opencv filter2D源码

时间: 2023-10-07 14:11:16 浏览: 69
以下是 OpenCV 中 `cv::filter2D` 函数的简化版源码: ```cpp void cv::filter2D( InputArray src, OutputArray dst, int ddepth, InputArray kernel, Point anchor = Point(-1,-1), double delta = 0, int borderType = BORDER_DEFAULT ) { // 获取输入图像和卷积核 Mat srcMat = src.getMat(); Mat kernelMat = kernel.getMat(); // 创建输出图像 dst.create(srcMat.size(), CV_MAKETYPE(ddepth, srcMat.channels())); Mat dstMat = dst.getMat(); // 根据卷积核的大小和锚点位置进行卷积计算 Point kernelAnchor(-1, -1); if (anchor.x >= 0 && anchor.y >= 0) kernelAnchor = Point(anchor.x * kernelMat.cols, anchor.y * kernelMat.rows); else kernelAnchor = Point((kernelMat.cols - 1) / 2, (kernelMat.rows - 1) / 2); // 对输入图像进行卷积计算 for (int i = 0; i < srcMat.channels(); ++i) { // 获取当前通道的输入图像和输出图像 Mat srcChannel = srcMat.channel(i); Mat dstChannel = dstMat.channel(i); // 对每个像素进行卷积操作 for (int y = 0; y < srcMat.rows; ++y) { for (int x = 0; x < srcMat.cols; ++x) { // 计算当前像素的卷积结果 float sum = 0; for (int ky = 0; ky < kernelMat.rows; ++ky) { for (int kx = 0; kx < kernelMat.cols; ++kx) { int srcX = x + kx - kernelAnchor.x; int srcY = y + ky - kernelAnchor.y; if (srcX >= 0 && srcX < srcMat.cols && srcY >= 0 && srcY < srcMat.rows) sum += srcChannel.at<float>(srcY, srcX) * kernelMat.at<float>(ky, kx); } } dstChannel.at<float>(y, x) = static_cast<float>(sum + delta); } } } // 边界处理 if (borderType != BORDER_CONSTANT) copyMakeBorder(dst, dst, kernelAnchor.y, kernelMat.rows - kernelAnchor.y - 1, kernelAnchor.x, kernelMat.cols - kernelAnchor.x - 1, borderType); } ``` 这是一个简化版的源码,省略了一些参数的处理和错误检查等细节。如果你想获得更完整和详细的源码,建议直接查阅 OpenCV 的源代码库中的 `imgproc/src/filter.cpp` 文件。 希望对你有帮助!

相关推荐

最新推荐

recommend-type

OpenCV.js中文教程

openCV.js中文教程,在线地址:https://www.yuque.com/yeshen/ztbc0g
recommend-type

Opencv中imwrite函数源代码

Opencv中imwrite函数源代码,Opencv中imwrite函数源代码,Opencv中imwrite函数源代码
recommend-type

python+opencv轮廓检测代码解析

主要介绍了python+opencv轮廓检测代码解析,本文实例实现对图片的简单处理,比如图片的读取,灰度显示等相关内容,具有一定借鉴价值,需要的朋友可以参考下
recommend-type

Python使用OpenCV进行标定

主要介绍了Python使用OpenCV进行标定,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
recommend-type

python+opencv实现移动侦测(帧差法)

主要为大家详细介绍了python+opencv实现移动侦测,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。