a站在线观看人数在哪,网站备案文件下载,中国建设银行阆中分行网站,如何申请企业邮箱免费【OpenCV 例程200篇】55. 可分离卷积核 欢迎关注 『OpenCV 例程200篇』 系列#xff0c;持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列#xff0c;持续更新中 空间滤波器是由邻域和定义的操作构成的#xff0c;滤波器规定了滤波时采用的邻域形状及该区域内像素值的…【OpenCV 例程200篇】55. 可分离卷积核 欢迎关注 『OpenCV 例程200篇』 系列持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列持续更新中 空间滤波器是由邻域和定义的操作构成的滤波器规定了滤波时采用的邻域形状及该区域内像素值的处理方法。滤波器也被称为 “核”、“模板”、“窗口”、“掩模”、“算子”一般在信号处理中称为 “滤波器”在数学领域称为 “核”。线性滤波器就是指基于线性核的滤波也就是卷积运算。
1.5 可分离卷积核
如果卷积核 w 可以被分解为两个或多个较小尺寸卷积核 w1、w2…即ww1★w2w w1 \bigstar w2ww1★w2则成为可分离卷积核。
秩为 1 的矩阵可以分解为一个列向量与一个行向量的乘积因此秩为 1 的卷积核是可分离卷积核。
可分离卷积核 w 与图像 f 的卷积same 卷积等于先用 f 与 w1 卷积再用 w2 对结果进行卷积 w★f(w1★w2)★fw2★(w1★f)(w1★f)★w2w \bigstar f (w_1 \bigstar w_2)\bigstar f w_2 \bigstar (w_1 \bigstar f) (w_1 \bigstar f)\bigstar w_2 w★f(w1★w2)★fw2★(w1★f)(w1★f)★w2 随着图像尺寸与卷积核尺寸的增大用分离的卷积核依次对图像进行卷积操作可以有效地提高运算速度。因此在二维图像处理中经常将一个可分离卷积核分解为一维水平核 kernalX 和一维垂直核 kernalY 的乘积。
函数 sepFilter2D 实现可分离核模板对图像进行线性滤波。
函数说明
cv.sepFilter2D( src, ddepth, kernelX, kernelY[, dst[, anchor[, delta[, borderType]]]]) → dst # OpenCV4该函数先用一维水平核 kernalX 对图像的行进行滤波再用一维垂直核 kernalY 对图像的列进行滤波。
参数说明
src卷积处理的输入图像可以是灰度图像也可以是多通道的彩色图像dst卷积处理的输出图像大小和类型与 src 相同ddepth目标图像每个通道的深度数据类型ddepth-1 表示与输入图像的数据类型相同kernelX水平卷积核向量一维实型数组kernelY垂直卷积核向量一维实型数组anchor卷积核的锚点位置默认值 (-1, -1) 表示以卷积核的中心为锚点delta输出图像的偏移量可选项默认值为 0borderType边界扩充的类型 例程 1.68可分离核的卷积操作 # 1.68可分离核的卷积操作imgList list(range(0, 36))imgTest np.array(imgList).reshape(6, 6)# 可分离卷积核: kernXY kernX * kernYkernX np.array([[-1, 3, -1]], np.float32) # (1,3)kernY np.transpose(kernX) # (3,1)kernXY kernX * kernYprint(kernX.shape, kernY.shape, kernXY.shape)from scipy import signal# 二维卷积核直接对图像进行卷积操作imgConv_XY signal.convolve2d(imgTest, kernXY, modesame, boundaryfill)# 可分离卷积核分解为一维水平核 kernalX 和一维垂直核 kernalY 分别进行卷积操作imgConv_X signal.convolve2d(imgTest, kernX, modesame, boundaryfill)imgConv_X_Y signal.convolve2d(imgConv_X, kernY, modesame, boundaryfill)print(\n比较 imgConv_XY 与 imgConv_X_Y 是否相等\t, (imgConv_XY imgConv_X_Y).all())print(\nimgConv_kernXY:\n, imgConv_XY)print(\nimgConv_kernX_kernY:\n, imgConv_X_Y)运行结果如下
