OpenCV常见的算子及其自定义线性滤波器

卷积核及其工作原理众所周知，在图像处理中起到了重要作用。通过应用特定的空间运算核对图像进行处理以达到模糊效果的方法称为卷积操作。在图像处理领域中常用到三种基本的边缘检测算子：罗伯特（Robert）算子、索贝尔（Sobel）算子以及拉普拉斯（Laplacian）算子；其中罗伯特与索贝尔分别用于x方向和y方向的空间梯度探测；而拉普拉斯则能够有效提取整体图像的边缘特征

在提取边缘的过程中，在应用梯度算子时

卷积概念

卷积是一种图像处理运算, 是一种基于Kermel(卷积核)作用于图像的每个像素上的运算

Kermel（卷积核）本质上是一个固定大小的大型矩阵，在其核心位置可被视为锚点（anchorpoint）。

卷积如何工作

将kernel作为卷积核放置于像素矩阵之上，在计算并累加锚定点周围所有覆盖像素的乘积累加结果（包含该锚定点自身），其结果则用于替代被锚定点覆盖的像素值，并被称为卷积处理

从左到右 从上到下

8 6 6
2 8 6
2 2 8
处理之前的像素值

设置的卷积和大小为

1 1 1
1 1 1
1 1 1

按照公式进行计算 sum=8×₁ +6×₁ +6×₁ +2×₁ +8×₁ +6×₁ +2×₁ +2×₁ +8×₁；将锚点 8 替换为其平均值 sum/(m×n)，即卷积乘积和除以数组的尺寸（宽度与高度）：48 ÷9=5.3。