怎么在c 的平臺(tái)下用opencv做一個(gè)對(duì)圖像的卷積？cvfilter2d的原型是：（const cvarr*SRC，cvarr*DST，const cvmat*kernel，cvpoint anch

怎么在c 的平臺(tái)下用opencv做一個(gè)對(duì)圖像的卷積？

cvfilter2d的原型是：（const cvarr*SRC，cvarr*DST，const cvmat*kernel，cvpoint anchor=cvpoint（-1，-1））SRC:input image。DST：輸出圖像。內(nèi)核：卷積內(nèi)核，單通道浮點(diǎn)矩陣。如果要將不同的核心應(yīng)用于不同的通道，請(qǐng)首先使用cvsplit函數(shù)將圖像分解為單個(gè)顏色通道并分別進(jìn)行處理。錨定：內(nèi)核的錨定點(diǎn)表示過(guò)濾點(diǎn)在內(nèi)核中的位置。錨應(yīng)該在核心內(nèi)。默認(rèn)值（-1，-1）表示錨點(diǎn)位于核心的中心。函數(shù)cvfilter2d線性過(guò)濾圖像并支持就地操作。當(dāng)核運(yùn)算部分超過(guò)輸入圖像時(shí)，該函數(shù)從最近鄰圖像的內(nèi)部像素插值邊界外的像素。

OpenCv的卷積有什么用？

卷積是分析數(shù)學(xué)中的一項(xiàng)重要運(yùn)算。它常用于信號(hào)頻譜的時(shí)域和頻域分析。卷積在相關(guān)分析、快速傅立葉變換、小波變換和動(dòng)窗濾波中有著廣泛的應(yīng)用。一般來(lái)說(shuō)，我們只有學(xué)完高等數(shù)學(xué)才能學(xué)好它。

opencv有沒(méi)有cnn的接口函數(shù)？

一般來(lái)說(shuō)：深度學(xué)習(xí)就是建立卷積神經(jīng)網(wǎng)絡(luò)。一般來(lái)說(shuō)，它使用MATLAB中的神經(jīng)網(wǎng)絡(luò)工具箱。數(shù)據(jù)需求量很大，效果不一定好

卷積運(yùn)算是什么？

最近我查了一下圖像處理，卷積運(yùn)算，但是感覺(jué)太復(fù)雜了。在這里，我將簡(jiǎn)單地寫下什么是卷積計(jì)算過(guò)程。

假設(shè)有一個(gè)卷積核h，一般是一個(gè)3*3的矩陣：

有一個(gè)要處理的矩陣X:

h*X的計(jì)算過(guò)程分為三步

第一步是將卷積核翻轉(zhuǎn)180度，也就是說(shuō)，第二步是將卷積核h的中心與X的第一個(gè)元素對(duì)齊，然后將相應(yīng)的元素相乘相加，如果沒(méi)有元素，則加0。

這樣，Y中第一個(gè)元素的值是Y11=1*0 2*0 1*0 0*0 0*1 0*2-1*0-2*5-1*6=-16

在第三步中，每個(gè)元素都這樣計(jì)算得到一個(gè)輸出矩陣，它是卷積的結(jié)果

這樣就省去了其他過(guò)程。

最終結(jié)果

注意：這里我用0完成原始矩陣，但我們不一定選擇0。在OpenCV的cvfilter2d函數(shù)中，沒(méi)有使用0來(lái)完成矩陣，而是使用了邊復(fù)制方法。接下來(lái)介紹OpenCV的cvfilter2d函數(shù)的卷積運(yùn)算過(guò)程。

OpenCV已經(jīng)將圖像處理(識(shí)別)的算法寫成函數(shù)了，那我們還有必要去學(xué)習(xí)這些算法嗎？

這取決于你的目的。比如說(shuō)現(xiàn)在的車這么先進(jìn)好用，你還需要了解變速箱的原理嗎？這取決于你的目的。如果只是普通駕駛，你不需要知道。如果你是一個(gè)機(jī)械師，你必須理解。如果你是一個(gè)汽車制造商的工程師，你必須對(duì)它非常了解。簡(jiǎn)言之，這取決于具體的需要。