7.6 2D卷积

---

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 )

【例 7.10】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。

import numpy as np
import cv2

img = cv2.imread("/Users/zhaofeier/Desktop/源代码及图像/chapter7/image/lena.bmp")
kernel = np.ones((9,9),np.float32)/81       #? 均值滤波一样的结果，只不过是自己设置的
r = cv2.filter2D(img,-1,kernel)

cv2.imshow("orginal",img)
cv2.imshow("result",r)

cv2.waitKey()
cv2.destroyAllWindows()