OpenCV零基础入门（4）：卷积在图像处理中的应用
介绍
卷积是一个数学概念，两个月前，我首先在一个复杂的功能类中遇到了这个概念。当时，老师使用一堂课来复制黑板上的大量卷积转换公式。完成课后，我不知道卷积的用途是什么。我觉得这只是数学家强迫手动定义的公式。直到最近，我才开始学习AI视觉开yun体育官网入口登录app，我发现卷积甚至所有数学在计算机领域都有很大使用。今天，我将使用本文简要介绍卷积在图像处理中的应用。
1。卷积
卷积定义：
卷积是一种用于组合数组和功能的新方法。
让我给您一个榜样，以更直观地了解卷积。
如果有两个不平衡的插入开yunapp体育官网入口下载手机版，则投掷1〜6的概率由两个阵列表示：a = [a1，a2，a3，a4，a4，a5，a6]，b = [b1，b2，b2，b3，b4，b4，b5 ，B6]。
（其中a1+a2+a3+a4+a5+a6 = 1，b1+b2+b3+b4+b5+b6 = 1）
投掷2到12的可能性如下：
p（2）= a1b1
p（3）= a1b2+a2b1
p（4）= A1B3+A2B2+A3B1
…
P（12）= A6B6
总结以下规则：
这是数组的卷积操作：
找到阵列（1,2,3）和（4,5,6）（4,5,6）的卷积
使用（A0，A1，A2）代表（1,2,3），使用（B0，B1，B2）代表（4,5,6）
然后：c0 = a0b0 = 1x4 = 4
C1 = A0B1+A1B0 = 1x5+2x4 = 13
C2 = A0B2+A1B1+A2B0 = 1x6+2x5+3x4 = 28
C3 = A1B2+A2B1 = 2x6+3x5 = 27
C4 = A2B2 = 3x6 = 18
因此：（1,2,3）（4,5,6）=（4,13,28,27,18）
使用Python代码验证：
其中，Numpy是Python的开源数值计算扩展，可用于存储和处理大型矩阵。
卷曲（）函数用于在两个一维阵列之间执行卷积操作。
2。卷积在图像处理中的应用
用3x3网格沿原始图像移动。
其中：A11+A12+A13+A21+A22+A23+A31+A32+A33 = 1。在每次迭代中，将这些值乘以其下方的相应像素值。每个像素的颜色由三个通道R/g/b组成，因此其像素值为3x1矩阵（如果是灰度图，则只有0到255之间的值来表示它。亮度。亮度）。假设下面涵盖的九个网格中每个像素点的像素值分别分别为B11，B12，B13，B21，B22，B23，B23开元棋官方正版下载，B31，B32，B33。卷积处理后，B22处的相应像素值变为A11B11+A12B12+A13B13+A21B21+A22B22+A23B23+A23B23+A31B31+A32B32+A32B32+A33*B33*B33。
这就是计算每个像素的方式，结果是将每个像素混合到相邻的像素中，这比原始图像具有模糊但更光滑的版本。
就处理的图而言，处理的图是原始图和小网格的卷积。这个小网格称为卷积内核。通过选择不同的内核，可以产生不同的图像处理效果，例如边缘检测和图像模糊。锐化，等等。
3。图像平滑处理
（1）平均过滤，简单的平均卷积操作
卷积内核中的每个值都是相同的。例如，3x3的平均滤波卷积内核为
img=cv2.imread('./img/face.png')
blur=cv2.blur(img,(3,3)) #均值滤波后的图像
plt.subplot(1,2,1),plt.imshow(img,'gray'),plt.title('img')
plt.xticks([]),plt.yticks([])
plt.subplot(1,2,2),plt.imshow(blur,'gray'),plt.title('blur')
plt.xticks([]),plt.yticks([])
plt.show()
操作结果显示在图中：
可以看出，处理后图像的噪声大大降低。
（2）高斯滤波，高斯模糊卷积内核中的数值满足高斯分布，这相当于更多地关注中间值。目标像素点越接近，当目标像素值再生时的重量就越大。
img=cv2.imread('./img/face.png')
gblur=cv2.GaussianBlur(img,(5,5),1)
操作结果显示在图中：
（3）中值过滤等同于替换中值值
median=cv2.medianBlur(img,5) #用5x5卷积核的中值替代
操作结果显示在图中：
（4）显示全部：
img=cv2.imread('./img/face.png')
blur=cv2.blur(img,(3,3))
gblur=cv2.GaussianBlur(img,(5,5),1)
median=cv2.medianBlur(img,5)
res=np.hstack((blur,gblur,median)) #这是水平拼接。竖直拼接是np.vstack()
cv2.imshow('median vs average',res)
cv2.waitKey(0)
cv2.destroyAllWindows()
