[D14] 卷积 Convolution

我们在优化影像时，所采用的方法便是使用特定 kernel，针对整张影像进行卷积操作。

举例来说，模糊（blur）、边缘侦测（edge detection）、边缘强化（edge enhancement）、噪点去除（noise removal）等，都是对影像进行卷积的结果。

Convolution：

当我们用kernel对影像由左上到右下移动，再进行运算，便会得出一幅经过 filtered 的新影像！

上图运算过程： 蓝色 grid 为定义的 3 × 3 kernel，在卷积过程进行中，底下覆盖区域（图中的红色的 grid）与 kernel 进行交乘加总後（下方的 output pixel），将作为输出新图中该 kernel 区域的中心点；若由左上至右下重复进行上述步骤，轮巡整张图片後就会得到右边的图形。

执行 convolution 後，会发现输出的图片尺寸会比原来的小一圈
→ 为了保持影像完整，会使用我们提过的影像周围补零（Zero padding）

openCV作卷积

使用cv2.filter2D

import numpy as np
import cv2
import sys


imageName = "123.jpg"
image = cv2.imread(imageName)

if image is None:
    print("Could not open or find the image")
    sys.exit()


kernel_size = 5     # 设定kernel size为5x5
# 使用numpy建立 5*5且值为1/(5**2)的矩阵作为kernel。
kernel = np.ones((kernel_size, kernel_size), dtype=np.float32) / kernel_size**2

print (kernel)  # 显示矩阵内容，所有值皆为0.04的5x5矩阵


    #进行convolute，
result = cv2.filter2D(image, dst=-1, kernel=kernel, anchor=(-1, -1), delta=0, borderType=cv2.BORDER_DEFAULT)


cv2.imshow("Filter", result)   #显示影像
cv2.imshow("Original", image)

cv2.waitKey(0)  
cv2.destroyAllWindows() #关闭影像视窗

图片来源&资料参考