接上篇
在其官方文档中,filter2D()函数在掩模板介绍中一笔带过,我认为该函数应该进行详细介绍。
对于使用掩模板矩阵(kernel)计算每一个像素值,结合函数filter2D()函数,其定义以下:ios
CV_EXPORTS_W void filter2D( InputArray src, OutputArray dst, int ddepth,
InputArray kernel, Point anchor=Point(-1,-1),
double delta=0, int borderType=BORDER_DEFAULT );
其官方指导文件对filter2D()函数的描述为:Convolves an image with kernel即利用内核实现对图像的卷积运算。参数含义以下:web
InputArray src: 输入图像算法
OutputArray dst: 输出图像,和输入图像具备相同的尺寸和通道数量svg
int ddepth: 目标图像深度,若是没写将生成与原图像深度相同的图像。原图像和目标图像支持的图像深度以下:函数
src.depth() = CV_8U, ddepth = -1/CV_16S/CV_32F/CV_64F src.depth() = CV_16U/CV_16S, ddepth = -1/CV_32F/CV_64F src.depth() = CV_32F, ddepth = -1/CV_32F/CV_64F src.depth() = CV_64F, ddepth = -1/CV_64F
当ddepth输入值为-1时,目标图像和原图像深度保持一致。ui
InputArray kernel: 卷积核(或者是相关核),一个单通道浮点型矩阵。若是想在图像不一样的通道使用不一样的kernel,能够先使用split()函数将图像通道事先分开。spa
Point anchor: 内核的基准点(anchor),其默认值为(-1,-1)说明位于kernel的中心位置。基准点即kernel中与进行处理的像素点重合的点。code
double delta: 在储存目标图像前可选的添加到像素的值,默认值为0xml
int borderType: 像素向外逼近的方法,默认值是BORDER_DEFAULT,即对所有边界进行计算。blog
该函数使用于任意线性滤波器的图像,支持就地操做。当其中心移动到图像外,函数能够根据指定的边界模式进行插值运算。函数实质上是计算kernel与图像的相关性而不是卷积:
也就是说kernel并非中心点的镜像,若是须要一个正真的卷积,使用函数flip()并将中心点设置为(kernel.cols - anchor.x - 1, kernel.rows - anchor.y -1).
该函数在大核(11x11或更大)的状况下使用基于DFT的算法,而在小核状况下使用直接算法(使用createLinearFilter()检索获得).
示例程序以下:
#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
using namespace std;
using namespace cv;
int main()
{
Mat srcImage = imread("lena.jpg");
//判断图像是否加载成功
if(srcImage.data)
cout << "图像加载成功!" << endl << endl;
else
{
cout << "图像加载失败!" << endl << endl;
return -1;
}
namedWindow("srcImage", WINDOW_AUTOSIZE);
imshow("srcImage", srcImage);
Mat kern = (Mat_<char>(3,3) << 0, -1 ,0,
-1, 5, -1,
0, -1, 0);
Mat dstImage;
filter2D(srcImage,dstImage,srcImage.depth(),kern);
namedWindow("dstImage",WINDOW_AUTOSIZE);
imshow("dstImage",dstImage);
waitKey(0);
return 0;
}
运行结果以下:
与上一篇运行结果相比并无黑边存在!