opencv中的filter2D真的可以完成它的工作吗？

我正在做一些关于在Python中卷积图像的事情,为了速度,我选择了opencv 2.4.9.

Opencv提供了一种名为filter2D的方法来执行此操作,这里是它的文档:http://docs.opencv.org/modules/imgproc/doc/filtering.html？highlightlight = filter2d#filter2d

在文档中,它说:

用内核卷积图像.

但我有疑问(由别的东西引起)所以我做了一些实验:

首先,我做一个正常的3x3矩阵一个使用numpy的是:

  [[ 1.,  5.,  0.], 
   [ 7.,  2.,  9.], 
   [ 2.,  3.,  4.]]

然后,我将2x2矩阵b作为内核:

>>> b

  [[ 1.,  2.],
   [ 3.,  4.]]

最后,为了清楚地看到卷积和相关之间的差异,将b旋转180度,b将如下所示:

  [[ 4.,  3.],
   [ 2.,  1.]]

现在,所有的前期工作都已完成.我们可以开始实验了.

步骤1.使用scipy.ndimage.convolve:ndconv = ndimage.convolve(a, b, mode = 'constant')和ndconv是:

  [[ 35.,  33.,  18.],
   [ 41.,  45.,  44.],
   [ 17.,  24.,  16.]]

卷积运算将b旋转180度并使用b上的b进行相关.所以ndconv [0] [0] = 4*1 + 3*5 + 2*7 + 1*2 = 35,ndconv [2] [2] = 4*4 + 3*0 + 2*0 + 1*0 = 16

这个结果是正确的.

步骤2.使用scipy.ndimage.correlate:ndcorr = ndimage.correlate(a, b, mode = 'constant')和ndcorr是:

  [[  4.,  23.,  15.],
   [ 30.,  40.,  47.],
   [ 22.,  29.,  45.]]

根据相关性的定义,ndcorr [0] [0] = 1*0 + 2*0 + 3*0 + 4*1 = 4因为边界将扩展0.

(有人可能会对渐变与转换之间的差异感到困惑.似乎卷积在方向上向右和向下扩展图像,而左右方向相关.)

但这不是重点.

第3步.使用cv2.filter2D:cvfilter = cv2.filter2D(a, -1, b)和cvfilter是:

  [[ 35.,  34.,  35.],
   [ 41.,  40.,  47.],
   [ 33.,  29.,  45.]]

如果我们忽略边界情况,我们会发现cv2.filter2D所做的实际上是卷积以外的相关性!我该怎么说呢？

因为cvfilter [1..2] [1..2] == ndcorr [1..2] [1..2].

WEIRD,不是吗？

任何人都可以告诉cv2.filter2D的真实情况吗？非常感谢.

如果您在OpenCV文档的说明中进一步阅读:

该函数实际上计算相关性,而不是卷积:

也就是说,内核不会在锚点周围镜像.如果你需要一个真正的卷积,请使用翻转内核flip()并将新锚设置为(kernel.cols - anchor.x - 1, kernel.rows - anchor.y - 1).