OpenCV 之 自定义滤波

    图像处理中，"空间域" 指的是图像平面，因此，空间滤波 可定义为：在图像平面内对像素灰度值进行的滤波 

1  空间滤波 

1.1  滤波过程

    如图，Filter 是一个 3x3 滤波核，当它从图像的左上角开始，逐个像素沿水平方向扫描，最后到右下角时，便会产生滤波后的图像

       

   假设输入图像 $f(x, y)$，滤波后的图像为  $g(x, y)$，则其中 $g(2,2)$ 和 $g(4,4)$ 的计算过程如下：

                    

    上图中，以像素 (4,4) 为中心的 3x3 邻域，和滤波核的向量点乘之积，即为 g(4,4) 

      g(4,4) = 240*0.1111 + 183*0.1111 + 0*0.1111 + 250*0.1111 + 12*0.1111 + 87*0.1111 + 255*0.1111 + 1*0.1111 + 94*0.1111

                 = 26.6666 + 20.3333 + 0 + 27.7777 + 1.3333 + 9.6666 + 28.3333 + 0 + 10.4444

                 = 124.55       

1.2  相关和卷积

    空间滤波中，相关和卷积，是容易混淆的概念，定义如下：

     -  相关 (Correlation)，和上述的滤波过程一样，即 滤波核 逐行扫描图像，并计算 每个位置像素点积 的过程

     -  卷积 (Convolution)，和 "相关" 过程类似，但 滤波核 要 先旋转 180°，然后再执行和 “相关” 一样的操作

           (二维中的旋转 180°，等于滤波核沿一个坐标轴翻转，然后再沿另一个坐标轴翻转）

          

    注意：如果滤波核是对称的，则对图像进行相关和卷积的结果是一致的

2  OpenCV 函数

2.1  filter2D 函数

    在 OpenCV 中，可自定义滤波核，然后通过 filter2D() 来完成图像滤波

 void filter2D(
     InputArray     src,              // 输入图像 
     OutputArray    dst,              // 输出图像(大小和通道数，同 src)
     int            ddepth,           // 输出图像的 depth
     InputArray     kernel,           // 滤波核，准确地说，是相关核
     Point  anchor = Point(-1,-1),    // 锚点位置，滤波核尺寸为奇数时，不用指定，一般取默认值 Point(-1,-1)；滤波核尺寸为偶数时，需指定锚点位置
     double             delta = 0,    // optional value added to the filtered pixels before storing them in dst      
     int borderType = BORDER_DEFAULT  // 边界处理方法
 );