詳解OpenCV卷積濾波之邊緣處理與錨定輸出

OpenCV在使用卷積進(jìn)行圖像處理過程種，如何處理邊緣像素與錨定輸出兩個技術(shù)細(xì)節(jié)一直是很多人求而不得的疑惑。其實OpenCV在做卷積濾波時會對圖像進(jìn)行邊界填充，實現(xiàn)對邊緣像素的卷積計算的支持，不同填充方式與不同錨定點(diǎn)會得到圖像卷積輸出不同的結(jié)果。

我們首先來看一下OpenCV種支持標(biāo)準(zhǔn)卷積邊緣填充做法，OpenCV支持的有如下幾種卷積邊緣填充算法：

各種不同方式對邊緣的填充效果如下：

上圖背景為紅色，填充上下左右四個像素大小邊緣！右下角為原圖，左上角圖像為常量邊緣填充效果(i=0黑色)。

相關(guān)代碼實現(xiàn)如下：

image = cv.imread("D:/images/qxx.png");
ih, iw = image.shape[:2]
border = 4

# 邊界填充
b1 = cv.copyMakeBorder(image, border, border, border, border, cv.BORDER_CONSTANT)
b2 = cv.copyMakeBorder(image, border, border, border, border, cv.BORDER_REPLICATE)
b3 = cv.copyMakeBorder(image, border, border, border, border, cv.BORDER_REFLECT)
b4 = cv.copyMakeBorder(image, border, border, border, border, cv.BORDER_WRAP)
b5 = cv.copyMakeBorder(image, border, border, border, border, cv.BORDER_REFLECT_101)

# 邊界填充類型說明
cv.putText(image, "input", (20,20), cv.FONT_HERSHEY_PLAIN, 1.0, (255, 0, 0))
cv.putText(b1, "BORDER_CONSTANT", (20, 20), cv.FONT_HERSHEY_PLAIN, 1.0, (255, 0, 0))
cv.putText(b2, "BORDER_REPLICATE", (20, 20), cv.FONT_HERSHEY_PLAIN, 1.0, (255, 0, 0))
cv.putText(b3, "BORDER_REFLECT", (20, 20), cv.FONT_HERSHEY_PLAIN, 1.0, (255, 0, 0))
cv.putText(b4, "BORDER_WRAP", (20, 20), cv.FONT_HERSHEY_PLAIN, 1.0, (255, 0, 0))
cv.putText(b5, "BORDER_REFLECT_101", (20, 20), cv.FONT_HERSHEY_PLAIN, 1.0, (255, 0, 0))

# 拼接結(jié)果輸出
h = b1.shape[0]*2+8
w = b1.shape[1]*3+16
bh, bw = b1.shape[:2]
result = np.zeros([h, w, 3], dtype=np.uint8)
result[:,:,:] = (0, 0, 255)
result[0:bh,0:bw,:] = b1;
result[0:bh, bw+8:bw+bw+8, :] = b2;
result[0:bh, bw+bw+16:bw+bw+bw+16, :] = b3;
result[bh+8:bh+bh+8,0:bw,:] = b4;
result[bh+8:bh+bh+8, bw+8:bw+bw+8, :] = b5;
result[bh+12:bh+12+ih, bw+bw+20:bw+bw+20+iw, :] = image;

# 顯示
cv.imshow("result", result)
cv.imwrite("D:/border_result.png", result)
cv.waitKey(0)
cv.destroyAllWindows()

在進(jìn)行卷積處理的時候，卷積mask與對應(yīng)的像素塊點(diǎn)乘得到輸出，把輸出結(jié)果賦值給哪個像素點(diǎn)是由錨定參數(shù)anchor決定，以自定義濾波函數(shù)filter2D為例說明

void cv::filter2D(
         InputArray src,
         OutputArray dst,
         int ddepth,
         InputArray      kernel,
         Point       anchor = Point(-1,-1),
         double    delta = 0,
         int borderType = BORDER_DEFAULT
)
其中
kernel - 表示輸入的自定義卷積核大小
anchor - 表示錨定點(diǎn)位置，默認(rèn)情況Point(-1, -1)表示是卷積核的中心位置
borderType - 表示邊緣填充的像素大小，ksize/2其中ksize表示卷積核大小

上述函數(shù)在卷積核為奇數(shù)的時候，卷積核的中心位置很容易確定，比如3x3的卷積核大小，中心位置為Point(1,1)，5x5的卷積核大小中心位置為Point(2,2)

但是當(dāng)卷積核大小為偶數(shù)的時候，很多人都搞不清楚中心位置是如何確定的，其實這個時候中心也為(ksize/2)， 對2x2的卷積核，中心位置為Point(1,1)，4x4的卷積核中心位置為Point(2,2)。

以2x2與4x4的卷積核為與3x3與5x5的像素數(shù)據(jù)為例

情況一

2x2卷積核對3x3的像素塊

當(dāng)錨定點(diǎn)為默認(rèn)(1,1)/(-1,-1)時候:

當(dāng)錨定點(diǎn)設(shè)置為(0,0)時:

可以看到二者的輸出結(jié)果全然不同，原因在于當(dāng)錨定點(diǎn)不同的時候，卷積mask的開始位置也會不不同，圖示如下：

情況二：

4x4卷積核對5x5的像素塊：

使用BORDER_DEFAULT填充方式，填充之后為：

不同錨定位置的均值卷積輸出結(jié)果：

三個不同錨定點(diǎn)對應(yīng)卷積mask的起始位置與錨定像素輸出：

代碼演示如下：

src = np.zeros([3, 3], dtype=np.uint8)
src[0, 0] = 16
src[1, 1] = 8
src[2, 2] = 4
print("\n input image: \n",src)

k1 = [[1, 0], [0, -1]]
print("\nkernel : \n", k1)
result = cv.copyMakeBorder(src, 1, 1, 1, 1, cv.BORDER_DEFAULT)
print("\nBORDER_DEFAULT 邊界填充 : \n", result)
dst = cv.filter2D(src, cv.CV_32F, np.asarray(k1), None, anchor=(0, 0), borderType=cv.BORDER_DEFAULT)
print("\nfilter2D : \n", dst)
print("\n")

src = np.zeros([5, 5], dtype=np.uint8)
src[0, 0] = 32
src[1, 1] = 16
src[2, 2] = 8
src[3, 3] = 4
src[4, 4] = 2
print("\ninput: \n", src)
k2 = np.ones([4, 4], dtype=np.int32)
print("\nkernel:\n", k2)
result = cv.copyMakeBorder(src, 3, 3, 3, 3, cv.BORDER_DEFAULT)
print("\n邊界填充:\n", result)
dst = cv.filter2D(src, cv.CV_32F, np.asarray(k2), None, anchor=(-1, -1), borderType=cv.BORDER_DEFAULT)
print("\n filter2D Result: \n", dst)