(1, 3) (3, 1) (3, 3)比较 imgConv_XY 与 imgConv_X_Y 是否相等 TrueimgConv_kernXY:[[-14. -4. -2. 0. 2. 10.][ 11. 7. 8. 9. 10. 23.][ 23. 13. 14. 15. 16. 35.][ 35. 19. 20. 21. 22. 47.][ 47. 25. 26. 27. 28. 59.][130. 68. 70. 72. 74. 154.]]imgConv_kernX_kernY:[[-14. -4. -2. 0. 2. 10.][ 11. 7. 8. 9. 10. 23.][ 23. 13. 14. 15. 16. 35.][ 35. 19. 20. 21. 22. 47.][ 47. 25. 26. 27. 28. 59.][130. 68. 70. 72. 74. 154.]]例程 1.69可分离核的图像卷积 # 1.69可分离核的图像卷积img cv2.imread(../images/imgGaia.tif, flags1) # 可分离卷积核: kernXY kernX * kernYkernX np.array([[-1, 3, -1]], np.float32) # (1,3)kernY np.transpose(kernX) # (3,1)kernXY kernX * kernY# (1) 可分离卷积核分解为一维水平核 kernalX 和一维垂直核 kernalY 分步进行卷积操作imgConvY cv2.filter2D(img, -1, kernY,anchor(0,0), borderTypecv2.BORDER_CONSTANT)imgConv_X_Y cv2.filter2D(imgConvY, -1, kernX,anchor(0,0), borderTypecv2.BORDER_CONSTANT)# (2) 二维卷积核 kernXY 直接对图像进行卷积操作imgConv_XY cv2.filter2D(img, -1, kernXY,anchor(0, 0), borderTypecv2.BORDER_CONSTANT)# (3) 一维水平核 kernalX 和一维垂直核 kernalY 进行可分离卷积核的卷积操作imgConvSep_XY cv2.sepFilter2D(img, -1, kernX, kernY,anchor(0,0), borderTypecv2.BORDER_CONSTANT)print(\n比较 imgConv_XY 与 imgConv_X_Y 是否相等\t, (imgConv_XY imgConv_X_Y).all())print(\n比较 imgConvSep_XY 与 imgConv_XY 是否相等\t, (imgConvSep_XY imgConv_XY).all())plt.figure(figsize(9, 6))plt.subplot(131), plt.axis(off), plt.title(cv2.filter2D(kernXY))plt.imshow(cv2.cvtColor(imgConv_XY, cv2.COLOR_BGR2RGB))plt.subplot(132), plt.axis(off), plt.title(cv2.filter2D (kernX-kernY))plt.imshow(cv2.cvtColor(imgConv_X_Y, cv2.COLOR_BGR2RGB))plt.subplot(133), plt.axis(off), plt.title(cv2.sepFilter2D(kernX,kernY))plt.imshow(cv2.cvtColor(imgConvSep_XY, cv2.COLOR_BGR2RGB))plt.tight_layout()plt.show()
运行结果如下
比较 imgConv_XY 与 imgConv_X_Y 是否相等 False
比较 imgConvSep_XY 与 imgConv_XY 是否相等 True本节完 版权声明
youcansxupt 原创作品转载必须标注原文链接
Copyright 2021 youcans, XUPT
Crated2021-11-29 欢迎关注 『OpenCV 例程200篇』 系列持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列持续更新中 【OpenCV 例程200篇】01. 图像的读取cv2.imread 【OpenCV 例程200篇】02. 图像的保存cv2.imwrite 【OpenCV 例程200篇】03. 图像的显示cv2.imshow 【OpenCV 例程200篇】04. 用 matplotlib 显示图像plt.imshow 【OpenCV 例程200篇】05. 图像的属性np.shape 【OpenCV 例程200篇】06. 像素的编辑img.itemset 【OpenCV 例程200篇】07. 图像的创建np.zeros 【OpenCV 例程200篇】08. 图像的复制np.copy 【OpenCV 例程200篇】09. 图像的裁剪cv2.selectROI 【OpenCV 例程200篇】10. 图像的拼接np.hstack 【OpenCV 例程200篇】11. 图像通道的拆分cv2.split 【OpenCV 例程200篇】12. 图像通道的合并cv2.merge 【OpenCV 例程200篇】13. 图像的加法运算cv2.add 【OpenCV 例程200篇】14. 图像与标量相加cv2.add 【OpenCV 例程200篇】15. 图像的加权加法cv2.addWeight 【OpenCV 例程200篇】16. 不同尺寸的图像加法 【OpenCV 例程200篇】17. 两张图像的渐变切换 【OpenCV 例程200篇】18. 图像的掩模加法 【OpenCV 例程200篇】19. 图像的圆形遮罩 【OpenCV 例程200篇】20. 图像的按位运算 【OpenCV 例程200篇】21. 图像的叠加 【OpenCV 例程200篇】22. 图像添加非中文文字 【OpenCV 例程200篇】23. 图像添加中文文字 【OpenCV 例程200篇】23. 