Technology sharing

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

in OpenCVfilter2D Munus est instrumentum validissimum ad imagines convolvendas ad varias filamenta lineares applicandas. Hoc munus unumquodque pixel in imagine procedit ac proprietates imaginis immutat, cum certo convolutionis nucleo (vel colum) convolvendo.Hoc est defilter2DDetailed of munus:

munus exemplar

In OpenCV,filter2DMunus exemplar est hoc modo:

void cv::filter2D(InputArray src, OutputArray dst, int ddepth, InputArray kernel,  
                  Point anchor = Point(-1,-1), double delta = 0,  
                  int borderType = BORDER_DEFAULT);

Parameter Description

• src *: Input image.
• dst: imago output et input imagesrcIdem habent canalium quantitatem ac numerum.
• ddepth : Desiderata profunditas imaginis output (genus notitia). Cum est -1, significat output imaginem eandem habere altitudinem ac input imaginem.
• nucleus : Convolutio nuclei (vel colum), quod est unicum punctum volans matricis. Haec matrix definit quomodo operationes convolutionis in input imaginem perficiant.
• anchora : Anchora punctum nuclei, quod relativum situm colum puncti in nucleo indicat. Anchora punctum intra nucleum collocari debet;
• delta: Valor ad libitum adhibebitur cum elementa eliquata in condendumdstprius addita sunt elementa eliquata.
• borderType : Pixel extrapolationis methodus, ad processum imaginis extra terminos imaginis adhibita. Decernit quomodo limes elementa processerunt cum nucleus convolutionis terminum imaginis excedit.Commune optiones includitBORDER_CONSTANT、BORDER_REPLICATE、BORDER_REFLECTmanere.

principium opus

filter2D Munus revera operationem convolutionis exercet (quamvis technice potius correlationem quam strictam convolutionem computat cum nulla nuclei flipping implicata sit). Operatio convolutionis implicat "labentem" convolutionem nucleum super input imaginem, multiplicans elementa correspondentia uniuscuiusque sub- matricis ejusdem quantitatis ac convolutionis nuclei, ac deinde eventus addit. Hic processus novum pixel valorem generat, quod ponitur loco respondente in output imaginis. Cum nucleus convolutionis labitur per totam input imaginem, hic processus repetitur dum imago output integra generatur.

Application missiones

Convolutione nuclei mutando;filter2DMunera varias imaginum processus effectus consequi possunt, inclusis sed non circumscriptis:

• imago acuere: Convolutionis nuclei acuere certae imaginis margines clariorem reddere possunt.
• medium filter: Mediocris convolutionis usus nucleus sonitum imaginis reducere potest, sed terrere imaginem potest.
• Gaussian filter : Gaussian eliquare est ars communis imaginis deleniendi, quae sonum imaginis minuere potest, servato ore nuntio.Etsifilter2DIpsum munus generationi Gaussianae nucleorum directe non praebet, sed praeteriri potestgetGaussianKernelmunus generat Gaussian nucleum et ususfilter2DPraestare Gaussian eliquare.
• ora deprehensio: designando nucleos specificas convolutionis (ut Sobel operator, operator Laplacian etc.), margines in imagine deprehendi possunt.

Sample code

Hoc est ususfilter2DExemplum functionis signum eliquare medium (Pythonis versio);

#include 
                                   

                    上一篇
                    下一篇