最常見的圖像變換(image transform,即將一幅圖像轉變成圖像數據)就是傅里葉變換(Fourier transform),即將圖像轉換成源圖像數據的另一種表示,而卷積是大多數變換的基礎。
我們可以用方程來表示這個過程。我們首先定義圖像爲I(x,y),核爲G(x,y),
參考點位於相應核的(ai,aj)座標上,則卷積H(x,y)定義如下:
邊緣部分使用複製處理,計算方法如下圖所示:
cvFilter2D
void cvFilter2D( const CvArr* src, CvArr* dst, const CvMat* kernel, CvPoint anchor=cvPoint(-1,-1)); |
src
輸入圖像
dst
輸出圖像
kernel
卷積核, 單通道浮點矩陣. 如果想要應用不同的核於不同的通道,先用 cvSplit 函數分解圖像到單個色彩通道上,然後單獨處理。
anchor
核的錨點表示一個被濾波的點在覈內的位置。 錨點應該處於核內部。缺省值 (-1,-1) 表示錨點在覈中心。
#include <opencv2\opencv.hpp>
#include <stdio.h>
#include<highgui.h>
int main(int argc, char* argv[])
{
float k[9]={
1.0 ,2.0 ,1.0 ,
-1.0 ,1.0 ,-2.0 ,
1.0 ,-1.0,1.0
};
CvMat km=cvMat(3,3,CV_32FC1,k); //構造單通道浮點矩陣,將圖像IplImage結構轉換爲圖像數組
IplImage *src=cvLoadImage("2.jpg");
IplImage *dst=cvCreateImage(cvGetSize(src),IPL_DEPTH_8U,3);
cvNamedWindow("src");
cvShowImage("src",src);
cvNamedWindow("Filtering");
cvFilter2D(src,dst,&km,cvPoint(-1,-1));
cvShowImage("Filtering",dst);
cvWaitKey(0);
cvReleaseImage( &src );
cvReleaseImage( &dst );
return 0;
}