濾波(filtering)是影像處理的乙個基本操作，目的在選擇性的提取重要訊息，用在影像銳化、去除雜訊或提取感興趣的視覺特徵，這類處理需尋訪影像每個畫素，從此畫素和相鄰畫素得到新的畫素值。
核心(kernel)：基本上核心是乙個固定大小，其中心為錨點(anchor point)的二維矩陣，以下為一高斯濾波的核心，大小和矩陣數值依需求而變。
卷積(convolution)：是核心與圖的每個重疊畫素間的運算，目的是要計算影像中某個位置的結果，主要有以下4個步驟：
將核心的錨點放在輸入圖的某個畫素上。
各鄰近畫素乘上相對應的核心係數後加總。
將計算結果放在輸出圖的錨點畫素上。
對輸入圖的每個畫素重複進行以上動作。
我們用以上的核心和卷積的概念，對一張灰階8位元影像進行銳化，我們將輸出圖和來源圖的第一行、第一列、最後一行、最後一列不做處理，所以尋訪畫素時留了1畫素的寬度，使用ptr()函式讀取指定列的第乙個畫素，主要有3個步驟：
先複製圖案，讓不處理的第一行、第一列、最後一行、最後一列，輸出圖和輸入影象素值相同。
接著使用四個指標，前三個指標指向來源圖上中下列，第四個指向輸出圖目前處理的列數，之後逐列逐列進行濾波計算。
用saturate_cast將每次的計算結果限定在合理範圍，以本例來說就是從0到255，超過255會設定成255，小於0會設定成0。
opencv 限定合理範圍：template< … > _tp saturate_cast(_tp2 v)
影像卷積
#include #include using namespace cv;
void sharpen(const mat &src, mat &dst);
int main()
void sharpen(const mat &src, mat &dst)}}
掃瞄影像
opencv提供filter2d()函式方便濾波計算，我們依濾波值定義乙個核矩陣，之後呼叫filter2d函式時輸入此核矩陣當引數。
void filter2d(inputarray src, outputarray dst, int ddepth, inputarray kernel, point anchor=point(-1,-1), double delta=0, intbordertype=border_default)
上面的卷積函式可改寫成以下函式，兩者結果相同：
#include #include using namespace cv;
void sharpen2(const mat &src, mat &dst);
int main()
void sharpen2(const mat &src, mat &dst)
**：
各種卷積型別Convolution
從最開始的卷積層，發展至今，卷積已不再是當初的卷積，而是乙個研究方向。在反卷積這篇部落格中，介紹了一些常見的卷積的關係，本篇部落格就是要梳理這些有趣的卷積結構。閱讀本篇部落格之前，建議將這篇部落格結合在一起閱讀，想必會有更深的理解。另外，不管是什麼型別的卷積，我們都把它理解成一種運算操作。group...
膨脹卷積的缺點 卷積 反卷積與膨脹卷積
卷積 多 1 的對映 本質 在對輸入做9 1的對映關係時，保持了輸出相對於input中的位置性關係 對核矩陣做以下變形 卷積核的滑動步驟變成了卷積核矩陣的擴增 卷積的矩陣乘法變成以下形式 核矩陣重排，輸入featuremap變形為向量 反卷積 1 多 的對映 deconvlution transpo...
分析 影像分析
1.效果圖 2.發布服務 3.引入模組 查詢影像資料esri tasks imageserviceidentifytask 引數 esri tasks imageserviceidentifyparameters esri tasks imageserviceidentifyresult esri ...