OpenCV：理解内核答案

【问题标题】：OpenCV: Understanding KernelOpenCV：理解内核
【发布时间】：2013-05-15 09:23:34
【问题描述】：

我的书中提到了 OpenCV 中的图像内核概念

当对像素邻域进行计算时，通常用核矩阵表示。这个内核描述了如何将参与计算的像素组合起来，以获得想要的结果。

在图像模糊技术中，我们使用内核大小。

cv::GaussianBlur(inputImage,outputImage,Size(1,1),0,0)

那么，如果我说内核大小是Size(1,1)，这是否意味着内核只有 1 个像素？

请看下图

在这里，内核大小是多少？ Size(3,3) ?如果我在这张图片中说大小Size(1,1)，这是否意味着内核只有1个像素并且像素值为0（图像中的第一个值）？

【问题讨论】：

【解决方案1】：

您发布的图像是一个 3x3 内核，由 cv::Size(3,3) 指定。您说cv::Size(1,1) 对应于单个像素是正确的，但是在参考图像时说“cv::Size(1,1)”是没有意义的。一个 1x1 内核的值只是 [1]。

【讨论】：

【解决方案2】：

您提供的示例图像中的内核大小是 3×3 (Size(3,3))，是的。 1×1 的内核大小是有效的，尽管它不是很有趣。

GaussianBlur 正在执行的操作的通用名称是一个卷积。

GaussianBlur 函数正在创建一个高斯核，它基本上是一个矩阵，表示您应该如何组合一个 n×n 像素的窗口以获得单个像素值（在此使用高斯形模糊模式）案例）。

大小为 1×1 的内核只能对图像进行标量乘法；也就是说，1×1 矩阵[c] 的卷积就是c * inputImage。

通常，您需要选择满足以下条件的 n×n 高斯核：

链接：

【讨论】：

非常感谢您的回复。特别感谢有关 GaussianBlur 的解释。来自我的 +1 :)
@Knight 我不完全清楚为什么另一个答案得到了特殊的复选标记——不管你的船是什么。
“更大的数字意味着更模糊” - 我注意到了。但是在 opencv 官方示例中，它们循环了 31 次！ docs.opencv.org/doc/tutorials/imgproc/… 知道为什么他们只是不使用大内核大小而不是循环吗？即使大小是在循环内编辑的，也可以通过提供像 Size(21,21) 这样的大尺寸来轻松模糊它
@Knight 在该示例中，它们循环的原因仅仅是因为想要显示增加模糊量的效果。循环的每次迭代都比前一次更模糊。

【解决方案3】：

这个图像是一个内核，它的大小是 3x3。通过将相应的像素值相乘并获得 9 个结果的总和，将内核应用于图像。这在文献中称为卷积/过滤。您可以查看以下资源以获取更多信息：

【讨论】：