缘检测核（水平）0, 0, 0,1, 1, 1));kernelNames.push_back("水平边缘核");// 3. 边缘检测核（垂直）-1, 0, 1,-1, 0, 1,-1, 0, 1));
OPENCV学习指南——卷积操作（一）
m0_74128723的博客
04-05 995
自定义滤波为我们提供了更大的灵活性，允许根据具体的图像处理需求，设计不同的卷积核，从而实现特定的图像处理效果。例如，在图像锐化任务中，我们可以设计一个锐化卷积核，通过卷积操作增强图像的边缘和细节。锐化卷积核的设计思路通常是突出中心像素的权重，同时对周围像素赋予较小的权重，这样在卷积过程中，能够增强像素值的变化，使图像的边缘更加清晰，细节更加突出。这种自定义滤波的方式可以根据不同的应用场景和需求进行调整和优化，满足多样化的图像处理要求。import cv2print("无法读取图像，请检查路径。")
图像卷积OpenCV C/C++ 核心操作
m0_54069809的博客
05-28 1760
本文介绍了使用OpenCV的C++接口实现图像卷积的方法。详细讲解了卷积的基本原理，包括卷积核定义、锚点位置和边界处理策略。重点解析了cv::filter2D函数的使用，该函数支持任意线性滤波操作，并提供了三种典型卷积核（模糊、锐化、边缘检测）的实现示例。代码演示了如何加载图像、定义卷积核、处理边界条件以及显示结果。特别强调了对于梯度类操作需要处理负值的情况。文章还指出OpenCV提供了更高效的预定义滤波函数（如高斯模糊、中值滤波等）可供直接调用。
Opencv-图像卷积操作
weixin_41709536的博客
09-10 349
图像卷积操作知识点python代码 知识点 图像卷积操作 图像卷积可以看成是一个窗口区域在另外一个大的图像上移动，对每个窗口覆盖的区域都进行点乘得到的值作为中心像素点的输出值。窗口的移动是从左到右，从上到下。窗口可以理解成一个指定大小的二维矩阵，里面有预先指定的值。 相关API（C++） blur( InputArray src, // 输入 OutputArray dst, 输出 Size...
OpenCV 2.4 遍历图像的方式实现图像卷积
10-24
通过遍历图像像素的方式实现卷积操作，可作为优化计算性能实验的基础，例如并行编程(多线程、多进程、OpenMP、OpenMPI或CUDA编程等)
OpenCV图像处理——卷积操作
lzh的博客
12-02 1927
OpenCV卷积操作
【OpenCV】图像卷积操作
零碎@流年絮语 的博客
10-30 375
文章目录图像卷积操作完整代码结果展示 文章目录图像卷积操作完整代码结果展示 图像卷积操作 均值卷积的作用，高的往下降，低的往上升。但是会造成信息丢失，产生模糊效果。一种线性操作，点乘，之后相加。 完整代码 void QuickDemo::blur_demo(Mat &image) { Mat dst; blur(image, dst, Size(15, 15), Point(-1, -1)); //参数1原始图像，参数2卷积之后的图像，参数3卷积的矩阵大小，支持单行或者单列的卷积操作，参数4卷
OpenCV学习笔记-卷积
yingyingol
08-05 199
使用函数为： Filter2D 对图像做卷积 void cvFilter2D( const CvArr* src, CvArr* dst, const CvMat* kernel, CvPoint anchor=cvPoint(-1,-1)); src 输入图像. dst 输出图像. kernel 卷积核, 单通道浮点矩阵....
opencv_卷积
WGHCWC的博客
12-17 362
Opencv卷积操作 OpenCv卷积操作:通过矩阵运算,给图像的每个像素重新赋值,选择不同的矩阵(kernel,卷积核),可以实现不同的效果. 锐化 [0,-1,0] [-1,5,-1] [0,-1,0] 锐化运算 int cols = src.cols * src.channels(); int offset = src.channels(); int rows = src.rows; Mat...
