OpenCV4入门063：图像卷积(高斯、中值、均值)

索引地址：OpenCV入门索引目录

卷积介绍：卷积基本原理

图像卷积操作的OpenCV操作，图像均值卷积是指卷积核的系数完全一致，高斯卷积考虑了中心像素距离的影响，对距离中心像素使用高斯分布公式生成不同的权重系数给卷积核，然后用此卷积核完成图像卷积得到输出结果就是图像高斯卷积之后的输出。

普通

// 功能：代码 4-7 图像卷积操作
// 作者：朱伟 zhu1988wei@163.com
// 来源：《OpenCV图像处理编程实例》
// 博客：http://blog.csdn.net/zhuwei1988
// 更新：2016-8-1
// 说明：版权所有，引用或摘录请联系作者，并按照上面格式注明出处，谢谢。// 
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;
// 图像卷积操作
void convolution(cv::Mat src, cv::Mat kernel, cv::Mat& dst)
{
    // 输出图像定义
    dst.create(abs(src.rows - kernel.rows)+1, 
        abs(src.cols - kernel.cols)+1, src.type());
    cv::Size dftSize;
    // 计算傅里叶变换尺寸
    dftSize.width = getOptimalDFTSize(src.cols + 
           kernel.cols - 1);
    dftSize.height = getOptimalDFTSize(src.rows +
            kernel.rows - 1);
    // 创建临时图像初始化为0
    cv::Mat tempA(dftSize, src.type(), Scalar::all(0));
    cv::Mat tempB(dftSize, kernel.type(), Scalar::all(0));
    // 对于区域拷贝
    cv::Mat roiA(tempA, Rect(0,0,src.cols,src.rows));
    src.copyTo(roiA);
    cv::Mat roiB(tempB, Rect(0,0,kernel.cols,kernel.rows));
    kernel.copyTo(roiB);
    // 傅里叶变换
    dft(tempA, tempA, 0, src.rows);
    dft(tempB, tempB, 0, kernel.rows);
    // 对于两张频谱图中每一个元素的乘法
    mulSpectrums(tempA, tempB, tempA, DFT_COMPLEX_OUTPUT);
    // 变换结果所有行非零
    dft(tempA, tempA, DFT_INVERSE + DFT_SCALE, dst.rows);
    // 拷贝结果到输出图像
    tempA(Rect(0, 0, dst.cols,dst.rows)).copyTo(dst);
}
int main()
{
    cv::Mat srcImage = cv::imread("..\\images\\flower3.jpg", 0);
    if( srcImage.empty())
        return -1;
    // 定义卷积核算子
    cv::Mat kernel = (cv::Mat_<float>(3,3) << 1, 1, 1, 
                                      1, 1, 1, 
                                      1, 1, 1);
    imshow("srcImage", srcImage);
    srcImage.convertTo(srcImage, CV_32F);
    cv::Mat resultImage;
    // 卷积操作
    convolution(srcImage, kernel, resultImage);
    // 归一化结果输出
    normalize(resultImage, resultImage, 0, 1, CV_MMX);  
    cv::imshow("resultImage", resultImage);
    cv::waitKey(0);
    return 0;
}

效果图：

均值卷积：blur()

void blur( InputArray    src, 
           OutputArray   dst,
           Size          ksize, // 卷积窗口大小
           Point         anchor = Point(-1,-1),// 锚点（即处理的像素位于kernel的位置）
           int           borderType = BORDER_DEFAULT//边缘插值方法
         );

这是之前介绍滤波的操作函数。

高斯卷积：GaussianBlur()

void GaussianBlur( InputArray   src, 
                   OutputArray  dst, 
                   Size         ksize,      // 卷积窗口大小
                   double       sigmaX,     // X方向卷积系数
                   double       sigmaY = 0, // Y方向卷积系数
                   int          borderType = BORDER_DEFAULT  //边缘插值方法
                 );

bordertype选值为：

enum BorderTypes {
    BORDER_CONSTANT    = 0,     // `iiiiii|abcdefgh|iiiiiii`  with some specified `i`
    BORDER_REPLICATE   = 1,     // `aaaaaa|abcdefgh|hhhhhhh`
    BORDER_REFLECT     = 2,     // `fedcba|abcdefgh|hgfedcb`
    BORDER_WRAP        = 3,     // `cdefgh|abcdefgh|abcdefg`
    BORDER_REFLECT_101 = 4,     // `gfedcb|abcdefgh|gfedcba`
    BORDER_TRANSPARENT = 5,     // `uvwxyz|abcdefgh|ijklmno`

    BORDER_REFLECT101  = BORDER_REFLECT_101, // same as BORDER_REFLECT_101
    BORDER_DEFAULT     = BORDER_REFLECT_101, // same as BORDER_REFLECT_101
    BORDER_ISOLATED    = 16 // do not look outside of ROI
};

中值卷积

medianBlur(src, dst, ksize);

就是之前的滤波操作。