如何用二维卷积实现图像模糊与线条提取

如何用二维卷积实现图像模糊与线条提取
在专栏的上一讲，我们介绍了矩阵作为滤波器，对图像矩阵卷积的具体操作方法。

本讲我们来看看，不同滤波器，对同一张图片产生的不同处理效果。

有的滤波器是模糊了原图，有的是锐化了原图，有的则是提取了不同方向的边缘，等等。

我们还是举几个例子。

图像模糊
我们看一下滤波器
会把图像变成什么样子。

回顾上一讲中二维滤波器作用在一个图像上的步骤。

这个滤波器中所有的元素都是1/9，这就意味着，某个位置上输出值，就是输入图像在该位置周围所有点的平均值。

我们假设，输入图像对应的矩阵，在某一点A，在数值上比A周围的8个点大很多。

从图像上来看，即 A 点是一个明显的亮斑。

显然，图像被该滤波器处理后，会产生如下影响：
· 输出图像在 A 点处的值，因为受 A 点周
围数值较低的点的影响，比输入图像在A 点
处的值要低。

· 输出图像在 A 周围点处的值，因为受 A
点处很高的影响，比输入图像在A 点周围的值
要高。

综合这两个效果，A处的亮斑，变暗了；而周围的点，则变的比原来亮一些。

看起来的效果就是，原来的亮斑扩散，并且没那么亮了。

图1.13显示了这样的一个例子。

注意，输入图像中有一个高点190，经过该滤波器后，该点的值由190下降到了22，而周围的值由1变成了22。

总体而言，输出图像比输入图像平滑了。

图 1.13
这就有点像《老子》里的名言：
“天之道，损有余而补不足”。

大自然千年的力量，都是在逐步将高山变低，低谷变高。

图1.14显示了这个滤波器在照片处理中的实际效果。