opencv------卷积操作

filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])

• ddepth 是卷积之后图片的位深，即卷积之后图片的数据类型，一般为-1，表示和原图类型一致
• kernel 是卷积核大小，用元组或者ndarray表示，要求数据类形必须是float型
• anchor 锚点，即卷积核的中心店，是可选参数，默认是（-1，-1）
• delta 可选参数，表示卷积之后额外加的一个值，相当于线性方程中的片叉，默认是0
• borderType 边界类型，一般不设

卷积的应用：

图像处理：

       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。

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。

卷积是一种线性运算,图像处理中常见的mask运算都是卷积，广泛应用于图像滤波。

卷积在数据处理中用来平滑，卷积有平滑效应和展宽效应.

信号处理：

1）卷积实质上是对信号进行滤波；

2）卷积就是用冲激函数表示激励函数，然后根据冲击响应求解系统的零状态响应。卷积是求和（积分）。对于线性时不变的系统，输入可以分解成很多强度不同的冲激的和的形式（对于时域就是积分），那么输出也就是这些冲激分别作用到系统产生的响应的和（或者积分）。所以卷积的物理意义就是表达了时域中输入，系统冲激响应，以及输出之间的关系。

二、理解图像处理中卷积操作的实际过程

卷积：是图像处理中一个操作，是kernel在图像的每个像素上的操作。

Kernel：本质上一个固定大小的矩阵数组，其中心点称为锚点(anchor point)