计算机视觉与图像处理（一）——卷积与opencv

一、摄像机与视频的读取

二、读取图片 与其中的像素值

三、Mat对象一些操作

四、图像x方向求导的卷积与非卷积操作

五、高斯模糊的核创建与卷积操作

 （一）高斯模糊原理
所谓"模糊"，即每一个像素都取周边像素的平均值。

上图中，2是中间点，周边点都是1。"中间点"取"周围点"的平均值，就会变成1。在数值上，这是一种"平滑化"。在图形上，就相当于产生"模糊"效果，"中间点"失去细节。

计算平均值时，取值范围越大，"模糊效果"越强烈。

每个点都要取周边像素的平均值，如果使用简单平均，显然不是很合理，因为图像都是连续的，越靠近的点关系越密切，越远离的点关系越疏远。因此，加权平均更合理，距离越近的点权重越大，距离越远的点权重越小。

（二）正态分布的权重

正态分布显然是一种可取的权重分配模式。在图形上，正态分布是一种钟形曲线，越接近中心，取值越大，越远离中心，取值越小。计算平均值的时候，我们只需要将"中心点"作为原点，其他点按照其在正态曲线上的位置，分配权重，就可以得到一个加权平均值。          

（三）高斯函数

一维：

二维：

利用函数计算每个点的权重计算高斯模糊（ 由高斯函数计算出每个点的权重值，即得到权重矩阵）

（四）计算高斯模糊

   1. 对权重矩阵做归一化处理

（1）求出权重矩阵中所有权重之和，

（2）每个点都除以权重之和，使权重之和为一。

   2. 计算高斯模糊的值。假设现有9个像素点，每个点灰度值乘以自己的权重值，得到9个值，将这9个值加起来，就是中心点的高斯模糊的值。对所有点重复这个过程，得到高斯模糊后的图像。

PS:如果原图是彩色图片，可以对RGB三个通道分别做高斯模糊。

（五）代码实现

六、相关API操作

参考资料：http://www.ruanyifeng.com/blog/2012/11/gaussian_blur.html