了解图像处理

执行图像处理任务的一种常见方法是应用 筛选器 来修改图像的像素值以创建视觉效果。 筛选器由一个或多个像素值数组定义，称为筛选器 内核。 例如，可以使用 3x3 内核定义筛选器，如以下示例所示：

-1 -1 -1
-1  8 -1
-1 -1 -1

然后，内核将跨图像 卷积，计算每个 3x3 像素补丁的加权总和，并将结果分配给新图像。 通过浏览分步示例，可以更轻松地了解筛选的工作原理。

我们先来从之前浏览的灰度图像开始：

 0   0   0   0   0   0   0  
 0   0   0   0   0   0   0
 0   0  255 255 255  0   0
 0   0  255 255 255  0   0
 0   0  255 255 255  0   0
 0   0   0   0   0   0   0
 0   0   0   0   0   0   0

首先，将滤波器内核应用到图像的左上角区域，将每个像素值乘以内核中的相应权重值，并将所有结果相加：

(0 x -1) + (0 x -1) + (0 x -1) +
(0 x -1) + (0 x 8) + (0 x -1) +
(0 x -1) + (0 x -1) + (255 x -1) = -255

结果（-255）成为新数组中的第一个值。 然后，我们将滤波器内核向右移动一个像素，并重复该操作。

(0 x -1) + (0 x -1) + (0 x -1) +
(0 x -1) + (0 x 8) + (0 x -1) +
(0 x -1) + (255 x -1) + (255 x -1) = -510

同样，结果将添加到新数组，该数组现在包含两个值：

-255  -510

此过程将重复，直到筛选器在整个图像中卷积，如以下动画所示：

过滤器在整个图像上卷积，计算出新的值数组。 某些值可能超出 0 到 255 像素值范围，因此这些值经过调整以适应该范围。 由于筛选器的形状，不计算像素的外部边缘，因此应用填充值（通常为 0）。 生成的数组表示一个新图像，其中筛选器已转换原始图像。 在这种情况下，滤镜具有对图像中形状的边缘 进行突出显示 的效果。

若要更清楚地看到筛选器的效果，下面是应用于真实图像的相同筛选器的示例：

原始图像	筛选的图像
香蕉示意图

这种图像处理方式通常称为卷积滤波，因为滤波器在图像中进行卷积。 此示例中使用的筛选器是一种特定类型的筛选器（称为 laplace 筛选器），可突出显示图像中对象的边缘。 有许多其他类型的筛选器可用于创建模糊、锐化、颜色反转和其他效果。

接下来，让我们将卷积筛选的概念与现代视觉模型联系起来。