OpenCV種支持標(biāo)準(zhǔn)卷積邊緣填充做法

概述

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

邊界填充

我們首先來(lái)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：

常量邊界

BORDER_CONSTANT

iiiiii|abcdefgh|iiiiiii

邊界復(fù)制

BORDER_REPLICATE

aaaaaa|abcdefgh|hhhhhhh

邊界反射

BORDER_REFLECT

fedcba|abcdefgh|hgfedcb

邊界換行

BORDER_WRAP

cdefgh|abcdefgh|abcdefg

邊界反射101

BORDER_REFLECT_101

gfedcb|abcdefgh|gfedcba

邊界透明-很不幸運(yùn)的是OpenCV4已經(jīng)不支持啦！

BORDER_TRANSPARENT

uvwxyz|abcdefgh|ijklmno

默認(rèn)填充方式

OpenCV中 filter2D, blur, GaussianBlur等卷積操作默認(rèn)支持為BORDER_DEFAULT(BORDER_REFLECT_101)

各種不同方式對(duì)邊緣的填充效果如下：

上圖背景為紅色，填充上下左右四個(gè)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(shí)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(lèi)型說(shuō)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()

錨定位置

在進(jìn)行卷積處理的時(shí)候，卷積mask與對(duì)應(yīng)的像素塊點(diǎn)乘得到輸出，把輸出結(jié)果賦值給哪個(gè)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(shuō)明

voidcv::filter2D(
InputArraysrc,
OutputArraydst,
intddepth,
InputArraykernel,
Pointanchor=Point(-1,-1),
doubledelta=0,
intborderType=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(shí)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(shí)候，很多人都搞不清楚中心位置是如何確定的，其實(shí)這個(gè)時(shí)候中心也為(ksize/2)， 對(duì)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)。

錨定位置對(duì)卷積結(jié)果的影響

以2x2與4x4的卷積核為與3x3與5x5的像素?cái)?shù)據(jù)為例

情況一

2x2卷積核對(duì)3x3的像素塊

當(dāng)錨定點(diǎn)為默認(rèn)(1,1)/(-1,-1)時(shí)候:

當(dāng)錨定點(diǎn)設(shè)置為(0,0)時(shí):

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(shí)候，卷積mask的開(kāi)始位置也會(huì)不不同，圖示如下：

情況二：

4x4卷積核對(duì)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(gè)不同錨定點(diǎn)對(duì)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("
inputimage:
",src)

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

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("
input:
",src)
k2=np.ones([4,4],dtype=np.int32)
print("
kernel:
",k2)
result=cv.copyMakeBorder(src,3,3,3,3,cv.BORDER_DEFAULT)
print("
邊界填充:
",result)
dst=cv.filter2D(src,cv.CV_32F,np.asarray(k2),None,anchor=(-1,-1),borderType=cv.BORDER_DEFAULT)
print("
filter2DResult:
",dst)

原文標(biāo)題：詳解OpenCV卷積濾波之邊緣處理與錨定輸出

文章出處：【微信公眾號(hào)：OpenCV學(xué)堂】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。