matble里的num=[2？圖像處理為何要有卷積運(yùn)算？由于圖像中含有大量的冗余信息，圖像的視覺識(shí)別是由許多特定的邊緣信息完成的，人眼看到的圖像是由無(wú)數(shù)的小塊織成的。受此啟發(fā)，人們發(fā)現(xiàn)通過(guò)卷積運(yùn)算可以

matble里的num=[2？

圖像處理為何要有卷積運(yùn)算？

由于圖像中含有大量的冗余信息，圖像的視覺識(shí)別是由許多特定的邊緣信息完成的，人眼看到的圖像是由無(wú)數(shù)的小塊織成的。受此啟發(fā)，人們發(fā)現(xiàn)通過(guò)卷積運(yùn)算可以更好地提取圖像的邊緣信息，并且可以去除那些冗余的東西，特定卷積提取特定的邊緣，就像人眼一樣，通過(guò)局部感知提取圖像信息。卷積運(yùn)算應(yīng)用于圖像處理，有其生物學(xué)的理論基礎(chǔ)，可以說(shuō)是仿生學(xué)較為成功的應(yīng)用。

怎么在c 的平臺(tái)下用opencv做一個(gè)對(duì)圖像的卷積？

cvfilter2d的原型是：（const cvarr*SRC，cvarr*DST，const cvmat*kernel，cvpoint anchor=cvpoint（-1，-1））SRC:input image。DST：輸出圖像。內(nèi)核：卷積內(nèi)核，單通道浮點(diǎn)矩陣。如果要將不同的核心應(yīng)用于不同的通道，請(qǐng)首先使用cvsplit函數(shù)將圖像分解為單個(gè)顏色通道并分別進(jìn)行處理。錨定：內(nèi)核的錨定點(diǎn)表示過(guò)濾點(diǎn)在內(nèi)核中的位置。錨應(yīng)該在核心內(nèi)。默認(rèn)值（-1，-1）表示錨點(diǎn)位于核心的中心。函數(shù)cvfilter2d線性過(guò)濾圖像并支持就地操作。當(dāng)核運(yùn)算部分超過(guò)輸入圖像時(shí)，該函數(shù)從最近鄰圖像的內(nèi)部像素插值邊界外的像素。

能不能用最通俗語(yǔ)言講解“卷積”？圖像處理中3*3，5*5模板卷積怎么算的？

最流行的解釋：卷積是加權(quán)平均數(shù)，它是一個(gè)點(diǎn)及其周圍點(diǎn)的加權(quán)平均數(shù)。

或者可以認(rèn)為卷積是一種濾波器。當(dāng)然，取決于卷積核心，它可以是高通濾波器或低通濾波器。

如果在圖像處理中使用卷積：低通濾波器是圖像去噪，高通濾波器是銳化。

如果在圖像識(shí)別中使用卷積：卷積是提取特征，可以是低頻特征、高頻特征或梯度特征（實(shí)際上是高頻特征）。

請(qǐng)問(wèn)u(t)*u(t-1)卷積怎么算？

u（t）*u（t-1）=u（t）*u（t）*δ（t-1）=tu（t）*δ（t-1）=（t-1）u（t-1）。卷積是分析數(shù)學(xué)中的一項(xiàng)重要運(yùn)算。設(shè)f（x）和G（x）是R1上的兩個(gè)可積函數(shù)。作為一個(gè)積分，可以證明上述積分對(duì)于幾乎所有的實(shí)數(shù)X都存在，這樣，當(dāng)X的值不同時(shí)，這個(gè)積分定義了一個(gè)新的函數(shù)H（X），稱為函數(shù)f和G的卷積，表示為H（X）=（f*G）（X）。很容易證明（f*g）（x）=（g*f）（x）和（f*g）（x）仍然是可積的。也就是說(shuō)，通過(guò)用卷積代替乘法，L1（R1）空間是一個(gè)代數(shù)，甚至是一個(gè)Banach代數(shù)。卷積與傅里葉變換密切相關(guān)。利用兩個(gè)函數(shù)的Fourier變換的乘積等于其卷積Fourier變換的性質(zhì)，可以簡(jiǎn)化Fourier分析中的許多問(wèn)題。