OpenCV实现图像卷积操作
weixin_44119674的博客
04-14 462
【代码】OpenCV实现图像卷积操作。
CV中的卷积操作(基于Pytorch)
ywhshixiaobai的博客
05-16 576
在cv领域，卷积神经网络已经是每个cv人必会的网络结构之一，今天就基于Pytorch框架中的Conv2d()来讲讲卷积操作。 在pytoch中，Tensor的维度是[batch_size,channel,Height,Width] 即 [B,C,H,W]。查阅Pytoch的官方文档，Conv2d的参数有： 我们只关心前3个参数。 (1)in_channels是输入张量的通道数，下图中的in_channels=3, (2)out_channels是输出张量的通道数，这个参数实际上指的是据卷积核的个数，
OpenCV学习笔记——卷积运算
mimanchi99的博客
10-03 988
1、卷积核的大小一般是奇数，这样子它才是和图像中心对称的。2、卷积核所有元素之和一般应该等于一。此处是为了维护图像的能量守恒(亮度)3、有时候我们的卷积核也可以不为一，如果大于一的话，那么图像会比原来更亮，如果小于一的话会比原来更暗。4、卷积后的图像结果可能会出现负数或者超出255的情况，这种时候我们直接截断就可以了，对于负数可以直接取绝对值。平滑，模糊，去噪，锐化，边缘提取其实都可以用卷积来实现。
39_OpenCV关于用任意线性滤波器做卷积的操作
sinat_41752325的博客
05-11 543
OpenCv允许使用一个真实存在的核进行卷积操作。 理论上，只要用一个数组表示一个核，然后放进一个函数，就可以用来卷积了。实际情况中，一些不起眼的地方会在很大程度上影响到性能，可分解的矩阵通常会产生这种影响，如下： 一个可分核可以理解成两个一维核，在卷积时，先调用x内核，然后再调用y内核。两个矩阵进行卷积所产生的消耗可以用两个矩阵的面积之积近似。这样，一个n x n的核对面积为A的图像进行卷积所需的时间是An²。但是如果分解成n x 1和1 x n的两个核，那么代价就是An + An = 2An，.
opencv 卷积
03-25
### OpenCV 中卷积操作的用法与实现 #### 什么是卷积？ 卷积是一种数学运算，在信号处理和图像处理领域广泛应用。对于二维数据（如图像），卷积通过滑动窗口的方式应用一个小型矩阵（称为卷积核或滤波器）来提取特征、平滑噪声或者锐化边缘等。 --- #### OpenCV 的卷积函数 `filter2D` 和其参数详解 OpenCV 提供了一个强大的工具——`cv2.filter2D()` 函数，用于执行自定义卷积操作。以下是该函数的核心语法及其参数说明： ```python dst = cv2.filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]]) ``` - **src**: 输入图像。 - **ddepth**: 输出图像的深度。如果设置为 `-1`，则表示输出图像具有与输入相同的深度。 - **kernel**: 卷积核（即滤波器）。它是一个小尺寸的浮点数数组，通常为奇数大小（如 \(3 \times 3\) 或 \(5 \times 5\))[^2]。 - **anchor**: 锚点位置，默认为中心点（`(-1,-1)` 表示中心锚点）。可以调整以改变卷积核的应用方式。 - **delta**: 可选偏移量，加到最终结果上。 - **borderType**: 边界填充方法，例如常数值填充 (`BORDER_CONSTANT`) 或反射边界扩展 (`BORDER_REFLECT`) 等[^4]。 --- #### 均值模糊的实现 除了通用的 `filter2D` 外，OpenCV 还提供了专门用于均值模糊的 API —— `blur`。此功能可以通过简单的调用来完成平均卷积效果： ```python blurred_image = cv2.blur(src, ksize) ``` 其中： - **ksize** 是指定了卷积核大小的元组 `(width, height)`，宽度和高度应为正整数且大于零[^3]。 下面展示一段完整的代码片段，演示如何利用这两个函数分别实现基本的均值模糊和平滑处理： ```python import numpy as np import cv2 # 加载图片作为灰度图读入 image = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE) # 定义一个简单矩形核(3x3), 所有元素均为0.111... mean_kernel = np.ones((3, 3), dtype=np.float32) / 9 # 使用 filter2D 应用上述定义好的核进行卷积 filtered_image = cv2.filter2D(image, -1, mean_kernel) # 利用内置 blur 方法对比测试 blurred_image = cv2.blur(image, (3, 3)) # 显示原始图像 vs 结果图像 cv2.imshow("Original Image", image) cv2.imshow("Filtered with custom kernel", filtered_image) cv2.imshow("Blurred using built-in function", blurred_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段脚本展示了两种不同的途径达到相似的效果：一种是手工构建并传递给 `filter2D` 自己设计的小型模板；另一种则是直接依赖预设算法简化流程。 --- #### 卷积在深度学习中的角色 值得注意的是，在现代计算机视觉任务中，尤其是涉及卷积神经网络(CNNs)，卷积层能够自动从训练样本中学得最优权重组合形成高效检测特定图案的能力，而无需人为预先设定具体形态。这意味着开发者不再需要像传统方法那样显式编码每一个可能感兴趣的局部特性描述符。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值