图像添加中文文字 【OpenCV 例程200篇】24. 图像的仿射变换 【OpenCV 例程200篇】25. 图像的平移 【OpenCV 例程200篇】26. 图像的旋转以原点为中心 【OpenCV 例程200篇】27. 图像的旋转以任意点为中心 【OpenCV 例程200篇】28. 图像的旋转直角旋转 【OpenCV 例程200篇】29. 图像的翻转cv2.flip 【OpenCV 例程200篇】30. 图像的缩放cv2.resize 【OpenCV 例程200篇】31. 图像金字塔cv2.pyrDown 【OpenCV 例程200篇】32. 图像的扭变错切 【OpenCV 例程200篇】33. 图像的复合变换 【OpenCV 例程200篇】34. 图像的投影变换 【OpenCV 例程200篇】35. 图像的投影变换边界填充 【OpenCV 例程200篇】36. 直角坐标与极坐标的转换 【OpenCV 例程200篇】37. 图像的灰度化处理和二值化处理 【OpenCV 例程200篇】38. 图像的反色变换图像反转 【OpenCV 例程200篇】39. 图像灰度的线性变换 【OpenCV 例程200篇】40. 图像分段线性灰度变换 【OpenCV 例程200篇】41. 图像的灰度变换灰度级分层 【OpenCV 例程200篇】42. 图像的灰度变换比特平面分层 【OpenCV 例程200篇】43. 图像的灰度变换对数变换 【OpenCV 例程200篇】44. 图像的灰度变换伽马变换 【OpenCV 例程200篇】45. 图像的灰度直方图 【OpenCV 例程200篇】46. 直方图均衡化 【OpenCV 例程200篇】47. 图像增强—直方图匹配 【OpenCV 例程200篇】48. 图像增强—彩色直方图匹配 【OpenCV 例程200篇】49. 图像增强—局部直方图处理 【OpenCV 例程200篇】50. 图像增强—直方图统计量图像增强 【OpenCV 例程200篇】51. 图像增强—直方图反向追踪 【OpenCV 例程200篇】52. 图像的相关与卷积运算 【OpenCV 例程200篇】53. Scipy 实现图像二维卷积 【OpenCV 例程200篇】54. OpenCV 实现图像二维卷积 【OpenCV 例程200篇】55. 可分离卷积核 【OpenCV 例程200篇】56. 低通盒式滤波器 【OpenCV 例程200篇】57. 低通高斯滤波器 【OpenCV 例程200篇】58. 非线性滤波—中值滤波 【OpenCV 例程200篇】59. 非线性滤波—双边滤波 【OpenCV 例程200篇】60. 非线性滤波—联合双边滤波 【OpenCV 例程200篇】61. 导向滤波Guided filter 【OpenCV 例程200篇】62. 图像锐化——钝化掩蔽 【OpenCV 例程200篇】63. 图像锐化——Laplacian 算子 【OpenCV 例程200篇】64. 图像锐化——Sobel 算子 【OpenCV 例程200篇】65. 图像锐化——Scharr 算子 【OpenCV 例程200篇】66. 图像滤波之低通/高通/带阻/带通 【OpenCV 例程200篇】67. 空间域图像增强的综合应用 【OpenCV 例程200篇】68. 空间域图像增强的综合应用 【OpenCV 例程200篇】69. 连续非周期信号的傅立叶系数 【OpenCV 例程200篇】70. 一维连续函数的傅里叶变换 【OpenCV 例程200篇】71. 连续函数的取样 【OpenCV 例程200篇】72. 一维离散傅里叶变换 【OpenCV 例程200篇】73. 二维连续傅里叶变换 【OpenCV 例程200篇】74. 图像的抗混叠 【OpenCV 例程200篇】75. Numpy 实现图像傅里叶变换 【OpenCV 例程200篇】76. OpenCV 实现图像傅里叶变换 【OpenCV 例程200篇】77. OpenCV 实现快速傅里叶变换 【OpenCV 例程200篇】78. 频率域图像滤波基础 【OpenCV 例程200篇】79. 频率域图像滤波的基本步骤 【OpenCV 例程200篇】80. 频率域图像滤波详细步骤 【OpenCV 例程200篇】81. 频率域高斯低通滤波器 【OpenCV 例程200篇】82. 频率域巴特沃斯低通滤波器 【OpenCV 例程200篇】83. 频率域低通滤波印刷文本字符修复 【OpenCV 例程200篇】84. 由低通滤波器得到高通滤波器 【OpenCV 例程200篇】85. 频率域高通滤波器的应用 【OpenCV 例程200篇】86. 频率域滤波应用指纹图像处理 【OpenCV 例程200篇】87. 频率域钝化掩蔽 【OpenCV 例程200篇】88. 频率域拉普拉斯高通滤波 【OpenCV 例程200篇】89. 带阻滤波器的传递函数 【OpenCV 例程200篇】90. 频率域陷波滤波器 【OpenCV 例程200篇】91. 高斯噪声、瑞利噪声、爱尔兰噪声 【OpenCV 例程200篇】92. 指数噪声、均匀噪声、椒盐噪声 【OpenCV 例程200篇】93. 噪声模型的直方图 【OpenCV 例程200篇】94. 算术平均滤波器 【OpenCV 例程200篇】95. 几何均值滤波器 【OpenCV 例程200篇】96. 谐波平均滤波器 【OpenCV 例程200篇】97. 反谐波平均滤波器 【OpenCV 例程200篇】98. 统计排序滤波器 【OpenCV 例程200篇】99. 修正阿尔法均值滤波器 【OpenCV 例程200篇】100. 自适应局部降噪滤波器
