OpencV提供了多种滤波方式,来实现平滑图像的效果,例如均值滤波、方框滤波、高斯滤波、中值滤波等,大多数滤波方式所使用的卷积核都具有一定的灵活性,能够方便地设置卷积核的大小和数值。但是,我们有时希望使用特定的卷积核实现卷积操作,例如使用如下卷积核操作
ea901540c68713d0bbda83f0a08681a.jpg
前面介绍过的滤波函数都无法将卷积核确定为上述形式,这时要使用 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为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
2.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_165、CV_32F 或者 CV_64F 中的一种
3.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
4.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,则必须将彩色图像分解后使用不同的核完成操作
5.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
6.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
7.borderType 是边界样式,该值决定了以何种方式处理边界。一般情况下,不需要考虑该值,直接采用默认值即可
在通常情况下,使用函数 cv2.filter2D()时,对于参数锚点 anchor、修正值delta,边界值borderType 直接采用其默认值即可。因此,请数 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( src, ddepth,kernel）应用该卷积核对图像进行滤波操作，并显示滤波结果
根据题目要求,设计一个 9×9 大小的卷积核,让卷积核内所有权重值相等,如下所示
9af7463f70703703cf21c1df3d2dbce.jpg
借助 numpy 库中的 ones() 函数即可创建该卷积核,其体的语句为
kernel = np.ones((9,9),np.float32)/81
综上所述,程序设计代码如下
import cv2
import numpy as np
o=cv2.imread("image\\lena.bmp")
kernel = np.ones((9,9),np.float32)/81
r = cv2.filter2D(o,-1,kernel)
cv2.imshow("original",o)
cv2.imshow("Gaussian",r)
cv2.waitKey()
cv2.destroyAllWindows()
此程序会将原始图像以 9×9 大小的邻域进行均值滤波,程序运行结果如图
1562686842(1).png
当然,本例中使用的卷积核比较简单,该滤波操作与直接使用均值滤波语句.cv2.blur(o,(5,5))的效果是一样的,在实际应用中,可以定义更复杂的积核实现自定义滤波操作
