[人工智能]【opencv-python】卷积边缘处理选项分析

在使用opencv-python进行图像处理过程中，经常会使用卷积对图像进行滤波，在卷积运算过程中，卷积边缘如何处理经常让开发者感到略微困惑，现对此问题进行深入分析。我们使用最简单的滤波函数cv2.filter2D()进行分析，cv2.filter2D()函数的说明见链接，其中borderType指明用何种边缘处理方法，根据官方函数文档提示，有如下几个选项：

可见关于BORDER的选项有很多，但是在opencv的官方教程中并没有找到每一种BORDER的精确含义和说明，因此我们选择其中某几个进行测试。首先测试BORDER_CONSTANT，测试代码如下：

#源图像
src = np.uint8([[1,1,1,1,1],
			    [1,2,3,2,1],
			    [1,1,1,1,1],
			    [1,2,3,2,1], 
			    [1,1,1,1,1]])
kernel = np.ones((3,3),np.float32)
dst = cv2.filter2D(src, -1, kernel,borderType=cv2.BORDER_CONSTANT)
print('src:', src)
print('dst:', dst)
print('kernel:', kernel)

要将必要的包import完整，程序运行的结果为：

我们对这一结果进行分析，我们首先看dst图像的第二行第二列元素，记为：dst(1,1)=12，其计算方式遵循卷积的定义，如下图所示：
因此处边缘外，目标图像dst中部像素值为：
当卷积核与src图像边缘进行卷积运算时，卷积核部分元素势必处于src外部，如下图所示：

现在的问题是：“？”的值都应该多少？根据运行结果，dst(0,0)的值为5，可知“？”中的值应该为0，即卷积核不在源图像范围内的元素值设置为0，入下图所示：
我们再测试另一个选项BORDER_DEFAULT，代码如下：

dst = cv2.filter2D(src, -1, kernel,borderType=cv2.BORDER_DEFAULT)

按照上文给定的src和kernel，运行结果为：

看dst的输出结果可知，边缘元素和使用BORDER_CONSANT选项时输出的元素完全不同，比如dst(0,0)，计算结果为13，那么这个13的值是如何算出来的？

也就是说，**补全的元素是基于src边缘的元素进行中心对称翻转即可。**其他位置元素以此类推，因此dst图像各元素的值为：

通过上述内容中对BORDER_DEFAULT和BORDER_CONSTANT两个选项的分析，可以大致理解opencv-python卷积边缘处理的方法，其他选项可以此类推。

感谢支持，欢迎关注，丰富技术/学术内容持续更新！

opencv-python快速入门视频教程