如何在OpenCV中进行卷积

Question

我试图使用filter2D方法在OpenCV中找到卷积，但结果不正确

import cv2 as cv
import scipy.signal as sig
import numpy as np
b=np.asarray([[1,2,0,1,2],
              [2,3,1,1,2],
              [1,4,2,2,0],
              [3,2,3,3,0],
              [1,0,0,2,1]
              ],dtype=np.uint8)

w=np.asarray([[1,1,1],
              [1,1,2],
              [2,1,1]],dtype=np.uint8)
w_r=np.asarray([[1,1,1],
                [2,1,1],
                [1,1,1]
                ],dtype=np.uint8)
print(sig.convolve2d(b,w,mode="same"))
kernel_r=np.asarray([[1,1,1],[1,1,2],[2,1,1]])
print("-------")
print(cv.filter2D(b,-1,w_r))

第一个输出是由 scipy.signal.convolve2D 生成的，这是正确的。第二个输出是由 OpenCV filter2D 生成的，这是不正确的。我怎样才能得到正确的结果。

[[ 8 10 10  7  7]
 [15 18 20 14  9]
 [18 23 26 18 10]
 [15 21 22 16 11]
 [ 8 13 13  9  8]]
-------
[[23 16 15 11 13]
 [25 18 19 12 13]
 [28 22 25 16 16]
 [19 19 20 16 18]
 [15 18 18 15 19]]

Answer 1

w_r我假设您想在调用中使用一些旋转内核，cv.filter2d正如filter2d文档中提到的：

\n\n

\n

如果您需要真正的卷积，请使用和翻转内核flip[...]

\n

\n\n

所以，第一个问题是，您的手动设置w_r不是正确的翻转版本w，您忘记了2那里。

\n\n

第二个问题来自，如何scipy.sig.convolve2d处理边界：

\n\n

\n

边界：str {\xe2\x80\x98fill\xe2\x80\x99，\xe2\x80\x98wrap\xe2\x80\x99，\xe2\x80\x98symm\xe2\x80\x99}，可选

\n\n

指示如何处理边界的标志：

\n\n

fill

\n\n

用 fillvalue 填充输入数组。（默认）

\n

\n\n

从卷积后得到的值来看，边界似乎是用 填充的0。OpenCV 有一个类似的选项filter2d，BorderTypes具体请参见cv.BORDER_CONSTANT。从测试看来，这0是这里的默认值！？（目前找不到任何相关文档。）

\n\n

因此，更正后的代码可能如下所示（此处省略了不必要的内容）：

\n\n

import cv2 as cv\nimport scipy.signal as sig\nimport numpy as np\n\nb=np.asarray([[1,2,0,1,2],\n              [2,3,1,1,2],\n              [1,4,2,2,0],\n              [3,2,3,3,0],\n              [1,0,0,2,1]\n              ], dtype=np.uint8)\n\nw=np.asarray([[1,1,1],\n              [1,1,2],\n              [2,1,1]], dtype=np.uint8)\n\nprint(sig.convolve2d(b, w, mode="same"))\nprint("-------")\nprint(cv.filter2D(b, -1, cv.flip(w, -1), borderType=cv.BORDER_CONSTANT))\n

\n\n

现在，两个输出显示相同的结果：

\n\n

[[ 8 10 10  7  7]\n [15 18 20 14  9]\n [18 23 26 18 10]\n [15 21 22 16 11]\n [ 8 13 13  9  8]]\n-------\n[[ 8 10 10  7  7]\n [15 18 20 14  9]\n [18 23 26 18 10]\n [15 21 22 16 11]\n [ 8 13 13  9  8]]\n

\n\n

希望有帮助！

\n